论文部分内容阅读
计算机视觉中的运动目标检测及跟踪技术是当前研究的热点,该技术在医疗、交通以及军事等各个领域有着广阔的应用前景。随着无人机技术的成熟,掀起了一股无人机发展的浪潮,其中四旋翼无人机具有机动性强、隐蔽性好以及灵活性高等独特优势受到大家的热烈追捧。将计算机视觉技术运动到无人机上是一项新的突破,已广泛应用于交通管制、农作物植保以及无人机跟拍自拍等等,具有重要的研究价值和实践意义。由无人机视觉系统获取运动目标信息,通过跟踪算法对运动目标信息处理实现无人机对运动目标的自主跟踪。本文中主要研究了基于相关滤波器的跟踪算法,并将改进后的算法应用于四旋翼无人机,最终取得了良好的跟踪效果。1.介绍了无人机飞行原理及硬件结构,设计了无人机视觉跟踪系统,给出了镜头矫正以及无人中机视频处理流程。2.本文采用显著性检测算法对跟踪算法预处理,介绍了显著性检测特征提取与显著性检测算法评价标准。详细讲解了几种经典显著性检测算法原理,给出了实验对比,并对效果理想的MGR算法进行了改进,实验表明改进后的GMR算法鲁棒性更好。3.鉴于相关滤波器跟踪算法较多,总结出该类算法的一般跟踪步骤及框架,给了出公认的目标跟踪评价标准。详细讲解了MOSSE、CSK、STC和KCF算法原理,并给出了实验结果,实验表明KCF算法优越,不但速度快而且跟踪效果好。4.为了消除KCF算法初始化时多余背景信息对跟踪的干扰,采用了显著性检测算法对初始化进行处理:以视频序列中第一帧初始化目标的跟踪框包含图像作为显著性检测图像输入,通过显著性检测分离目标与背景,再根据目标实际大小重新标定跟踪框大小和位置。实验证明,经过显著性算法预处理后得到与目标更加紧凑的跟踪框,消除了大部分无关背景。5.为了增加KCF算法多尺度功能,本文中采用改进Mean Shift算法对KCF算法增加多尺度:相关滤波器响应峰值预测目标出现位置,采用改进Mean Shift算法根据当前目标大小重新计算跟踪框大小。实验证明,修改后的KCF具有良好的尺度变化功能。