目標(biāo)檢測與跟蹤是無人機(jī)視頻巡視系統(tǒng)的重要研究課題。傳統(tǒng)的目標(biāo)檢測算法因描述能力弱不能滿足無人機(jī)視頻巡視系統(tǒng)復(fù)雜環(huán)境下的目標(biāo)檢測需求。近年來,人工智能的發(fā)展為無人機(jī)視頻巡視系統(tǒng)目標(biāo)檢測與跟蹤的性能提升提供了新的突破口。本文以行人目標(biāo)作為被測目標(biāo),引入深度學(xué)習(xí)對無人機(jī)視頻巡視系統(tǒng)下的目標(biāo)檢測方法進(jìn)行改進(jìn)。同時(shí),針對傳統(tǒng)目標(biāo)跟蹤算法跟不穩(wěn)定、實(shí)時(shí)性差的問題,在核相關(guān)濾波算法基礎(chǔ)上,對無人機(jī)視頻巡視系統(tǒng)下的目標(biāo)跟蹤改進(jìn)方法進(jìn)行研究。主要研究工作反映如下:1)無人機(jī)視頻巡視系統(tǒng)下的目標(biāo)檢測改進(jìn)方法研究。針對無人機(jī)移動(dòng)速度快、拍攝場景復(fù)雜的情況,提出了顯著性粗定位結(jié)合深度學(xué)習(xí)精定位的兩步檢測法。首先,根據(jù)行人目標(biāo)多為直立狀態(tài)的特點(diǎn),對GBVS模型的Gabor方向、顏色特征進(jìn)行針對性選擇。通過加權(quán)合并,對GBVS通道各特征融合方式進(jìn)行改進(jìn)。通過顯著性測量得到行人候選區(qū)域以實(shí)現(xiàn)目標(biāo)粗定位。然后,采用遷移學(xué)習(xí)的設(shè)計(jì)思路,構(gòu)建適合無人機(jī)視頻巡視系統(tǒng)的輕量級卷積神經(jīng)網(wǎng)絡(luò)(CNN),用于目標(biāo)精定位。所構(gòu)建的輕量級CNN結(jié)構(gòu)以深度可分離的卷積單元作為構(gòu)建卷積結(jié)構(gòu)的基礎(chǔ)單位,將標(biāo)準(zhǔn)卷積操作分解為深度卷積和點(diǎn)卷積兩部分,從而以更少的計(jì)算量實(shí)現(xiàn)與標(biāo)準(zhǔn)卷積操作近似的卷積效果。將基于顯著性檢測的目標(biāo)粗定位候選區(qū)域,作為輕量級CNN的輸入,通過對目標(biāo)位置進(jìn)行回歸,實(shí)現(xiàn)目標(biāo)的最終定位。實(shí)驗(yàn)結(jié)果表明,提出的目標(biāo)檢測改進(jìn)方法因加入顯著性目標(biāo)粗定位,在無人機(jī)視頻巡視系統(tǒng)下對小目標(biāo)檢測的精度優(yōu)于常規(guī)CNN檢測方法。2)無人機(jī)視頻巡視系統(tǒng)下的目標(biāo)跟蹤改進(jìn)方法研究。針對無人機(jī)視頻巡視系統(tǒng)下行人目標(biāo)存在較多的形變和尺度變化等情況,在核相關(guān)濾波算法(KCF)基礎(chǔ)上,采用了融合HOG特征和顏色特征的跟蹤改進(jìn)方法。首先,引入對目標(biāo)空間結(jié)構(gòu)依賴性較低的顏色直方圖特征,克服KCF目標(biāo)形變檢測魯棒性較差缺陷。其次,訓(xùn)練獨(dú)立的尺度濾波器對目標(biāo)尺度變化進(jìn)行估計(jì),用于提高KCF對尺度變化目標(biāo)檢測的自適應(yīng)性能。實(shí)驗(yàn)結(jié)果表明,改進(jìn)后的核相關(guān)濾波跟蹤算法對輕微形變和遮擋具有魯棒性,能實(shí)現(xiàn)自適應(yīng)尺度變化,達(dá)到實(shí)時(shí)跟蹤的速度要求。
【學(xué)位單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：V279;V249;TP391.41
【部分圖文】：

(a) (b) (c) (d)圖 1. 1 行人檢測場景示意圖圖 1.1 為幾種典型的行人場景圖。其中圖(a)場景簡單干擾較少，行人檢測較為容易。圖(為夜晚雨天場景，場景干擾較多且光照狀況較差；(c)圖為行人互相遮擋和圖像邊緣行人目標(biāo)不完整的狀況；(d)圖為光照強(qiáng)度較低，行人與背景區(qū)分度低的狀況。

GBVS流程圖

DKL球形顏色空間從RGB到DKL空間的轉(zhuǎn)換通常需要LMS顏色空間作為中間過渡，如下所示：
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 張辰;趙紅穎;錢旭;;面向無人機(jī)影像的目標(biāo)特征跟蹤方法研究[J];紅外技術(shù);2015年03期

2 趙欽君;張勇;趙東標(biāo);;一種尺度和旋轉(zhuǎn)自適應(yīng)的目標(biāo)跟蹤算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

3 董蓉;李勃;陳啟美;;基于SIFT特征的目標(biāo)多自由度mean-shift跟蹤算法[J];控制與決策;2012年03期

相關(guān)碩士學(xué)位論文 前3條

1 張博龍;無人飛行器目標(biāo)跟蹤算法研究[D];長春理工大學(xué);2014年

2 谷繼力;視覺注意機(jī)制研究及其在行人檢測中的應(yīng)用[D];北京工業(yè)大學(xué);2013年

3 譚熊;基于光流分析的無人機(jī)視頻運(yùn)動(dòng)目標(biāo)檢測與跟蹤[D];解放軍信息工程大學(xué);2011年

本文編號：2872111