基于視覺(jué)的無(wú)人機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf

1、無(wú)人機(jī)具有體積小、重量輕、成本低、隱蔽性好、機(jī)動(dòng)靈活等優(yōu)點(diǎn)，在軍事上和民用領(lǐng)域都得到了廣泛應(yīng)用。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，基于視覺(jué)的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤已經(jīng)成為無(wú)人機(jī)應(yīng)用領(lǐng)域的核心技術(shù)之一。目前，靜態(tài)場(chǎng)景中的目標(biāo)檢測(cè)與跟蹤技術(shù)研究已經(jīng)成熟，但是無(wú)人機(jī)平臺(tái)姿態(tài)的改變使得圖像傳感器獲取的圖像序列中運(yùn)動(dòng)目標(biāo)和背景產(chǎn)生相對(duì)運(yùn)動(dòng)，使得目標(biāo)檢測(cè)與跟蹤技術(shù)變得更加復(fù)雜。本文針對(duì)無(wú)人直升機(jī)圖像序列中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤，研究了運(yùn)動(dòng)補(bǔ)償、目標(biāo)檢測(cè)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(duì)運(yùn)動(dòng)，無(wú)法從圖像序列中直接檢測(cè)出運(yùn)動(dòng)目標(biāo)，首先重點(diǎn)研究了背景運(yùn)動(dòng)補(bǔ)償。本文改進(jìn)了一種SUSAN特征點(diǎn)檢測(cè)算法，改進(jìn)了原來(lái)的圓形模板，用17像素的圓形模板代替原來(lái)的37像素的圓形模板，同時(shí)采用一種自適應(yīng)的閾值設(shè)定方法，這樣既減少了檢測(cè)的計(jì)算量，也提高了檢測(cè)算法的魯棒性。通過(guò)該特征點(diǎn)檢測(cè)算法完成了對(duì)特征點(diǎn)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(shí)現(xiàn)對(duì)特征點(diǎn)的匹

3、配，采用 RASUAC算法剔除誤匹配點(diǎn)，通過(guò)建立參數(shù)模型獲得背景全局運(yùn)動(dòng)參數(shù)，實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)背景的全局補(bǔ)償，使背景靜態(tài)化。
　　2）介紹并分析了目前主要的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，針對(duì)無(wú)人機(jī)運(yùn)動(dòng)目標(biāo)的特點(diǎn)，本文采用一種基于三幀差分的運(yùn)動(dòng)目標(biāo)檢測(cè)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(zhǔn)確性。后期結(jié)合形態(tài)學(xué)濾波，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的準(zhǔn)確檢測(cè)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(biāo)跟蹤中得到了