本課題致力于研究機載平臺下的地面移動目標檢測與跟蹤技術。在機載平臺下,圖像背景會隨著成像平臺的運動而發(fā)生移動。基于配準的像素點建模方法會因為在配準過程中產(chǎn)生像素級誤差,導致模型無法精確的與待檢測像素完全匹配,檢測性能不佳。在跟蹤算法方面,機載平臺的控制系統(tǒng)更為復雜,要求的實時性更強,在執(zhí)行跟蹤任務時還需要對目標進行長時間的穩(wěn)定跟蹤。本文的研究內(nèi)容從移動目標檢測與移動目標跟蹤兩個部分展開。本文檢測部分基于雙通道單高斯移動背景建模技術,該算法相比幀差法檢測效果更好,相比光流法運行速度更快。在傳統(tǒng)的靜態(tài)背景建模的基礎上,該方法通過區(qū)域SIFT特征匹配對移動背景進行仿射變換還原,并對區(qū)域模型進行重構(gòu)以適應于動平臺下的移動目標檢測。為了針對背景冗余信息導致的模型“衰老”,該方法引入了模型自重建技術。在此基礎上本文結(jié)合不同時間尺度下的檢測結(jié)果,提出了一種基于仿射變換相似性度量的自適應時間多尺度檢測方法,在提高原始算法檢測率的同時有效的降低了檢測結(jié)果中的虛警數(shù)。在目標跟蹤部分提出了一種基于KCF的自適應學習率跟蹤算法。針對傳統(tǒng)KCF算法抗相似物干擾不佳的問題,本文通過提出一個自適應的學習率,改進了K... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

空對地背景實驗場景

11圖 2-2 單高斯逐像素點建模實驗結(jié)果上述實驗結(jié)果可以發(fā)現(xiàn)單高斯逐像素點建模的方法與初始背景的選擇有關，不發(fā)生更新的時候檢測效果比較好，但是虛警比較多，而且容易受到來自噪聲，所以單高斯逐像素點建模的檢測結(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）后虛警像素點明顯下降，能夠不斷地適應新的背景，背景的選擇依賴度有所降低，同時檢測效果會受到限制。于傳統(tǒng)的幀間差分法，單高斯模型背景建模法在簡單背景場景下可以更好的

華 中 科 技 大 學 碩 士 學 位 論 文檢測出移動目標，能更加有效的抵抗噪聲所帶來的虛假。引入背景更新后的單高斯背景模型對背景的變化具有一定的自適應能力。但對于大范圍內(nèi)的逐像素點建模會導致計算成本和內(nèi)存消耗的增加。根據(jù)實驗(圖 2-3)的結(jié)果可以發(fā)現(xiàn)單高斯模型即使引入了學習模型，在檢測后期也很難檢測到目標，這是因為服從不同高斯模型的像素數(shù)據(jù)在模型更新階段被不斷的被集中，導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)分開前景和背景(圖 2-3)，而且實驗表明在復雜背景下單高斯模型會因為像素點的增加導致模型方差變大，檢測性能隨之變差。

【參考文獻】：
期刊論文
[1]紅外圖像中快速運動目標的檢測與跟蹤方法[J]. 易詩,張洋溢,聶焱,趙茜茜,莊依彤.  紅外技術. 2019(03)
[2]視頻圖像動目標檢測的雙三幀差分算法[J]. 王志國,王永明,聶晶,彭世蕤,仇永斌.  電子測量技術. 2019(02)
[3]Dense SIFT與改進最小二乘匹配結(jié)合的傾斜航空影像匹配方法[J]. 楊幸彬,呂京國,張丹璐,成喆.  測繪通報. 2018(10)
[4]基于特征光流的多運動目標檢測跟蹤算法與評價[J]. 屈治華,邵毅明,鄧天民.  科學技術與工程. 2018(22)
[5]基于視頻圖像序列移動目標的檢測與跟蹤[J]. 許向陽,姚洪猛.  電子技術與軟件工程. 2018(14)
[6]采用核相關濾波器的長期目標跟蹤[J]. 楊德東,蔡玉柱,毛寧,楊福才.  光學精密工程. 2016(08)
[7]空間關聯(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.  國防科技大學學報. 2014(04)

碩士論文
[1]大場景主從相機協(xié)同的運動目標檢測和跟蹤[D]. 李中振.西安電子科技大學 2018
[2]基于深度學習的眼球追蹤技術研究[D]. 姜偉卓.電子科技大學 2018
[3]基于KCF的目標跟蹤算法改進及GPU系統(tǒng)實現(xiàn)[D]. 劉金花.西安電子科技大學 2017
[4]基于GMM的運動目標檢測和陰影消除算法研究[D]. 張叢靜.山東科技大學 2017



本文編號：3523999