基于多目標優(yōu)化和壓縮感知的航拍目標檢測.pdf

1、隨著計算機科學技術、自動控制技術以及智能機器人技術的發(fā)展，各種各樣的機器人出現(xiàn)在人類生活的各個領域。微小型無人飛行器就是其中的一種。目前無人機在人類生活中的應用越來越豐富。在無人機的應用中，航拍作為飛行器的“眼睛”是至關重要的部分。無人機航拍視頻的處理水平，很大程度上決定了無人機的能力。對航拍視頻中的目標進行跟蹤檢測是航拍視頻處理的基礎。然而，由于航拍視頻的復雜性，航拍視頻的目標跟蹤檢測問題至今仍是一個具有挑戰(zhàn)性的問題。
　　本文

2、研究基于壓縮感知與多目標優(yōu)化的航拍視頻目標跟蹤檢測問題。針對航拍視頻的目標小、目標距離遠、由于無人機平臺的不穩(wěn)定性導致的畫面抖動、多遮擋、背景變化大等問題，設計并實現(xiàn)了基于多目標優(yōu)化與壓縮感知的航拍視頻目標跟蹤檢測系統(tǒng)。本文的主要工作內(nèi)容如下：
　　一、設計基于壓縮感知稀疏表達的判別(SDC,Sparse-based Discriminative Classification)跟蹤模塊。本文通過求候選目標在正負樣本集上的稀疏表達，

3、然后計算候選目標在正負樣本集上各自的重構(gòu)誤差，最后根據(jù)重構(gòu)誤差得到候選目標的置信度，以此衡量每一個候選目標是跟蹤目標的可能性大小。置信度越大，則對應的候選目標更有可能是跟蹤目標。
　　二、設計基于壓縮感知稀疏表達的生成(SGM, Sparse-based Generative Model)跟蹤模塊。本文使用 k均值聚類算法構(gòu)建字典，在字典上對截取自候選目標的圖像塊進行稀疏表達，以獲取候選樣本圖像的局部特征，將各個圖像塊的稀疏表達系

4、數(shù)組合成的向量作為候選樣本的直方圖。最后使用直方圖交叉函數(shù)得到候選目標的相似度，以衡量其為正樣本的概率。
　　三、對于系統(tǒng)中的L1范數(shù)最小化問題，設計基于加速近端梯度(APG,Accelerated Proximal Gradient)的求解模塊。并基于OpenCV實現(xiàn)，實現(xiàn)了快速高效地求解L1優(yōu)化問題，提高了系統(tǒng)的性能。
　　四、提出基于多目標優(yōu)化的協(xié)同跟蹤模型。使用多目標優(yōu)化算法綜合考慮判別跟蹤模塊中的置信度與生成跟蹤模

5、塊中的相似度，建立結(jié)合兩者的協(xié)同模型。這種方法結(jié)合了兩種算法的優(yōu)點，且通過求解基于多目標優(yōu)化的協(xié)同模型，使得好的候選樣本不被系統(tǒng)遺漏，提高了系統(tǒng)在航拍視頻目標跟蹤檢測上的準確性和穩(wěn)定性。
　　五、基于OpenCV實現(xiàn)“航拍視頻目標跟蹤檢測系統(tǒng)”。本系統(tǒng)中實現(xiàn)了SDC、SGM、多目標協(xié)同、快速協(xié)同四種航拍視頻目標跟蹤方法。在系統(tǒng)的實現(xiàn)過程中，我們采用了基于仿射變換的標準化圖像塊獲取、基于 K均值聚類構(gòu)建生成跟蹤中的字典、基于NSGA