本課題致力于研究機(jī)載平臺(tái)下的地面移動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)。在機(jī)載平臺(tái)下,圖像背景會(huì)隨著成像平臺(tái)的運(yùn)動(dòng)而發(fā)生移動(dòng)�；谂錅�(zhǔn)的像素點(diǎn)建模方法會(huì)因?yàn)樵谂錅?zhǔn)過(guò)程中產(chǎn)生像素級(jí)誤差,導(dǎo)致模型無(wú)法精確的與待檢測(cè)像素完全匹配,檢測(cè)性能不佳。在跟蹤算法方面,機(jī)載平臺(tái)的控制系統(tǒng)更為復(fù)雜,要求的實(shí)時(shí)性更強(qiáng),在執(zhí)行跟蹤任務(wù)時(shí)還需要對(duì)目標(biāo)進(jìn)行長(zhǎng)時(shí)間的穩(wěn)定跟蹤。本文的研究?jī)?nèi)容從移動(dòng)目標(biāo)檢測(cè)與移動(dòng)目標(biāo)跟蹤兩個(gè)部分展開(kāi)。本文檢測(cè)部分基于雙通道單高斯移動(dòng)背景建模技術(shù),該算法相比幀差法檢測(cè)效果更好,相比光流法運(yùn)行速度更快。在傳統(tǒng)的靜態(tài)背景建模的基礎(chǔ)上,該方法通過(guò)區(qū)域SIFT特征匹配對(duì)移動(dòng)背景進(jìn)行仿射變換還原,并對(duì)區(qū)域模型進(jìn)行重構(gòu)以適應(yīng)于動(dòng)平臺(tái)下的移動(dòng)目標(biāo)檢測(cè)。為了針對(duì)背景冗余信息導(dǎo)致的模型“衰老”,該方法引入了模型自重建技術(shù)。在此基礎(chǔ)上本文結(jié)合不同時(shí)間尺度下的檢測(cè)結(jié)果,提出了一種基于仿射變換相似性度量的自適應(yīng)時(shí)間多尺度檢測(cè)方法,在提高原始算法檢測(cè)率的同時(shí)有效的降低了檢測(cè)結(jié)果中的虛警數(shù)。在目標(biāo)跟蹤部分提出了一種基于KCF的自適應(yīng)學(xué)習(xí)率跟蹤算法。針對(duì)傳統(tǒng)KCF算法抗相似物干擾不佳的問(wèn)題,本文通過(guò)提出一個(gè)自適應(yīng)的學(xué)習(xí)率,改進(jìn)了K... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

空對(duì)地背景實(shí)驗(yàn)場(chǎng)景

11圖 2-2 單高斯逐像素點(diǎn)建模實(shí)驗(yàn)結(jié)果上述實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)單高斯逐像素點(diǎn)建模的方法與初始背景的選擇有關(guān)，不發(fā)生更新的時(shí)候檢測(cè)效果比較好，但是虛警比較多，而且容易受到來(lái)自噪聲，所以單高斯逐像素點(diǎn)建模的檢測(cè)結(jié)果很大程度取決于初始背景模型的建立。引入更新(公式 2.5、2.6）后虛警像素點(diǎn)明顯下降，能夠不斷地適應(yīng)新的背景，背景的選擇依賴(lài)度有所降低，同時(shí)檢測(cè)效果會(huì)受到限制。于傳統(tǒng)的幀間差分法，單高斯模型背景建模法在簡(jiǎn)單背景場(chǎng)景下可以更好的

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文檢測(cè)出移動(dòng)目標(biāo)，能更加有效的抵抗噪聲所帶來(lái)的虛假。引入背景更新后的單高斯背景模型對(duì)背景的變化具有一定的自適應(yīng)能力。但對(duì)于大范圍內(nèi)的逐像素點(diǎn)建模會(huì)導(dǎo)致計(jì)算成本和內(nèi)存消耗的增加。根據(jù)實(shí)驗(yàn)(圖 2-3)的結(jié)果可以發(fā)現(xiàn)單高斯模型即使引入了學(xué)習(xí)模型，在檢測(cè)后期也很難檢測(cè)到目標(biāo)，這是因?yàn)榉䦶牟煌咚鼓Ｐ偷南袼財(cái)?shù)據(jù)在模型更新階段被不斷的被集中，導(dǎo)致擬合的正太分布函數(shù)不斷的被平滑，從而不能有效的區(qū)分開(kāi)前景和背景(圖 2-3)，而且實(shí)驗(yàn)表明在復(fù)雜背景下單高斯模型會(huì)因?yàn)橄袼攸c(diǎn)的增加導(dǎo)致模型方差變大，檢測(cè)性能隨之變差。

【參考文獻(xiàn)】：
期刊論文
[1]紅外圖像中快速運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤方法[J]. 易詩(shī),張洋溢,聶焱,趙茜茜,莊依彤.  紅外技術(shù). 2019(03)
[2]視頻圖像動(dòng)目標(biāo)檢測(cè)的雙三幀差分算法[J]. 王志國(guó),王永明,聶晶,彭世蕤,仇永斌.  電子測(cè)量技術(shù). 2019(02)
[3]Dense SIFT與改進(jìn)最小二乘匹配結(jié)合的傾斜航空影像匹配方法[J]. 楊幸彬,呂京國(guó),張丹璐,成喆.  測(cè)繪通報(bào). 2018(10)
[4]基于特征光流的多運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法與評(píng)價(jià)[J]. 屈治華,邵毅明,鄧天民.  科學(xué)技術(shù)與工程. 2018(22)
[5]基于視頻圖像序列移動(dòng)目標(biāo)的檢測(cè)與跟蹤[J]. 許向陽(yáng),姚洪猛.  電子技術(shù)與軟件工程. 2018(14)
[6]采用核相關(guān)濾波器的長(zhǎng)期目標(biāo)跟蹤[J]. 楊德東,蔡玉柱,毛寧,楊福才.  光學(xué)精密工程. 2016(08)
[7]空間關(guān)聯(lián)與多子區(qū)規(guī)范化梯度方向直方圖的異源圖像匹配[J]. 徐一丹,李斌,李壯,楊夏.  國(guó)防科技大學(xué)學(xué)報(bào). 2014(04)

碩士論文
[1]大場(chǎng)景主從相機(jī)協(xié)同的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤[D]. 李中振.西安電子科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的眼球追蹤技術(shù)研究[D]. 姜偉卓.電子科技大學(xué) 2018
[3]基于KCF的目標(biāo)跟蹤算法改進(jìn)及GPU系統(tǒng)實(shí)現(xiàn)[D]. 劉金花.西安電子科技大學(xué) 2017
[4]基于GMM的運(yùn)動(dòng)目標(biāo)檢測(cè)和陰影消除算法研究[D]. 張叢靜.山東科技大學(xué) 2017



本文編號(hào)：3523999