隨著無人機(jī)技術(shù)的不斷成熟和相關(guān)產(chǎn)品價(jià)格的大幅下降,各類型無人機(jī)已被應(yīng)用于不同領(lǐng)域。小型無人機(jī)目標(biāo)具有尺寸小、飛行速度多變、飛行環(huán)境復(fù)雜等特點(diǎn),使得光學(xué)圖像或視頻中小型無人機(jī)目標(biāo)的檢測與跟蹤成為典型的復(fù)雜環(huán)境弱目標(biāo)檢測與跟蹤問題,是基于光學(xué)傳感器運(yùn)動(dòng)目標(biāo)檢測與跟蹤的難點(diǎn)技術(shù)問題。由于雷達(dá)探測和無源定位只能粗略獲取無人機(jī)目標(biāo)的位置信息,通過研究基于光學(xué)視頻的無人機(jī)目標(biāo)檢測與跟蹤方法,可以獲得目標(biāo)的幾何輪廓信息,并實(shí)現(xiàn)識別與跟蹤。本課題研究了基于視頻的小型無人機(jī)目標(biāo)檢測與跟蹤方法,主要內(nèi)容包括視頻圖像預(yù)處理、視頻場景分析、視頻中運(yùn)動(dòng)無人機(jī)目標(biāo)檢測以及基于核相關(guān)濾波（Kernelized Correlation Filter,KCF）無人機(jī)目標(biāo)跟蹤。本文的主要工作與貢獻(xiàn)主要有:（1）對無人機(jī)飛行的各類視頻背景進(jìn)行分析,在總結(jié)現(xiàn)有視頻圖像預(yù)處理以及目標(biāo)特征提取方法的基礎(chǔ)之上,結(jié)合無人機(jī)目標(biāo)的特點(diǎn),對視頻進(jìn)行二值化、圖像增強(qiáng)、形態(tài)學(xué)等處理,使得目標(biāo)某些局部特征更加明顯。（2）針對實(shí)際系統(tǒng)中對無人機(jī)目標(biāo)檢測與定位在準(zhǔn)確率和實(shí)時(shí)性方面較高的要求,本文分別對比了傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測方法和需離線訓(xùn)練的有監(jiān)督... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 無人機(jī)反制系統(tǒng)的研究現(xiàn)狀
        1.2.2 小型無人機(jī)目標(biāo)探測的研究現(xiàn)狀
        1.2.3 基于視頻的目標(biāo)檢測研究現(xiàn)狀
        1.2.4 目標(biāo)跟蹤研究現(xiàn)狀
    1.3 論文章節(jié)安排
第二章 視頻場景分析與圖像預(yù)處理
    2.1 引言
    2.2 整體流程
    2.3 常見無人機(jī)視頻場景分析
    2.4 視頻圖像預(yù)處理
        2.4.1 彩色圖像灰度化
        2.4.2 圖像平滑去噪
        2.4.3 圖像二值化與增強(qiáng)處理
        2.4.4 圖像形態(tài)學(xué)處理
    2.5 本章小結(jié)
第三章 小型無人機(jī)目標(biāo)檢測算法研究
    3.1 引言
    3.2 基于視頻的目標(biāo)檢測方法
        3.2.1 幀差法
        3.2.2 背景減除法
    3.3 基于學(xué)習(xí)的目標(biāo)檢測方法
        3.3.1 傳統(tǒng)的目標(biāo)檢測
        3.3.2 基于候選區(qū)域的深度學(xué)習(xí)目標(biāo)檢測算法
        3.3.3 基于端到端的深度學(xué)習(xí)目標(biāo)檢測算法
    3.4 基于二值化正則梯度的目標(biāo)快速檢測
        3.4.1 BING算法介紹
        3.4.2 小型無人機(jī)的數(shù)據(jù)訓(xùn)練
        3.4.3 基于BING的小型無人機(jī)檢測步驟
    3.5 檢測結(jié)果與性能分析
    3.6 本章小結(jié)
第四章 小型無人機(jī)目標(biāo)跟蹤方法研究與性能分析
    4.1 引言
    4.2 基于視頻的目標(biāo)跟蹤方法
        4.2.1 粒子濾波跟蹤算法
        4.2.2 TLD跟蹤算法
    4.3 KCF方法介紹
        4.3.1 線性回歸與相關(guān)濾波
        4.3.2 核技巧
        4.3.3 KCF快速跟蹤關(guān)鍵
        4.3.4 基于KCF的小型無人機(jī)目標(biāo)跟蹤
    4.4 基于位置預(yù)測和尺度自適應(yīng)的KCF跟蹤方法
        4.4.1 位置預(yù)測方法
        4.4.2 尺度變換
        4.4.3 檢測矯正
        4.4.4 基于TPD-KCF跟蹤模型
    4.5 跟蹤結(jié)果分析與對比
        4.5.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
        4.5.2 評價(jià)指標(biāo)
        4.5.3 結(jié)果與分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來工作展望
致謝
參考文獻(xiàn)
攻碩期間取得的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于幀間差分的ViBe運(yùn)動(dòng)目標(biāo)檢測[J]. 徐君妍,袁址赟,崔宗勇,曹宗杰.  科學(xué)技術(shù)與工程. 2017(27)
[2]復(fù)雜場景下的加權(quán)粒子濾波行人跟蹤方法[J]. 徐君妍,崔宗勇,羅遠(yuǎn)慶,曹宗杰.  信號處理. 2017(07)
[3]基于多特征融合的運(yùn)動(dòng)目標(biāo)顯著性檢測[J]. 杜敏.  電子設(shè)計(jì)工程. 2016(08)
[4]國外無人機(jī)監(jiān)管及反制技術(shù)最新發(fā)展概況[J]. 石紅梅,譚晃.  中國安防. 2016(04)
[5]小型無人機(jī)安全研究綜述.[J]. 劉煒,馮丙文,翁健.  網(wǎng)絡(luò)與信息安全學(xué)報(bào). 2016(03)
[6]基于噪聲檢測的自適應(yīng)中值濾波算法[J]. 時(shí)軍艷,劉樹聃.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(09)
[7]一種改進(jìn)的混合高斯模型背景估計(jì)方法[J]. 蔣明,潘姣麗.  微型機(jī)與應(yīng)用. 2011(11)
[8]巴特沃斯非線性混合濾波器圖像濾波方法設(shè)計(jì)[J]. 王大紅,胡茂林.  計(jì)算機(jī)工程與應(yīng)用. 2010(21)
[9]圖像高斯平滑濾波分析[J]. 王耀貴.  計(jì)算機(jī)與信息技術(shù). 2008(08)
[10]幾種精確制導(dǎo)技術(shù)簡述[J]. 姚秀娟,彭曉樂,張永科.  激光與紅外. 2006(05)

博士論文
[1]智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究[D]. 屈鑒銘.西安電子科技大學(xué) 2015
[2]基于視頻的目標(biāo)檢測與跟蹤方法研究[D]. 李宏友.重慶大學(xué) 2009

碩士論文
[1]基于KCF的視頻中運(yùn)動(dòng)物體的跟蹤系統(tǒng)[D]. 李娟.湖南師范大學(xué) 2016
[2]基于視頻的行人檢測與跟蹤方法研究[D]. 羅遠(yuǎn)慶.電子科技大學(xué) 2016
[3]基于OPENCV的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究[D]. 侯穆.西安電子科技大學(xué) 2012
[4]基于視頻的運(yùn)動(dòng)目標(biāo)提取算法研究[D]. 沈茵茵.吉林大學(xué) 2011



本文編號：3270128