近年來,無人機(jī)飛行器成為航拍設(shè)備載體中的新成員,并與通信和人工智能緊密結(jié)合,提供很多傳統(tǒng)問題新的解決方法,人員搜尋就是其中之一。這種搜尋方式主要應(yīng)用在特定區(qū)域內(nèi)人員的搜尋或巡查,例如,“驢友”走失的尋找,爆破作業(yè)前對危險(xiǎn)區(qū)域是否有人員滯留的巡查。此方式與直接通過人工尋找相比較,具有高效、安全,通用性強(qiáng)等特點(diǎn),同時(shí),伴隨電子技術(shù)和5G通信的普及,應(yīng)用范圍將更加廣泛。本文采取訓(xùn)練集擴(kuò)充與增強(qiáng)技術(shù)、超分辨率與目標(biāo)檢測相結(jié)合、輪廓判斷優(yōu)化策略實(shí)現(xiàn)檢出率與效率的均衡,主要完成的工作如下:1)航拍圖像的拍攝視角是從上向下,鏡頭到目標(biāo)距離較遠(yuǎn),這兩方面因素帶來航拍成像的特殊性。具體到航拍圖像中人的識別,“雙動”（無人機(jī)和人都可動）產(chǎn)生人的成像多變是最大的特點(diǎn)。針對無人機(jī)航拍圖像的特點(diǎn),建立訓(xùn)練集時(shí),樣本類型的較全覆蓋需要通過各類樣本擴(kuò)充方法實(shí)現(xiàn)。本文除傳統(tǒng)曝光率、顏色飽和度樣本擴(kuò)充方式外,還應(yīng)用了旋轉(zhuǎn)擴(kuò)充、圖像霧化模糊擴(kuò)充和通過生成對抗網(wǎng)絡(luò)生成風(fēng)格轉(zhuǎn)移圖像擴(kuò)充訓(xùn)練集。2)航拍過程中,由于航拍器的高度、拍攝角度和被拍攝者姿勢形態(tài)的不同,航拍圖像中目標(biāo)的成像大小差異較大。為了提高識別率,對目標(biāo)檢測算法中... 

【文章來源】：華北科技學(xué)院河北省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 無人機(jī)技術(shù)相關(guān)研究
        1.2.2 計(jì)算機(jī)視覺
    1.3 論文的研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 論文研究內(nèi)容
        1.3.2 論文的組織結(jié)構(gòu)
2 航拍圖像的預(yù)處理與特征提取
    2.1 引言
    2.2 數(shù)字圖像處理
        2.2.1 數(shù)字圖像基礎(chǔ)理論
        2.2.2 圖像處理算法
        2.2.3 航拍識別訓(xùn)練數(shù)據(jù)集擴(kuò)充
        2.2.4 航拍圖像去霧處理
    2.3 圖像特征提取在航拍圖像中的應(yīng)用
        2.3.1 航拍圖像輪廓特征提取
        2.3.2 紅外熱成像的輪廓特征提取
    2.4 本章小結(jié)
3 基于數(shù)據(jù)驅(qū)動的目標(biāo)檢測方法及在航拍圖像中的應(yīng)用
    3.1 引言
    3.2 從數(shù)據(jù)中自動得到分類模型
        3.2.1 經(jīng)典分類模型自動生成方法
        3.2.2 航拍圖像目標(biāo)識別模型的訓(xùn)練過程
        3.2.3 模型泛化能力加強(qiáng)
    3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的人像檢測算法
        3.3.2 金字塔池化網(wǎng)絡(luò)
        3.3.3 Faster R-CNN
        3.3.4 航拍圖的快速識別檢測
        3.3.5 快速人像檢測算法召回率提升
        3.3.6 人像識別增強(qiáng)方式
    3.4 基于生成對抗網(wǎng)絡(luò)的特征航拍圖生成
    3.5 本章小結(jié)
4 航拍圖像的目標(biāo)識別
    4.1 引言
    4.2 目標(biāo)識別優(yōu)化
        4.2.1 目標(biāo)預(yù)判斷超清識別
        4.2.2 中心點(diǎn)候選法
        4.2.3 特征融合
    4.3 本章小結(jié)
5 特定場景下航拍圖像的關(guān)聯(lián)識別
    5.1 引言
    5.2 關(guān)聯(lián)識別
        5.2.1 關(guān)聯(lián)目標(biāo)的選擇
        5.2.2 目標(biāo)動作識別
        5.2.3 評價(jià)判斷
    5.3 關(guān)聯(lián)識別在露天礦巡檢中的應(yīng)用
        5.3.1 關(guān)聯(lián)識別方案選擇
        5.3.2 關(guān)聯(lián)識別結(jié)果分析
    5.4 本章小結(jié)
6 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
    6.1 引言
    6.2 實(shí)驗(yàn)環(huán)境
        6.2.1 實(shí)驗(yàn)硬件環(huán)境
        6.2.2 實(shí)驗(yàn)環(huán)境
    6.3 實(shí)驗(yàn)流程
        6.3.1 訓(xùn)練數(shù)據(jù)集制備
        6.3.2 實(shí)驗(yàn)流程設(shè)計(jì)
    6.4 實(shí)驗(yàn)結(jié)果與分析
        6.4.1 訓(xùn)練數(shù)據(jù)集擴(kuò)充
        6.4.2 旋轉(zhuǎn)識別測試
        6.4.3 模型訓(xùn)練過程
        6.4.4 目標(biāo)檢測識別過程
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 課題總結(jié)
    7.2 未來展望
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于紅外熱成像與改進(jìn)YOLOV3的夜間野兔監(jiān)測方法[J]. 易詩,李欣榮,吳志娟,朱競銘,袁學(xué)松.  農(nóng)業(yè)工程學(xué)報(bào). 2019(19)
[2]基于增強(qiáng)學(xué)習(xí)算法的AGV導(dǎo)航研究[J]. 王翔,吳洪明,周星.  起重運(yùn)輸機(jī)械. 2019(12)
[3]無人機(jī)電網(wǎng)巡檢中的絕緣子缺陷檢測與定位[J]. 陳文浩,姚利娜,李豐哲.  計(jì)算機(jī)應(yīng)用. 2019(S1)
[4]基于區(qū)域敏感生成對抗網(wǎng)絡(luò)的自動上妝算法[J]. 包仁達(dá),庾涵,朱德發(fā),黃少飛,孫瑤,劉偲.  軟件學(xué)報(bào). 2019(04)
[5]深度學(xué)習(xí)圖像修復(fù)方法綜述[J]. 強(qiáng)振平,何麗波,陳旭,徐丹.  中國圖象圖形學(xué)報(bào). 2019(03)
[6]無人機(jī)技術(shù)發(fā)展新動態(tài)[J]. 郁一帆,王磊.  飛航導(dǎo)彈. 2019(02)
[7]粉塵環(huán)境中的圖像恢復(fù)方法[J]. 王園宇,李元宗,張?zhí)煨?  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(08)
[8]基于多分類支持向量機(jī)的有桿抽油泵故障診斷研究[J]. 王凱.  西安石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(01)
[9]基于支持向量機(jī)的粗糙分類器[J]. 梁錦錦,時(shí)海亮,劉三陽,石莎.  計(jì)算機(jī)工程與設(shè)計(jì). 2007(19)

博士論文
[1]基于生成對抗網(wǎng)絡(luò)的圖像合成[D]. 鮑建敏.中國科學(xué)技術(shù)大學(xué) 2019
[2]光電成像目標(biāo)識別與檢測關(guān)鍵技術(shù)研究[D]. 鐘劍丹.電子科技大學(xué) 2018
[3]基于輪廓特征的目標(biāo)識別研究[D]. 史思琦.西安電子科技大學(xué) 2012

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的無人機(jī)偵察圖像識別[D]. 馬杰.北京郵電大學(xué) 2019
[2]基于深度學(xué)習(xí)的航拍圖像場景解析方法研究[D]. 潘蓉.西安電子科技大學(xué) 2018
[3]基于增量深度學(xué)習(xí)的視頻行為識別[D]. 陳曦.貴州大學(xué) 2017
[4]超低質(zhì)量視頻字幕識別方法研究[D]. 王瑞.哈爾濱工業(yè)大學(xué) 2016
[5]基于輪廓特征的圖像配準(zhǔn)方法研究[D]. 白宇.華中科技大學(xué) 2016



本文編號：3039058