论文部分内容阅读
运动目标检测与跟踪技术是视频处理技术中一个非常重要的分支,广泛应用于智能交通、生物医学、工业生产、公安安防以及军事应用等方面。利用无人机平台搭载视频传感器的方式,实时对地面运动目标进行检测与跟踪,可以获得最新战场情报信息,在战场侦察和监视任务中具有重大意义。然而无人机序列影像背景复杂,且影像中运动目标多为体积小位移大,利用传统的目标检测跟踪方法难以检测跟踪。本文的研究目的是在光流分析的基础上,将道路信息引入到无人机序列影像运动目标检测与跟踪研究中,实现对小运动目标准确检测和持久跟踪。完成的主要工作及取得的成果有如下四个方面:1、系统性地阐述了有关光流技术的基本原理和计算方法,重点分析了光流计算中可以用于大位移运动估计的两种方法——基于特征匹配的光流算法和多分辨率由粗到精分层计算策略,并进行实验对比,为大位移光流算法的提出奠定基础。2、针对无人机视频影像中大位移小目标的运动估计,提出了一种将特征匹配和微分梯度相结合的大位移光流算法。在传统光流变分模型的基础上,利用描述符匹配得到的同名特征点进行约束限制,建立大位移光流模型,结合由多分辨率由粗到精最优化策略进行计算,实现大位移光流估计。3、引入道路信息,以道路节点坐标作为基础地理数据,依据缓冲区分析的原理,构建道路缓冲区,在道路缓冲区的基础上采用分块的方法确定道路检测区域,有效缩小检测区域,应用基于高斯混合概率模型与EM结合的聚类算法进行分析处理,实现无人视频影像中大位移小运动目标的快速检测。4、结合卡尔曼滤波的基本原理,考虑道路信息对车辆运动位置、方向的约束限制,将约束条件引入卡尔曼滤波,提出道路约束条件下的卡尔曼滤波模型,结合基于灰度模板匹配的目标跟踪方法预测车辆状态信息,实现了道路信息约束下无人机序列影像中运动车辆目标的连续跟踪。