發(fā)布時間：2020-11-08 16:22

　　 近年來隨著對低空空域管制的逐步放開和“低慢小”飛行器飛速發(fā)展,利用“低慢小”飛行器的違規(guī)飛行和恐怖襲擊事件日益上升,此類事件擾亂了正常航空秩序,造成了較大的經(jīng)濟損失和負(fù)面影響。因此,對“低慢小”飛行器進行合理有效的檢測跟蹤已成為運動目標(biāo)檢測與跟蹤領(lǐng)域的一個研究熱點。本文設(shè)計實現(xiàn)了一個基于視頻檢測的光電跟蹤系統(tǒng),該系統(tǒng)能對“低慢小”無人機進行精確探測,探測距離最遠(yuǎn)可達到800米。首先梳理總結(jié)了經(jīng)典的目標(biāo)檢測跟蹤算法。檢測算法包括背景差分法和幀間差分法,跟蹤算法包括Mean-shift算法和粒子濾波器算法。將算法應(yīng)用于低慢小無人機的檢測識別跟蹤,結(jié)果表明:背景差分法由于對背景的依賴性較高,會使運動目標(biāo)檢測準(zhǔn)確率降低,造成判斷錯誤;幀間差分法能夠檢測出運動目標(biāo)的基本概貌,但是算法的二值化閾值選取較難,此外目標(biāo)速度發(fā)生變化時會造成檢測出現(xiàn)“重影”和“空洞”現(xiàn)象,造成目標(biāo)的誤檢。Mean-shift跟蹤算法形式簡潔,可實現(xiàn)性高,在目標(biāo)跟蹤區(qū)域已知的情況下可以做到實時跟蹤,但是該算法對環(huán)境變化適應(yīng)性低;而粒子濾波跟蹤算法使用限制條件苛刻,目標(biāo)丟失概率高,缺乏廣泛的適用性。然后提出基于9_7提升小波和區(qū)域生長相結(jié)合的目標(biāo)檢測跟蹤算法,將圖像信息從空間域變換到頻率域來分析。先對圖像進行9_7提升小波變換,增強目標(biāo)和圖像背景的高頻、低頻對比度,由于運動目標(biāo)的陰影可能導(dǎo)致背景局部畫面亮度發(fā)生變化,利用閾值化濾波去除這種變化造成的歧義目標(biāo),區(qū)域生長算法將閾值化之后的圖像分割成不同的連通區(qū)域并對目標(biāo)區(qū)域標(biāo)記,依次根據(jù)每個區(qū)域的像素個數(shù)并結(jié)合本文要檢測的“低慢小”無人機的幾何特征進行目標(biāo)判斷,接著去除“光斑”和“山峰尖”引起的目標(biāo)誤判,確定單幀圖像中的目標(biāo)位置,最后關(guān)聯(lián)幾幀單幀圖像來剔除多目標(biāo)如“飛鳥”的錯檢,最終找到目標(biāo)區(qū)域并輸出位置。最后對光電跟蹤系統(tǒng)進行了系統(tǒng)集成和測試,系統(tǒng)按照功能分成四個模塊:1)視頻圖像采集模塊,完成對目標(biāo)的圖像采集,利用網(wǎng)絡(luò)傳輸?shù)綑z測跟蹤模塊;2)檢測跟蹤算法處理模塊,利用9_7提升小波和區(qū)域生長相結(jié)合的算法檢測跟蹤無人機;3)轉(zhuǎn)臺控制模塊,根據(jù)算法檢測到的目標(biāo)位置,控制二維轉(zhuǎn)臺轉(zhuǎn)動來實現(xiàn)對目標(biāo)的實時跟蹤;4)監(jiān)控顯示模塊,在軟件的視頻窗口會看到場景中的目標(biāo)運動軌跡,實現(xiàn)了用戶對特定場景的監(jiān)控。對系統(tǒng)進行了大量外場實測試驗并進行了優(yōu)化。系統(tǒng)符合課題研究目標(biāo)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：V355.1;TP391.41
【部分圖文】：

的噪聲干擾。如果 T 值太大，可能會掩蓋差分圖像中的目標(biāo)像素。所以 T 值需要合理選取。本文可根據(jù)差分圖像的灰度直方圖來選取 T = 5。圖2.8 相鄰兩幀圖像的差分二 值 化 圖 像200 400 600 800 1000 1200 1400 1600 18001002003004005006007008009001000圖2.9 二值化差分圖像

圖2.15 Meanshift 示意圖，外圈表示 區(qū)域，圈內(nèi)的點表示落入 區(qū)域內(nèi)基準(zhǔn)點 ，箭頭表示樣本點相對于基準(zhǔn)點的偏移圍的相對于 點的 個偏移量樣本求和后再平均。指向樣本分布最多的區(qū)域，也就是概率密度函數(shù)an-shift出，對 區(qū)域內(nèi)的任意采樣點，無論離中心點 多樣，，但是，合理的計算應(yīng)該是距離 近的采樣點基于此我們引入核函數(shù)，計算 ( )時，考慮采個權(quán)重系數(shù)。an-shift 形式可擴展為： ( ) ◎ ( )( ) ◎ ( )

a) 粒子濾波在目標(biāo)跟蹤中的應(yīng)用根據(jù)上述步驟在 VisualStudio2010+OpenCV 平臺進行測試，測試結(jié)果如下：圖2.20 標(biāo)記起始幀中待跟蹤目標(biāo)圖2.21 目標(biāo)被跟蹤過程示意圖
【參考文獻】

相關(guān)期刊論文 前1條

1 朱瑩,洪炳镕,阮玉峰;全自主足球機器人快速目標(biāo)識別與定位方法[J];哈爾濱工業(yè)大學(xué)學(xué)報;2003年09期

相關(guān)碩士學(xué)位論文 前2條

1 狄晨旭;基于特征的運動目標(biāo)視頻檢測與跟蹤方法研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機械與物理研究所);2017年

2 曹彪;基于區(qū)域生長的OCT圖像分割算法研究[D];北京理工大學(xué);2015年

本文編號：2875026