基于视频的小型无人机目标检测与跟踪方法研究
发布时间：2021-07-07 18:19
随着无人机技术的不断成熟和相关产品价格的大幅下降,各类型无人机已被应用于不同领域。小型无人机目标具有尺寸小、飞行速度多变、飞行环境复杂等特点,使得光学图像或视频中小型无人机目标的检测与跟踪成为典型的复杂环境弱目标检测与跟踪问题,是基于光学传感器运动目标检测与跟踪的难点技术问题。由于雷达探测和无源定位只能粗略获取无人机目标的位置信息,通过研究基于光学视频的无人机目标检测与跟踪方法,可以获得目标的几何轮廓信息,并实现识别与跟踪。本课题研究了基于视频的小型无人机目标检测与跟踪方法,主要内容包括视频图像预处理、视频场景分析、视频中运动无人机目标检测以及基于核相关滤波（Kernelized Correlation Filter,KCF）无人机目标跟踪。本文的主要工作与贡献主要有:（1）对无人机飞行的各类视频背景进行分析,在总结现有视频图像预处理以及目标特征提取方法的基础之上,结合无人机目标的特点,对视频进行二值化、图像增强、形态学等处理,使得目标某些局部特征更加明显。（2）针对实际系统中对无人机目标检测与定位在准确率和实时性方面较高的要求,本文分别对比了传统的运动目标检测方法和需离线训练的有监督...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 无人机反制系统的研究现状
1.2.2 小型无人机目标探测的研究现状
1.2.3 基于视频的目标检测研究现状
1.2.4 目标跟踪研究现状
1.3 论文章节安排
第二章 视频场景分析与图像预处理
2.1 引言
2.2 整体流程
2.3 常见无人机视频场景分析
2.4 视频图像预处理
2.4.1 彩色图像灰度化
2.4.2 图像平滑去噪
2.4.3 图像二值化与增强处理
2.4.4 图像形态学处理
2.5 本章小结
第三章 小型无人机目标检测算法研究
3.1 引言
3.2 基于视频的目标检测方法
3.2.1 帧差法
3.2.2 背景减除法
3.3 基于学习的目标检测方法
3.3.1 传统的目标检测
3.3.2 基于候选区域的深度学习目标检测算法
3.3.3 基于端到端的深度学习目标检测算法
3.4 基于二值化正则梯度的目标快速检测
3.4.1 BING算法介绍
3.4.2 小型无人机的数据训练
3.4.3 基于BING的小型无人机检测步骤
3.5 检测结果与性能分析
3.6 本章小结
第四章 小型无人机目标跟踪方法研究与性能分析
4.1 引言
4.2 基于视频的目标跟踪方法
4.2.1 粒子滤波跟踪算法
4.2.2 TLD跟踪算法
4.3 KCF方法介绍
4.3.1 线性回归与相关滤波
4.3.2 核技巧
4.3.3 KCF快速跟踪关键
4.3.4 基于KCF的小型无人机目标跟踪
4.4 基于位置预测和尺度自适应的KCF跟踪方法
4.4.1 位置预测方法
4.4.2 尺度变换
4.4.3 检测矫正
4.4.4 基于TPD-KCF跟踪模型
4.5 跟踪结果分析与对比
4.5.1 实验环境及参数设置
4.5.2 评价指标
4.5.3 结果与分析
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作展望
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]基于帧间差分的ViBe运动目标检测[J]. 徐君妍,袁址赟,崔宗勇,曹宗杰. 科学技术与工程. 2017(27)
[2]复杂场景下的加权粒子滤波行人跟踪方法[J]. 徐君妍,崔宗勇,罗远庆,曹宗杰. 信号处理. 2017(07)
[3]基于多特征融合的运动目标显著性检测[J]. 杜敏. 电子设计工程. 2016(08)
[4]国外无人机监管及反制技术最新发展概况[J]. 石红梅,谭晃. 中国安防. 2016(04)
[5]小型无人机安全研究综述.[J]. 刘炜,冯丙文,翁健. 网络与信息安全学报. 2016(03)
[6]基于噪声检测的自适应中值滤波算法[J]. 时军艳,刘树聃. 计算机工程与设计. 2011(09)
[7]一种改进的混合高斯模型背景估计方法[J]. 蒋明,潘姣丽. 微型机与应用. 2011(11)
[8]巴特沃斯非线性混合滤波器图像滤波方法设计[J]. 王大红,胡茂林. 计算机工程与应用. 2010(21)
[9]图像高斯平滑滤波分析[J]. 王耀贵. 计算机与信息技术. 2008(08)
[10]几种精确制导技术简述[J]. 姚秀娟,彭晓乐,张永科. 激光与红外. 2006(05)
博士论文
[1]智能视频监控中的运动目标检测与跟踪技术研究[D]. 屈鉴铭.西安电子科技大学 2015
[2]基于视频的目标检测与跟踪方法研究[D]. 李宏友.重庆大学 2009
硕士论文
[1]基于KCF的视频中运动物体的跟踪系统[D]. 李娟.湖南师范大学 2016
[2]基于视频的行人检测与跟踪方法研究[D]. 罗远庆.电子科技大学 2016
[3]基于OPENCV的运动目标检测与跟踪技术研究[D]. 侯穆.西安电子科技大学 2012
[4]基于视频的运动目标提取算法研究[D]. 沈茵茵.吉林大学 2011
本文编号：3270128
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 无人机反制系统的研究现状
1.2.2 小型无人机目标探测的研究现状
1.2.3 基于视频的目标检测研究现状
1.2.4 目标跟踪研究现状
1.3 论文章节安排
第二章 视频场景分析与图像预处理
2.1 引言
2.2 整体流程
2.3 常见无人机视频场景分析
2.4 视频图像预处理
2.4.1 彩色图像灰度化
2.4.2 图像平滑去噪
2.4.3 图像二值化与增强处理
2.4.4 图像形态学处理
2.5 本章小结
第三章 小型无人机目标检测算法研究
3.1 引言
3.2 基于视频的目标检测方法
3.2.1 帧差法
3.2.2 背景减除法
3.3 基于学习的目标检测方法
3.3.1 传统的目标检测
3.3.2 基于候选区域的深度学习目标检测算法
3.3.3 基于端到端的深度学习目标检测算法
3.4 基于二值化正则梯度的目标快速检测
3.4.1 BING算法介绍
3.4.2 小型无人机的数据训练
3.4.3 基于BING的小型无人机检测步骤
3.5 检测结果与性能分析
3.6 本章小结
第四章 小型无人机目标跟踪方法研究与性能分析
4.1 引言
4.2 基于视频的目标跟踪方法
4.2.1 粒子滤波跟踪算法
4.2.2 TLD跟踪算法
4.3 KCF方法介绍
4.3.1 线性回归与相关滤波
4.3.2 核技巧
4.3.3 KCF快速跟踪关键
4.3.4 基于KCF的小型无人机目标跟踪
4.4 基于位置预测和尺度自适应的KCF跟踪方法
4.4.1 位置预测方法
4.4.2 尺度变换
4.4.3 检测矫正
4.4.4 基于TPD-KCF跟踪模型
4.5 跟踪结果分析与对比
4.5.1 实验环境及参数设置
4.5.2 评价指标
4.5.3 结果与分析
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作展望
致谢
参考文献
攻硕期间取得的研究成果
【参考文献】：
期刊论文
[1]基于帧间差分的ViBe运动目标检测[J]. 徐君妍,袁址赟,崔宗勇,曹宗杰. 科学技术与工程. 2017(27)
[2]复杂场景下的加权粒子滤波行人跟踪方法[J]. 徐君妍,崔宗勇,罗远庆,曹宗杰. 信号处理. 2017(07)
[3]基于多特征融合的运动目标显著性检测[J]. 杜敏. 电子设计工程. 2016(08)
[4]国外无人机监管及反制技术最新发展概况[J]. 石红梅,谭晃. 中国安防. 2016(04)
[5]小型无人机安全研究综述.[J]. 刘炜,冯丙文,翁健. 网络与信息安全学报. 2016(03)
[6]基于噪声检测的自适应中值滤波算法[J]. 时军艳,刘树聃. 计算机工程与设计. 2011(09)
[7]一种改进的混合高斯模型背景估计方法[J]. 蒋明,潘姣丽. 微型机与应用. 2011(11)
[8]巴特沃斯非线性混合滤波器图像滤波方法设计[J]. 王大红,胡茂林. 计算机工程与应用. 2010(21)
[9]图像高斯平滑滤波分析[J]. 王耀贵. 计算机与信息技术. 2008(08)
[10]几种精确制导技术简述[J]. 姚秀娟,彭晓乐,张永科. 激光与红外. 2006(05)
博士论文
[1]智能视频监控中的运动目标检测与跟踪技术研究[D]. 屈鉴铭.西安电子科技大学 2015
[2]基于视频的目标检测与跟踪方法研究[D]. 李宏友.重庆大学 2009
硕士论文
[1]基于KCF的视频中运动物体的跟踪系统[D]. 李娟.湖南师范大学 2016
[2]基于视频的行人检测与跟踪方法研究[D]. 罗远庆.电子科技大学 2016
[3]基于OPENCV的运动目标检测与跟踪技术研究[D]. 侯穆.西安电子科技大学 2012
[4]基于视频的运动目标提取算法研究[D]. 沈茵茵.吉林大学 2011
本文编号：3270128
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3270128.html
