航拍視頻運動目標(biāo)檢測與跟蹤方法研究.pdf

1、隨著無人機技術(shù)的廣泛應(yīng)用和深入發(fā)展，航拍視頻運動目標(biāo)檢測與跟蹤已經(jīng)成為計算機視覺領(lǐng)域的研究熱點之一。作為無人機監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)，航拍視頻運動目標(biāo)檢測與跟蹤通過分析航拍視頻數(shù)據(jù)獲取運動目標(biāo)位置、外觀、運動軌跡等信息，是后續(xù)目標(biāo)識別、場景感知、行為理解、分析決策等高級處理的基礎(chǔ)。本文對航拍視頻運動目標(biāo)檢測與跟蹤等關(guān)鍵技術(shù)進(jìn)行了深入研究，主要工作及創(chuàng)新點如下：
　　(1)對航拍視頻運動目標(biāo)檢測與跟蹤問題進(jìn)行了較全面的分析研究，對其中的

2、運動目標(biāo)檢測與定位、目標(biāo)跟蹤等關(guān)鍵技術(shù)做了詳細(xì)的歸納綜述，為后續(xù)研究提供了有價值的參考。
　　(2)針對航拍視頻中交叉運動、相互靠近的運動目標(biāo)跟蹤，提出了一種基于運動特征時空聯(lián)合自適應(yīng)聚類的航拍視頻運動目標(biāo)跟蹤方法，在對光流軌跡特征的幀內(nèi)自適應(yīng)聚類基礎(chǔ)上，引入時間維度自適應(yīng)聚類，通過時空聯(lián)合聚類魯棒跟蹤近距離運動目標(biāo)。使用DARPA VIVID數(shù)據(jù)庫對算法進(jìn)行測試，結(jié)果表明由于采用了時空聯(lián)合信息分析，該方法能夠自動檢測并魯棒跟蹤交

3、叉運動的多目標(biāo)。此外提取光流特征增強了算法魯棒性，使得算法對外觀不明顯的小目標(biāo)也能夠持續(xù)正確跟蹤。
　　(3)提出了一種基于多約束子空間自適應(yīng)增量學(xué)習(xí)的航拍視頻運動目標(biāo)跟蹤算法，將運動軌跡作為先驗知識指導(dǎo)跟蹤，進(jìn)一步提高跟蹤精度。針對開環(huán)機制的目標(biāo)跟蹤算法缺乏反饋修正、難以自恢復(fù)的問題，引入外觀約束、運動約束等多個約束條件，進(jìn)行跟蹤狀態(tài)判決和自適應(yīng)更新決策，將判決決策等高層指導(dǎo)信息反饋給底層處理，實現(xiàn)了跟蹤器的自適應(yīng)決策更新。采用

4、DAPAR VIVID等公開數(shù)據(jù)庫對算法的測試結(jié)果表明，在目標(biāo)外觀變化、尺度縮放、旋轉(zhuǎn)、亮度變化等復(fù)雜條件下，本文算法能夠以更加符合環(huán)境條件變化節(jié)奏的自適應(yīng)頻率更新模板，達(dá)到很好的跟蹤效果，提高算法魯棒性和效率。
　　(4)針對立交橋、房屋建筑、樹木等城區(qū)監(jiān)控場景，提出一種基于多背景建模約束的航拍視頻運動目標(biāo)檢測算法。將傳統(tǒng)單背景假設(shè)擴展為多背景模型，通過正確感知場景多平面背景模型，確定場景中的點對多背景模型的運動屬性，協(xié)同利用多

5、背景建模約束實現(xiàn)運動目標(biāo)檢測定位。采用KIT AIS Data Set公開數(shù)據(jù)庫對算法進(jìn)行有效性驗證，測試結(jié)果表明，由于突破了單背景假設(shè)，算法能夠在城區(qū)多背景場景準(zhǔn)確的檢測運動目標(biāo)，但是對于面積較小的房屋建筑等不在任何一個感知背景平面內(nèi)的虛警目標(biāo)無能為力。
　　(5)提出一種基于能量優(yōu)化的多背景建模約束航拍視頻運動目標(biāo)檢測算法，進(jìn)一步提高城區(qū)監(jiān)控場景航拍視頻運動目標(biāo)檢測算法的檢測精度。在正確感知場景多平面背景模型的基礎(chǔ)上，通過定義

6、能量函數(shù)并采用Graph Cuts優(yōu)化求解實現(xiàn)對場景中的點進(jìn)行前景-背景二分類、背景-背景多分類。對前景點分析運動一致性來去除引起視差的虛警目標(biāo)。采用DAPAR VIVID和KIT AIS Data Set公開數(shù)據(jù)庫對算法進(jìn)行有效性驗證，測試結(jié)果表明，由于突破了單背景假設(shè)，將運動檢測轉(zhuǎn)化為優(yōu)化多分類問題，算法能夠在城區(qū)多背景場景下去除虛警，更加準(zhǔn)確的檢測運動目標(biāo)。
　　(6)在城區(qū)場景航拍視頻運動目標(biāo)檢測基礎(chǔ)上，提出了一種基于前景