近幾年無人機(jī)技術(shù)的發(fā)展日新月異,無人機(jī)在攝影、測繪、農(nóng)業(yè)遙感、物流、探傷、清潔等方面都發(fā)揮著日漸重大的作用。然而無人機(jī)也在一些方面給社會生活帶來了嚴(yán)重的困擾。隨著無人機(jī)數(shù)目的增長,對無人機(jī)的監(jiān)管勢在必行。本文根據(jù)以上背景,提出了一種基于視頻的無人機(jī)檢測方法,并設(shè)計了本文方法的現(xiàn)場可編程門陣列（FPGA）實現(xiàn)方案。本文先介紹了運(yùn)動目標(biāo)檢測的基礎(chǔ)知識,重點(diǎn)介紹了混合高斯模型（GMM）和視頻背景提�。╒iBe）這兩種效果比較好的現(xiàn)有算法。之后設(shè)計了不同場景下的實驗,測試GMM與ViBe算法的性能。GMM能擬合復(fù)雜背景下像素點(diǎn)灰度值的概率分布,但無法檢測無人機(jī)這樣的弱小目標(biāo)。ViBe對于弱小目標(biāo)的檢測比GMM敏感,但在復(fù)雜背景下的檢測結(jié)果有大量的噪點(diǎn)。除此之外,ViBe算法只需要一幀圖像就可以初始化背景模型,更新策略簡單,運(yùn)算量小,便于使用嵌入式系統(tǒng)實現(xiàn)。所以本文結(jié)合GMM算法的優(yōu)勢,對ViBe算法進(jìn)行改進(jìn),提出了一種基于視頻的無人機(jī)檢測方法。本文對于ViBe算法的改進(jìn)主要在預(yù)處理和前景檢測階段。在預(yù)處理階段,提出了一種地平線檢測方法,根據(jù)每一列上圖像灰度值的分布分割天空與地面區(qū)域。這種分割方... 

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作內(nèi)容與章節(jié)安排
第二章 運(yùn)動目標(biāo)檢測基礎(chǔ)知識
    2.1 圖像灰度化
    2.2 圖像二值化
    2.3 數(shù)學(xué)形態(tài)學(xué)
        2.3.1 腐蝕與膨脹
        2.3.2 開運(yùn)算與閉運(yùn)算
        2.3.3 鄰域與連通域
    2.4 運(yùn)動目標(biāo)檢測方法介紹
        2.4.1 幀間差分法
        2.4.2 光流法
        2.4.3 背景差分法
    2.5 混合高斯背景建模
        2.5.1 單高斯背景建模
        2.5.2 混合高斯背景建模
第三章 基于改進(jìn)ViBe算法的無人機(jī)檢測方法
    3.1 ViBe算法概述
        3.1.1 背景模型建立
        3.1.2 前景檢測
        3.1.3 背景模型更新
    3.2 無人機(jī)檢測問題分析
        3.2.1 難點(diǎn)分析
        3.2.2 實驗分析
    3.3 Vi Be算法的改進(jìn)
        3.3.1 前景檢測改進(jìn)
        3.3.2 地平線檢測
        3.3.3 前景計數(shù)
    3.4 算法流程詳細(xì)介紹
        3.4.1 預(yù)處理
        3.4.2 初始化背景模型
        3.4.3 前景檢測
        3.4.4 背景模型更新
        3.4.5 形態(tài)學(xué)處理
    3.5 改進(jìn)算法實驗結(jié)果
    3.6 計算量與內(nèi)存消耗分析
        3.6.1 計算量分析
        3.6.2 內(nèi)存消耗分析
第四章 基于FPGA的算法實現(xiàn)
    4.1 基于FPGA的圖像處理簡介
        4.1.1 FPGA簡介
        4.1.2 FPGA與圖像處理
    4.2 關(guān)鍵技術(shù)研究
        4.2.1 局部濾波器
        4.2.2 隨機(jī)數(shù)發(fā)生器
        4.2.3 數(shù)學(xué)運(yùn)算的FPGA實現(xiàn)
    4.3 模塊設(shè)計
        4.3.1 灰度化模塊
        4.3.2 地平線檢測模塊
        4.3.3 背景模型初始化模塊
        4.3.4 前景檢測與背景模型更新模塊
        4.3.5 腐蝕與膨脹模塊
        4.3.6 連通域標(biāo)記
    4.4 實驗仿真
        4.4.1 隨機(jī)數(shù)發(fā)生模塊
        4.4.2 地平線檢測模塊
        4.4.3 背景模型初始化模塊
        4.4.4 前景檢測與背景更新模塊
        4.4.5 形態(tài)學(xué)處理模塊
        4.4.6 實時性分析
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于FPGA的快速均勻分布隨機(jī)數(shù)發(fā)生器[J]. 宋克儉,楊軍.  云南大學(xué)學(xué)報(自然科學(xué)版). 2007(S2)

博士論文
[1]復(fù)雜環(huán)境下基于視頻的車輛跟蹤算法研究[D]. 朱周.東南大學(xué) 2015

碩士論文
[1]基于Zynq的運(yùn)動車輛檢測與跟蹤系統(tǒng)設(shè)計[D]. 賀能.大連海事大學(xué) 2017
[2]基于改進(jìn)ViBe與粒子濾波的視頻分析算法研究[D]. 王海全.廣東工業(yè)大學(xué) 2016
[3]基于ViBe的運(yùn)動目標(biāo)檢測與陰影消除方法研究[D]. 桂斌.安徽大學(xué) 2015
[4]交通視頻中運(yùn)動目標(biāo)檢測及道路檢測問題研究及實現(xiàn)[D]. 崔宇.大連海事大學(xué) 2014
[5]復(fù)雜環(huán)境中運(yùn)動目標(biāo)檢測與跟蹤研究[D]. 胡小冉.南京航空航天大學(xué) 2014
[6]雙核嵌入式平臺上的視覺目標(biāo)檢測與跟蹤[D]. 凌海.西安電子科技大學(xué) 2011



本文編號：3703372