论文部分内容阅读
无人机的发展得益于MEMS技术的发展使控制系统愈小型化,动力系统能力的提升,还有智能手机和社交网络的兴起等。可以说无人机是时代发展的产物,也从军事领域逐渐扩展到贴近人们的生活。四旋翼无人机以其操作比较简单、起降方便、飞行平稳等优点得到广泛关注,应用范围也在不断的拓展。在四旋翼飞行平台上实现人体目标检测跟踪,具有娱乐航拍,搜索救援,巡逻侦察等应用价值。人体目标检测跟踪技术一直以来都是计算机视觉研究领域的重要课题,涵盖了图像处理和机器学习等知识。而人体形态易发生变化、衣着存在差异,还有环境复杂、光照变化、出现遮挡等因素都是研究中的难题。再加上无人机飞行平台上空间、载荷、成本、机载计算资源等控制因素都成了研究中的挑战。针对以上问题本文提出了在无人机视觉下运用融合特征对人体目标进行检测跟踪的方法,具体研究工作如下:1.首先研究了一种主流的利用局部边缘信息的HOG特征进行人体检测的方法,然后对该算法进行了改进。运用了一种带有监督性的LDA线性判别算法对提取的HOG特征进行降维处理,又提出了一种改进的快速HOG特征提取方法。2.为了解决在复杂环境中单一的HOG特征在人体检测过程中表现不足的问题,引入了表征图像纹理的LBP特征。并改进检测流程,运用了两个训练分类器进行人体检测。3.研究了结合EKF算法的一种主流的Camshift跟踪算法,融合EKF算法后在预测区域进行Camshift算法迭代速度更快、搜索更加准确,还对跟踪目标在部分被遮挡的情况下有很好的跟踪效果。4.本文提出的检测跟踪算法可以实现对单人体目标自动检测跟踪,并且在出现跟踪丢失的情况时,当人体目标再次出现在视野中,可以利用人体检测重新获取目标区域,对目标进行继续跟踪。通过在不同场景中的数据集对改进后的算法进行实验,经过实验结果分析在满足实时性的要求下人体检测跟踪效果有较大提升。