基于航拍图像的人员搜寻关键技术的研究

发布时间：2021-02-18 04:50

　　近年来,无人机飞行器成为航拍设备载体中的新成员,并与通信和人工智能紧密结合,提供很多传统问题新的解决方法,人员搜寻就是其中之一。这种搜寻方式主要应用在特定区域内人员的搜寻或巡查,例如,“驴友”走失的寻找,爆破作业前对危险区域是否有人员滞留的巡查。此方式与直接通过人工寻找相比较,具有高效、安全,通用性强等特点,同时,伴随电子技术和5G通信的普及,应用范围将更加广泛。本文采取训练集扩充与增强技术、超分辨率与目标检测相结合、轮廓判断优化策略实现检出率与效率的均衡,主要完成的工作如下:1)航拍图像的拍摄视角是从上向下,镜头到目标距离较远,这两方面因素带来航拍成像的特殊性。具体到航拍图像中人的识别,“双动”（无人机和人都可动）产生人的成像多变是最大的特点。针对无人机航拍图像的特点,建立训练集时,样本类型的较全覆盖需要通过各类样本扩充方法实现。本文除传统曝光率、颜色饱和度样本扩充方式外,还应用了旋转扩充、图像雾化模糊扩充和通过生成对抗网络生成风格转移图像扩充训练集。2)航拍过程中,由于航拍器的高度、拍摄角度和被拍摄者姿势形态的不同,航拍图像中目标的成像大小差异较大。为了提高识别率,对目标检测算法中... 

【文章来源】：华北科技学院河北省

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 无人机技术相关研究
        1.2.2 计算机视觉
    1.3 论文的研究内容和组织结构
        1.3.1 论文研究内容
        1.3.2 论文的组织结构
2 航拍图像的预处理与特征提取
    2.1 引言
    2.2 数字图像处理
        2.2.1 数字图像基础理论
        2.2.2 图像处理算法
        2.2.3 航拍识别训练数据集扩充
        2.2.4 航拍图像去雾处理
    2.3 图像特征提取在航拍图像中的应用
        2.3.1 航拍图像轮廓特征提取
        2.3.2 红外热成像的轮廓特征提取
    2.4 本章小结
3 基于数据驱动的目标检测方法及在航拍图像中的应用
    3.1 引言
    3.2 从数据中自动得到分类模型
        3.2.1 经典分类模型自动生成方法
        3.2.2 航拍图像目标识别模型的训练过程
        3.2.3 模型泛化能力加强
    3.3 基于卷积神经网络的人像检测算法
        3.3.2 金字塔池化网络
        3.3.3 Faster R-CNN
        3.3.4 航拍图的快速识别检测
        3.3.5 快速人像检测算法召回率提升
        3.3.6 人像识别增强方式
    3.4 基于生成对抗网络的特征航拍图生成
    3.5 本章小结
4 航拍图像的目标识别
    4.1 引言
    4.2 目标识别优化
        4.2.1 目标预判断超清识别
        4.2.2 中心点候选法
        4.2.3 特征融合
    4.3 本章小结
5 特定场景下航拍图像的关联识别
    5.1 引言
    5.2 关联识别
        5.2.1 关联目标的选择
        5.2.2 目标动作识别
        5.2.3 评价判断
    5.3 关联识别在露天矿巡检中的应用
        5.3.1 关联识别方案选择
        5.3.2 关联识别结果分析
    5.4 本章小结
6 实验设计与结果分析
    6.1 引言
    6.2 实验环境
        6.2.1 实验硬件环境
        6.2.2 实验环境
    6.3 实验流程
        6.3.1 训练数据集制备
        6.3.2 实验流程设计
    6.4 实验结果与分析
        6.4.1 训练数据集扩充
        6.4.2 旋转识别测试
        6.4.3 模型训练过程
        6.4.4 目标检测识别过程
    6.5 本章小结
7 总结与展望
    7.1 课题总结
    7.2 未来展望
参考文献


【参考文献】：
期刊论文
[1]基于红外热成像与改进YOLOV3的夜间野兔监测方法[J]. 易诗,李欣荣,吴志娟,朱竞铭,袁学松.  农业工程学报. 2019(19)
[2]基于增强学习算法的AGV导航研究[J]. 王翔,吴洪明,周星.  起重运输机械. 2019(12)
[3]无人机电网巡检中的绝缘子缺陷检测与定位[J]. 陈文浩,姚利娜,李丰哲.  计算机应用. 2019(S1)
[4]基于区域敏感生成对抗网络的自动上妆算法[J]. 包仁达,庾涵,朱德发,黄少飞,孙瑶,刘偲.  软件学报. 2019(04)
[5]深度学习图像修复方法综述[J]. 强振平,何丽波,陈旭,徐丹.  中国图象图形学报. 2019(03)
[6]无人机技术发展新动态[J]. 郁一帆,王磊.  飞航导弹. 2019(02)
[7]粉尘环境中的图像恢复方法[J]. 王园宇,李元宗,张天序.  华中科技大学学报(自然科学版). 2010(08)
[8]基于多分类支持向量机的有杆抽油泵故障诊断研究[J]. 王凯.  西安石油大学学报(自然科学版). 2010(01)
[9]基于支持向量机的粗糙分类器[J]. 梁锦锦,时海亮,刘三阳,石莎.  计算机工程与设计. 2007(19)

博士论文
[1]基于生成对抗网络的图像合成[D]. 鲍建敏.中国科学技术大学 2019
[2]光电成像目标识别与检测关键技术研究[D]. 钟剑丹.电子科技大学 2018
[3]基于轮廓特征的目标识别研究[D]. 史思琦.西安电子科技大学 2012

硕士论文
[1]基于卷积神经网络的无人机侦察图像识别[D]. 马杰.北京邮电大学 2019
[2]基于深度学习的航拍图像场景解析方法研究[D]. 潘蓉.西安电子科技大学 2018
[3]基于增量深度学习的视频行为识别[D]. 陈曦.贵州大学 2017
[4]超低质量视频字幕识别方法研究[D]. 王瑞.哈尔滨工业大学 2016
[5]基于轮廓特征的图像配准方法研究[D]. 白宇.华中科技大学 2016



本文编号：3039058