基于視覺的無人機運動目標檢測與跟蹤.pdf

1、無人機具有體積小、重量輕、成本低、隱蔽性好、機動靈活等優(yōu)點，在軍事上和民用領(lǐng)域都得到了廣泛應(yīng)用。隨著計算機視覺技術(shù)的發(fā)展，基于視覺的運動目標檢測與跟蹤已經(jīng)成為無人機應(yīng)用領(lǐng)域的核心技術(shù)之一。目前，靜態(tài)場景中的目標檢測與跟蹤技術(shù)研究已經(jīng)成熟，但是無人機平臺姿態(tài)的改變使得圖像傳感器獲取的圖像序列中運動目標和背景產(chǎn)生相對運動，使得目標檢測與跟蹤技術(shù)變得更加復(fù)雜。本文針對無人直升機圖像序列中運動目標的檢測與跟蹤，研究了運動補償、目標檢測以及跟蹤的

2、一些算法。主要完成的工作如下：
　　1）由于圖像序列中存在背景的相對運動，無法從圖像序列中直接檢測出運動目標，首先重點研究了背景運動補償。本文改進了一種SUSAN特征點檢測算法，改進了原來的圓形模板，用17像素的圓形模板代替原來的37像素的圓形模板，同時采用一種自適應(yīng)的閾值設(shè)定方法，這樣既減少了檢測的計算量，也提高了檢測算法的魯棒性。通過該特征點檢測算法完成了對特征點的提取，利用自適應(yīng)十字搜索法和基于區(qū)域匹配的方法實現(xiàn)對特征點的匹

3、配，采用 RASUAC算法剔除誤匹配點，通過建立參數(shù)模型獲得背景全局運動參數(shù)，實現(xiàn)了對運動背景的全局補償，使背景靜態(tài)化。
　　2）介紹并分析了目前主要的運動目標檢測方法，針對無人機運動目標的特點，本文采用一種基于三幀差分的運動目標檢測算法。該算法利用三幀圖像信息以及自適應(yīng)地改變閾值，提高了算法的魯棒性和準確性。后期結(jié)合形態(tài)學(xué)濾波，實現(xiàn)了運動目標的準確檢測和定位。
　　3）粒子濾波由于具有較好的通用性和魯棒性在目標跟蹤中得到了