无人机运动目标实时检测识别算法研究
发布时间：2020-10-14 17:38
无人机检测与识别运动目标的难点在于平台和目标都在运动并且需要较高的实时性,普通的运动目标检测算法存在较大误差。针对该难点问题,本文提出了一种针对无人机运动平台的运动目标检测与识别算法,具体如下:(1)综合分析了运动目标检测技术的国内外研究现状,设计了针对无人机平台运动目标检测识别算法的系统方案,搭建实验平台,并对机载云台相机进行标定。(2)针对机载云台相机运动时背景模型的建立易受干扰的难题,本文对传统单高斯背景模型进行改进,提出具有年龄项的双模式单高斯背景模型,该模型引入可变化的更新率,能够有效减少配准误差对模型的影响以及前景像素对背景模型的污染。通过对比实验,验证了双模式单高斯背景模型相比于传统单高斯背景模型的优越性。除此之外,针对无人机飞行自由度大的特点,提出自适应运动补偿方法。该方法运算量小,准确度较高,提高了运动补偿的速率和准确率。(3)针对判定后的前景像素分割图存在误判或漏判的问题,本文对检测结果进行优化,提出了基于灰度相似性的去除阴影方法以及基于概率形态学膨胀的去除孔洞方法,使得检测出的运动目标更加完整准确,同时在去除阴影操作前,采用基于能量值和目标阴影像素个数比值的阴影存在性判定算法,进一步降低了计算量。(4)针对无人机检测出来的运动目标需要快速识别的问题,设计了基于GPU运行的Mobile Nets-SSD运动目标识别方法,利用GPU加速模型进行训练和运行,同时使用Mobile Nets对模型进行压缩,经过实验验证,基于GPU运行的Mobile Nets-SSD比SSD运行速度提高近7倍。在6组不同环境条件下进行试验,试验结果表明本文方法可以有效解决移动背景下运动目标的检测和识别问题,目标分割质量高,运行速度快,识别效果好,系统的整体运行速度最高能达到22 FPS。
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：V279;V249
【部分图文】：
1 Guillot 提出适用于平移变焦相机的背景减法算像机平移和倾斜时的概率框架，开发了一运动模糊、亚像素摄像机运动、目标边稳定的不确定性、未建模的径向畸变和摄 1-2 Hayman 开发的适于摄像机运动的检测算法
哈尔滨工业大学工程硕士学位论文算法[13]。通过对背景图像与当前图像关键点的匹配来估计概率密度函数要功能在于使背景模型适应改变宽泛的光照变化，见图 1-1[13]。图 1-1 Guillot 提出适用于平移变焦相机的背景减法算法[13]ayman 给出了摄像机平移和倾斜时的概率框架，开发了一种用于处理各种统一方法，包括运动模糊、亚像素摄像机运动、目标边界上的混合像素噪声引起的背景稳定的不确定性、未建模的径向畸变和摄像机的小平移-2 所示[14]。
图 1-3 Ren 提出的实时跟踪 PTZ 相机目标算法[18]些方法中，通过将各种图像配准技术应用到输入帧中，构造全景背并且通过图像匹配算法找到全景图像中当前帧的位置。然后，以类的方式分割运动对象。 Cucchiara[12]和 Robinault[18]通过背景拼接比计摄像机的运动矩阵，并进行前景分割。他们使用了不同类型的模考虑到视差效应产生的图像配准误差问题。Kang[15]考虑摄像机的内背景拼接，然而，摄像机的内部参数并不在总是可用的，并且该方虑到可能的配准误差。为了解决配准误差和运动目标鲁棒性的问题用了圆柱拼接并且 Ren[17]提出了高斯空间分布。Hayman[14]考虑对单机过程的空间混合，包括信号和噪声的总和，来解决可能的配准误 Guillot[13]通过修改背景模型的更新以及使用关键点匹配的方法提的适应性。方法在提取运动目标之前通常需要全景背景拼接。然而，基于背景有几个限制。使用全景图的基本假设包括足够精确的运动模型、精以及无失真透镜。此外，这些方法还存在背景适应性、累积拼接误、以及计算量大和时间问题。
【参考文献】
本文编号：2840972
【学位单位】：哈尔滨工业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：V279;V249
【部分图文】：
1 Guillot 提出适用于平移变焦相机的背景减法算像机平移和倾斜时的概率框架，开发了一运动模糊、亚像素摄像机运动、目标边稳定的不确定性、未建模的径向畸变和摄 1-2 Hayman 开发的适于摄像机运动的检测算法
哈尔滨工业大学工程硕士学位论文算法[13]。通过对背景图像与当前图像关键点的匹配来估计概率密度函数要功能在于使背景模型适应改变宽泛的光照变化，见图 1-1[13]。图 1-1 Guillot 提出适用于平移变焦相机的背景减法算法[13]ayman 给出了摄像机平移和倾斜时的概率框架，开发了一种用于处理各种统一方法，包括运动模糊、亚像素摄像机运动、目标边界上的混合像素噪声引起的背景稳定的不确定性、未建模的径向畸变和摄像机的小平移-2 所示[14]。
图 1-3 Ren 提出的实时跟踪 PTZ 相机目标算法[18]些方法中，通过将各种图像配准技术应用到输入帧中，构造全景背并且通过图像匹配算法找到全景图像中当前帧的位置。然后，以类的方式分割运动对象。 Cucchiara[12]和 Robinault[18]通过背景拼接比计摄像机的运动矩阵，并进行前景分割。他们使用了不同类型的模考虑到视差效应产生的图像配准误差问题。Kang[15]考虑摄像机的内背景拼接，然而，摄像机的内部参数并不在总是可用的，并且该方虑到可能的配准误差。为了解决配准误差和运动目标鲁棒性的问题用了圆柱拼接并且 Ren[17]提出了高斯空间分布。Hayman[14]考虑对单机过程的空间混合，包括信号和噪声的总和，来解决可能的配准误 Guillot[13]通过修改背景模型的更新以及使用关键点匹配的方法提的适应性。方法在提取运动目标之前通常需要全景背景拼接。然而，基于背景有几个限制。使用全景图的基本假设包括足够精确的运动模型、精以及无失真透镜。此外，这些方法还存在背景适应性、累积拼接误、以及计算量大和时间问题。
【参考文献】
相关期刊论文 前3条
1 王天召;徐克虎;黄大山;;动态背景下的运动目标检测[J];计算机技术与发展;2013年07期
2 刘雪;常发亮;王华杰;;运动目标检测中的阴影去除方法[J];微处理机;2008年05期
3 郑世友;费树岷;刘怀;龙飞;;动态场景图像序列中运动目标检测新方法[J];中国图象图形学报;2007年09期
相关博士学位论文 前4条
1 郭玲;智能视频监控中运动目标检测的算法研究[D];华南理工大学;2013年
2 解晓萌;复杂背景下运动目标检测和识别关键技术研究[D];华南理工大学;2012年
3 钟必能;复杂动态场景中运动目标检测与跟踪算法研究[D];哈尔滨工业大学;2010年
4 方挺;无人机协同编队飞行中的视觉感知关键技术研究[D];南京航空航天大学;2008年
相关硕士学位论文 前3条
1 马纯;动态背景下的行人检测与跟踪研究[D];南京邮电大学;2016年
2 张维新;基于背景建模的运动目标检测算法研究[D];南京信息工程大学;2017年
3 陈杨;基于背景建模的动态场景运动目标检测算法研究[D];南京信息工程大学;2017年
本文编号：2840972
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/2840972.html
