近年來車輛檢測跟蹤技術(shù)在國內(nèi)外發(fā)展迅速,在固定監(jiān)控設(shè)備中已經(jīng)有很完善的應(yīng)用及推廣,但仍存在監(jiān)測范圍有限,靈活性差和成本高昂等缺點(diǎn)。通過無人機(jī)搭載監(jiān)控設(shè)備實現(xiàn)對視頻圖像的采集,再結(jié)合圖像處理對地面車輛進(jìn)行檢測和跟蹤的技術(shù)應(yīng)運(yùn)而生。但是目前無人機(jī)在交通監(jiān)控和數(shù)據(jù)采集方面的應(yīng)用還不太成熟,從航拍視頻中檢測跟蹤車輛和提取其它交通信息的可靠方法還比較匱乏。為此本文以道路上行駛的車輛為對象、以交通監(jiān)控和數(shù)據(jù)采集為應(yīng)用背景展開研究。本文的主要研究內(nèi)容如下:(1)提出一種基于機(jī)器學(xué)習(xí)的航拍車輛檢測算法,針對無人機(jī)航拍視角與固定監(jiān)控設(shè)備不同的問題,提出了四種符合航拍視角的車輛矩形特征補(bǔ)充到原有的Haar-Like矩形特征庫,然后結(jié)合HOG特征以彌補(bǔ)Haar-Like特征在表征物體形狀方面的不足,之后使用大量的正負(fù)樣本對每一種特征訓(xùn)練形成弱分類器,最終級聯(lián)形成Adaboost強(qiáng)分類器,實現(xiàn)對車輛的分類和檢測。對比實驗結(jié)果可知,改進(jìn)后的算法能夠有效描述車輛特征,提高車輛檢測的準(zhǔn)確率。(2)無人機(jī)在對地面目標(biāo)進(jìn)行跟蹤時,針對傳統(tǒng)Camshift算法存在易受相似顏色背景、遮擋等干擾的問題,提出一種改進(jìn)Camshift的目標(biāo)跟蹤方法。通過提取跟蹤目標(biāo)的Hue、Saturation和LBP特征分量建立基于三維聯(lián)合直方圖的跟蹤模板,并采用自適應(yīng)加權(quán)策略來調(diào)整三種特征分量的權(quán)重值,提高算法的跟蹤準(zhǔn)確度;在跟蹤目標(biāo)受到遮擋干擾時,引入Kalman濾波機(jī)制,增強(qiáng)算法的魯棒性。實驗結(jié)果表明,改進(jìn)后的算法能夠滿足無人機(jī)對目標(biāo)跟蹤準(zhǔn)確性與實時性的要求。(3)以前面提出的檢測跟蹤算法為理論依據(jù),結(jié)合無人機(jī)硬件設(shè)備與軟件平臺開發(fā)設(shè)計了基于無人機(jī)航拍的車輛檢測跟蹤系統(tǒng),實現(xiàn)了顯示道路類型、限行速度、車輛行車方向、車道占有率、平均速度和車輛計數(shù)等功能。通過統(tǒng)計違章違法車輛,協(xié)助交管部門維護(hù)交通秩序、保障交通安全。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：U495;TP391.41
【部分圖文】：

(c) 中值濾波去噪 (d) 雙邊濾波去噪圖 2-1 三種方法濾波結(jié)果Figure 2-1 Filtering results used three diffirent methods觀察上圖可以發(fā)現(xiàn)，高斯濾波會對原圖造成一定的模糊，中值濾波對原圖顛覆很大，而雙邊濾波在去除噪聲的同時能夠很好的保留圖像的細(xì)節(jié)特征，故本文選取雙邊濾波對航拍到的圖像進(jìn)行預(yù)處理。2.3 常用運(yùn)動目標(biāo)檢測算法分析（Analysis of Commonly UsedAlgorithms for Moving Target Detection）2.3.1 幀差法幀差法，是最為常用的一種目標(biāo)檢測方法，主要適用于靜態(tài)背景下對運(yùn)動目標(biāo)的檢測。在拍攝現(xiàn)場光照變化不大且運(yùn)動目標(biāo)在相鄰幀內(nèi)出現(xiàn)的區(qū)域有明顯變化時，通過幀差法可以快速定位出檢測目標(biāo)，故對視頻流中相鄰或相近的幀采用基于像素的時域差分可以提取出運(yùn)動目標(biāo)。幀差法核心要素是設(shè)定確定的閾值來區(qū)分視頻序列的前景與背景，首先將相

工程碩士專業(yè)學(xué)位論文化，檢測難度較高。實驗采用的無人機(jī)航拍視頻幀率為 25FPS（幀/秒），航拍高度離地面約為 40米，分別在懸停和巡航狀態(tài)下對幀差法、背景減除法和光流法進(jìn)行驗證測試，討論其在對地面車輛檢測時存在的優(yōu)缺點(diǎn)。無人機(jī)懸停時，幀差法車輛檢測實驗結(jié)果如圖 2-5 所示：

(c) (d)圖 2-6 巡航狀態(tài)下幀差法檢測圖Figure 2-6 Detection image used frame difference method in cruise state由圖 2-6 可知，在無人機(jī)處于巡航狀態(tài)時，航拍視頻的背景與前景處于不斷更新的狀態(tài)中，此時利用幀差法檢測目標(biāo)，不能很好的區(qū)別運(yùn)動目標(biāo)與背景中的噪聲，檢測效果并不理想。幀差法適用于靜態(tài)背景運(yùn)動目標(biāo)檢測，其算法復(fù)雜度低，實時性好，并且對光線的變化不太敏感，具有較好的穩(wěn)定性。但是幀差法的閾值選取相當(dāng)關(guān)鍵，過低則無法有效的檢測出運(yùn)動目標(biāo)，過高又無法抑制周圍環(huán)境噪聲的干擾，在極端情況下，物體運(yùn)動速度極慢，相鄰兩幀或三幀之間無法提取出運(yùn)動目標(biāo)，一般使用幀差法與其他算法相結(jié)合來進(jìn)行目標(biāo)檢測。無人機(jī)懸停時，背景減除法車輛檢測實驗結(jié)果如圖 2-7 所示：
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;2019年無人機(jī)智能技術(shù)發(fā)展大會征文通知[J];航空工程進(jìn)展;2019年04期

2 本刊編輯部;;2019世界無人機(jī)大會深圳盛大開幕 同期舉辦第四屆深圳國際無人機(jī)展覽會[J];中國公共安全;2019年07期

3 李昶;程錦霞;楊光;于江;;5G+無人機(jī)的低空數(shù)字化發(fā)展與應(yīng)用[J];移動通信;2019年09期

4 ;2019世界無人機(jī)大會 無人機(jī)新材料新技術(shù)論壇[J];中國公共安全;2019年08期

5 張佩玉;;標(biāo)準(zhǔn)為翼 鳳舞九天——中國無人機(jī)標(biāo)準(zhǔn)化發(fā)展紀(jì)實[J];中國標(biāo)準(zhǔn)化;2019年15期

6 趙強(qiáng);胡子龍;;影響無人機(jī)數(shù)據(jù)處理精度的因素及解決對策[J];科技經(jīng)濟(jì)導(dǎo)刊;2019年27期

7 張強(qiáng);;無人機(jī),騰飛的空中精靈[J];現(xiàn)代商業(yè)銀行;2019年15期

8 徐宏慶;;無人機(jī)應(yīng)用技術(shù)專業(yè)建設(shè)的探索[J];正德職業(yè)技術(shù)學(xué)院學(xué)報;2018年02期

9 潘泉;康童娜;呂洋;趙春暉;胡勁文;;無人機(jī)感知規(guī)避技術(shù)發(fā)展與挑戰(zhàn)[J];無人系統(tǒng)技術(shù);2018年04期

10 杜恒;;基于足球比賽路徑規(guī)劃的農(nóng)用無人機(jī)定位和導(dǎo)航研究[J];農(nóng)機(jī)化研究;2019年10期

相關(guān)博士學(xué)位論文 前10條

1 薛武;無人機(jī)影像定位優(yōu)化技術(shù)研究[D];戰(zhàn)略支援部隊信息工程大學(xué);2017年

2 孟凡琨;無人機(jī)目標(biāo)跟蹤與避障研究[D];長安大學(xué);2018年

3 王勛;基于擬態(tài)物理學(xué)的無人機(jī)編隊控制與重構(gòu)方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

4 徐淑芳;基于連通性的無人作戰(zhàn)網(wǎng)絡(luò)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2017年

5 匡敏馳;尾座式推力矢量無人機(jī)飛行控制方法研究[D];清華大學(xué);2017年

6 紀(jì)曉婷;基于概率模型檢驗的無人機(jī)不確定決策理論與方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

7 鄧海強(qiáng);翼身融合布局無人機(jī)總體多學(xué)科設(shè)計優(yōu)化研究[D];南京航空航天大學(xué);2017年

8 呂迅竑;無人機(jī)容錯飛行控制系統(tǒng)關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2017年

9 桑學(xué)佳;無人機(jī)及深度學(xué)習(xí)在地質(zhì)調(diào)查中的應(yīng)用[D];吉林大學(xué);2018年

10 宋福根;基于輸電線路電場分布特征的無人機(jī)巡檢避障策略研究[D];福州大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 魯斯嘉;基于無人機(jī)的大氣污染監(jiān)測平臺設(shè)計及應(yīng)用[D];上海交通大學(xué);2017年

2 任毅;基于視覺引導(dǎo)的旋翼無人機(jī)移動平臺自主著陸技術(shù)研究[D];西南科技大學(xué);2019年

3 陳林;面向隧道內(nèi)自主偵察無人機(jī)系統(tǒng)設(shè)計[D];西南科技大學(xué);2019年

4 趙林天;無人機(jī)公共安全法律規(guī)制問題研究[D];中國礦業(yè)大學(xué);2019年

5 趙明明;基于無人機(jī)與衛(wèi)星影像的農(nóng)田精準(zhǔn)管理分區(qū)研究[D];東北農(nóng)業(yè)大學(xué);2019年

6 何芹芹;多旋翼無人機(jī)嵌入式飛行控制系統(tǒng)設(shè)計[D];江蘇科技大學(xué);2018年

7 車玉涵;基于機(jī)器視覺的旋翼無人機(jī)跟蹤系統(tǒng)研究[D];吉林大學(xué);2019年

8 王李偉;基于光流傳感器的室內(nèi)定點(diǎn)懸停四旋翼無人機(jī)的研究與設(shè)計[D];吉林大學(xué);2019年

9 樊龍濤;基于強(qiáng)化學(xué)習(xí)的多無人機(jī)協(xié)同任務(wù)規(guī)劃算法研究[D];河南科技大學(xué);2019年

10 劉宏興;基于STM32F429的植保無人機(jī)飛控系統(tǒng)的設(shè)計[D];吉林大學(xué);2019年

本文編號：2869887