【摘要】：近年來,無人機(jī)的快速發(fā)展對公共安全、個(gè)人隱私和軍事安全等方面產(chǎn)生了嚴(yán)重的威脅,無人機(jī)造成的危險(xiǎn)事故在迅速增長。因而,快速而可靠地發(fā)現(xiàn)無人機(jī)變得越來越重要。在現(xiàn)有的無人機(jī)檢測技術(shù)中,基于視覺的方法成本低且易實(shí)施。因此,研究基于視覺的無人機(jī)檢測技術(shù)對于預(yù)防無人機(jī)的威脅具有重要意義。但是,該任務(wù)同樣面臨諸多的挑戰(zhàn),例如背景復(fù)雜、目標(biāo)小、飛行速度快等。針對這些因素導(dǎo)致的檢測準(zhǔn)確率不高的問題,本課題主要研究動態(tài)場景下無人機(jī)小目標(biāo)檢測技術(shù),具體包括以下兩個(gè)方面工作:第一,本文首先提出了一種基于視頻運(yùn)動信息的無人機(jī)小目標(biāo)檢測的方法。該方法主要研究動態(tài)場景下利用無人機(jī)在視頻中的運(yùn)動信息進(jìn)行無人機(jī)檢測的問題。首先,針對攝像機(jī)運(yùn)動會對挖掘無人機(jī)運(yùn)動信息造成困難的問題,本文采用一種基于特征匹配的視頻穩(wěn)像方法來消除攝像機(jī)的運(yùn)動。然后,利用矩陣低秩分析的方法檢測得到無人機(jī)候選目標(biāo)。最后,利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)提取候選目標(biāo)的特征并輸入支持向量機(jī)(SVM),進(jìn)一步分類得到真正的無人機(jī)目標(biāo)。大量實(shí)驗(yàn)表明,相比現(xiàn)有目標(biāo)檢測方法,本文提出的算法有更高的準(zhǔn)確率。同時(shí),該方法也存在一些不足。比如,視頻穩(wěn)像算法無法完全消除攝像機(jī)運(yùn)動,SVM可能會將很小的目標(biāo)判斷為虛假目標(biāo)。此外,該方法的時(shí)間開銷過大,無法滿足實(shí)時(shí)性要求。第二,針對第一個(gè)工作的不足,本文提出一種基于單幀圖像的無人機(jī)小目標(biāo)檢測方法。受區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)在目標(biāo)檢測中成功應(yīng)用的啟發(fā),本文設(shè)計(jì)了一種特征融合網(wǎng)絡(luò),并將其融入Faster R-CNN網(wǎng)絡(luò)框架。不同于Faster R-CNN只利用了最后一層特征,本文提出的特征融合網(wǎng)絡(luò)融合了各網(wǎng)絡(luò)層抽取的特征。融合特征同時(shí)具有低層和高層特征的優(yōu)勢,因而能較好地檢測多尺度目標(biāo)。為了濾除虛假的無人機(jī)目標(biāo),最后利用最近鄰距離匹配的方法對無人機(jī)進(jìn)行跟蹤。實(shí)驗(yàn)表明,本文方法與第一個(gè)工作的方法以及Faster R-CNN、SSD等最新對比方法相比,能有效地提高無人機(jī)目標(biāo)檢測準(zhǔn)確率并且時(shí)間開銷較小。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：V279;E926.4
【圖文】：

圖 2.1 本文動態(tài)場景的示意圖2.2.2 當(dāng)前對小目標(biāo)的定義至今為止，還沒有關(guān)于小目標(biāo)的任何清晰而標(biāo)準(zhǔn)的定義。但是，為了研究小目標(biāo)檢測這一任務(wù)，國內(nèi)外研究者主要公布各種對小目標(biāo)的定義或是直接公開發(fā)表小目標(biāo)檢測數(shù)據(jù)集，而不是根據(jù)目標(biāo)的檢測矩陣框(BoundingBox)來定義目標(biāo)是否是小目標(biāo)。例如，文獻(xiàn)[29]認(rèn)為在發(fā)布關(guān)于交通標(biāo)志的數(shù)據(jù)集時(shí)，應(yīng)將大小占整幅圖像大小20%以下的目標(biāo)認(rèn)為是小目標(biāo)。而如果該小目標(biāo)是矩形的，它的長寬都應(yīng)分別小于圖像長寬的 。在文獻(xiàn)[30]中，Torralba 等作者提出將小目標(biāo)定義為像素大小小于或等于32 32的目標(biāo)。文獻(xiàn)[31]公布了一種小目標(biāo)數(shù)據(jù)集，該數(shù)據(jù)集將目標(biāo)區(qū)域與整幅圖像區(qū)域的重疊部分占圖像面積0.08%到0.58%之間的目標(biāo)看作小目標(biāo)，即在該數(shù)據(jù)集中，像素大小占約16 16到42 42的目標(biāo)被認(rèn)為是小目標(biāo)。

絎宦畚?第 2 章 無人機(jī)小目標(biāo)檢測相關(guān)技術(shù)基礎(chǔ)9圖 2.1 本文動態(tài)場景的示意圖2.2.2 當(dāng)前對小目標(biāo)的定義至今為止，還沒有關(guān)于小目標(biāo)的任何清晰而標(biāo)準(zhǔn)的定義。但是，為了研究小目標(biāo)檢測這一任務(wù)，國內(nèi)外研究者主要公布各種對小目標(biāo)的定義或是直接公開發(fā)表小目標(biāo)檢測數(shù)據(jù)集，而不是根據(jù)目標(biāo)的檢測矩陣框(BoundingBox)來定義目標(biāo)是否是小目標(biāo)。例如，文獻(xiàn)[29]認(rèn)為在發(fā)布關(guān)于交通標(biāo)志的數(shù)據(jù)集時(shí)，應(yīng)將大小占整幅圖像大小20%以下的目標(biāo)認(rèn)為是小目標(biāo)。而如果該小目標(biāo)是矩形的，它的長寬都應(yīng)分別小于圖像長寬的 。在文獻(xiàn)[30]中，Torralba 等作者提出將小目標(biāo)定義為像素大小小于或等于32 32的目標(biāo)。文獻(xiàn)[31]公布了一種小目標(biāo)數(shù)據(jù)集，該數(shù)據(jù)集將目標(biāo)區(qū)域與整幅圖像區(qū)域的重疊部分占圖像面積0.08%到0.58%之間的目標(biāo)看作小目標(biāo)，即在該數(shù)據(jù)集中，像素大小占約16 16到42 42的目標(biāo)被認(rèn)為是小目標(biāo)。由于文獻(xiàn)[30]和[31]被其他研究者廣泛接受

中甚至包含了成千上萬的參數(shù)。過程十分漫長而困難，一般需要五到十征；而深度學(xué)習(xí)特征可以針對新的研究問以節(jié)約人力和資源的巨大投入。種有監(jiān)督的二分類模型學(xué)習(xí)方法。它的面，這個(gè)超平面能將輸入樣本間隔最大化分為硬間隔和軟間隔最大化，它們分別用過程中。圖 2.3 給出了支持向量機(jī)中最優(yōu)據(jù)被表示為“○”，另一類數(shù)據(jù)被表示為

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏明革,何友,黃曉冬,歐陽文;基于紅外圖像的小目標(biāo)檢測與跟蹤方法[J];火力與指揮控制;2003年01期

2 劉曉楠;王正平;賀云濤;劉倩;;基于深度學(xué)習(xí)的小目標(biāo)檢測研究綜述[J];戰(zhàn)術(shù)導(dǎo)彈技術(shù);2019年01期

3 孫菲;黃濤;;基于光電傳感器的小目標(biāo)檢測與跟蹤技術(shù)綜述[J];光學(xué)與光電技術(shù);2018年03期

4 蔣永馨;袁群哲;邵承永;葉喜勇;徐曉剛;;海上遠(yuǎn)景小目標(biāo)檢測方法的研究[J];光電工程;2011年10期

5 任蕾;施朝健;冉鑫;;應(yīng)用改進(jìn)頻率調(diào)諧的海上小目標(biāo)檢測方法[J];中國圖象圖形學(xué)報(bào);2012年03期

6 董鴻燕,李吉成,沈振康;基于高通濾波和順序?yàn)V波的小目標(biāo)檢測[J];系統(tǒng)工程與電子技術(shù);2004年05期

7 梁華;宋玉龍;錢鋒;宋策;;基于深度學(xué)習(xí)的航空對地小目標(biāo)檢測[J];液晶與顯示;2018年09期

8 任蕾;施朝健;冉鑫;;結(jié)合局部和全局顯著性的海上小目標(biāo)檢測[J];上海海事大學(xué)學(xué)報(bào);2012年02期

9 肖春生;察豪;周沫;;海雜波環(huán)境下慢速小目標(biāo)檢測方法[J];火力與指揮控制;2011年11期

10 庫亮;周治平;;一種基于動態(tài)規(guī)劃的雷達(dá)小目標(biāo)檢測方法[J];測控技術(shù);2009年06期

相關(guān)會議論文 前10條

1 李利榮;張桂林;胡知非;;基于小波多分辨率分析和能量交叉法的小目標(biāo)檢測[A];冶金自動化信息網(wǎng)年會論文集[C];2004年

2 吳國平;吳亦奇;裘詠霄;杜志順;;灰色自適應(yīng)小目標(biāo)檢測[A];第19屆灰色系統(tǒng)全國會議論文集[C];2010年

3 李利榮;張桂林;胡知非;;基于小波多分辨率分析和能量交叉法的小目標(biāo)檢測[A];全國冶金自動化信息網(wǎng)年會論文集[C];2004年

4 董亞超;包俊;劉宏哲;;基于深度學(xué)習(xí)的小目標(biāo)檢測技術(shù)的研究進(jìn)展[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2019年第二十三屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2019年

5 李燕蘋;謝維信;楊p

本文編號：2799627