航拍視頻運動目標檢測與跟蹤方法研究.pdf

1、隨著無人機技術(shù)的廣泛應用和深入發(fā)展，航拍視頻運動目標檢測與跟蹤已經(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)，航拍視頻運動目標檢測與跟蹤通過分析航拍視頻數(shù)據(jù)獲取運動目標位置、外觀、運動軌跡等信息，是后續(xù)目標識別、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檢測與跟蹤等關(guān)鍵技術(shù)進行了深入研究，主要工作及創(chuàng)新點如下：
　　(1)對航拍視頻運動目標檢測與跟蹤問題進行了較全面的分析研究，對其中的

2、運動目標檢測與定位、目標跟蹤等關(guān)鍵技術(shù)做了詳細的歸納綜述，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跟蹤，提出了一種基于運動特征時空聯(lián)合自適應聚類的航拍視頻運動目標跟蹤方法，在對光流軌跡特征的幀內(nèi)自適應聚類基礎(chǔ)上，引入時間維度自適應聚類，通過時空聯(lián)合聚類魯棒跟蹤近距離運動目標。使用DARPA VIVID數(shù)據(jù)庫對算法進行測試，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。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增量學習的航拍視頻運動目標跟蹤算法，將運動軌跡作為先驗知識指導跟蹤，進一步提高跟蹤精度。針對開環(huán)機制的目標跟蹤算法缺乏反饋修正、難以自恢復的問題，引入外觀約束、運動約束等多個約束條件，進行跟蹤狀態(tài)判決和自適應更新決策，將判決決策等高層指導信息反饋給底層處理，實現(xiàn)了跟蹤器的自適應決策更新。采用

4、DAPAR VIVID等公開數(shù)據(jù)庫對算法的測試結(jié)果表明，在目標外觀變化、尺度縮放、旋轉(zhuǎn)、亮度變化等復雜條件下，本文算法能夠以更加符合環(huán)境條件變化節(jié)奏的自適應頻率更新模板，達到很好的跟蹤效果，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)運動目標檢測定位。采用KIT AIS Data Set公開數(shù)據(jù)庫對算法進行有效性驗證，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)多背景場景準確的檢測運動目標，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檢測算法，進一步提高城區(qū)監(jiān)控場景航拍視頻運動目標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。采用DAPAR VIVID和KIT AIS Data Set公開數(shù)據(jù)庫對算法進行有效性驗證，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，更加準確的檢測運動目標。
　　(6)在城區(qū)場景航拍視頻運動目標檢測基礎(chǔ)上，提出了一種基于前景