發(fā)布時(shí)間：2024-01-22 08:08

　　近年來(lái)隨著無(wú)人機(jī)技術(shù)的飛速發(fā)展,因無(wú)人機(jī)使用不當(dāng)造成的社會(huì)危害也越來(lái)越大,檢測(cè)無(wú)人機(jī)變得十分重要。由于常用的反無(wú)人機(jī)系統(tǒng)多針對(duì)特定的軍事領(lǐng)域,具有價(jià)格昂貴、體積巨大等缺點(diǎn),因此,本文設(shè)計(jì)了一套低成本的基于霍夫森林框架的四旋翼無(wú)人機(jī)檢測(cè)技術(shù)。針對(duì)傳統(tǒng)霍夫森林算法的缺點(diǎn),本文分別給出了對(duì)應(yīng)的改進(jìn)方法,從減少霍夫投票時(shí)背景投票的干擾、全局檢測(cè)耗時(shí)、目標(biāo)-模板尺度不匹配、特征提取及優(yōu)化、霍夫圖像中的目標(biāo)中心檢測(cè)等方面進(jìn)行了研究。本文的主要工作如下:(1)針對(duì)傳統(tǒng)霍夫森林算法采用全圖多尺度檢測(cè)導(dǎo)致的背景投票干擾、全局檢測(cè)耗時(shí)、目標(biāo)-模板尺度不匹配的問(wèn)題,本文采取先提取無(wú)人機(jī)感興趣區(qū)域的方式,采用了一種基于形態(tài)學(xué)梯度和輪廓包圍框限制的算法來(lái)提取無(wú)人機(jī)感興趣區(qū)域,再將提取出的感興趣區(qū)域的尺度直接調(diào)整到訓(xùn)練模板的大小(64×64像素)后送入霍夫森林進(jìn)行單尺度檢測(cè),最后根據(jù)在霍夫圖像中檢測(cè)的目標(biāo)中心塊對(duì)感興趣區(qū)域的包圍框進(jìn)行二次篩選。此方式解決了傳統(tǒng)霍夫森林采用多尺度嘗試導(dǎo)致的檢測(cè)耗時(shí)、尺度遺漏及包圍框估計(jì)不準(zhǔn)確的問(wèn)題,并且能檢測(cè)出成像尺寸較小的目標(biāo)。實(shí)驗(yàn)證明本文的算法使無(wú)人機(jī)的檢測(cè)速度相比于原始霍夫森...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3882503