论文部分内容阅读
航拍视频中的运动目标检测与跟踪是进行无人机侦查、基于空基的监控指挥和探测地理灾害等任务中的关键技术,对国防事业的发展和国民经济建设都有着非常重要的意义。航拍视频的特点是背景和前景目标同时在运动、目标尺寸小、图像分辨率低、场景复杂多变等,使得对航拍视频中的目标进行检测与跟踪面临诸多挑战。本文针对航拍视频运动目标检测与跟踪问题中的关键算法进行了深入的研究,旨在提高算法的准确性与实时性。论文主要工作如下:针对航拍视频中背景存在运动、场景复杂多变的特点,本文提出一种基于背景补偿和时空域联合的航拍视频运动目标检测方法,选取性能优良的ORB特征点作为航拍视频背景补偿的特征点,使用空间约束分布法使提取出的ORB特征点均匀地分布在图像帧中,进一步结合RANSAC算法准确地估计出背景的单应性变换模型,进行运动补偿。在运动目标提取时,首先使用时域差分法初步检测出运动目标,由于时域差分法的检测结果一般会有“空洞”和噪声的存在,为了更精确的提取出运动目标,结合空域信息进行目标分割。在DARPA VIVID数据集上的实验结果表明本文提出的算法能够准确地检测出航拍视频中的多运动目标,时空域相联合的策略增强了检测算法的鲁棒性。针对航拍视频中运动目标的尺度变化问题,本文提出一种基于KCF算法的自适应尺度变化的跟踪方法,在视频的每一帧对目标可能的尺度变化做探测,满足自适应阈值的尺度即视为当前目标的最佳尺度。这种限定阈值的尺度探测策略在保证跟踪准确性的前提下可以减少尺度的冗余探测,提高了跟踪算法的实时性。同时,针对航拍视频运动目标跟踪过程中的遮挡、目标出视域等问题,提出一种基于KCF算法的长期跟踪策略,引入目标异常运动判断机制和重检测机制,通过基于多特征融合的目标匹配进行目标的重定位。在DARPA VIVID数据集上的实验结果表明,本文提出的长期跟踪策略提高了跟踪算法的鲁棒性,与当前主流的跟踪算法TLD、CSK、KCF和SAMF等相比,本文算法在准确性和实时性上都有着很明显的优势。本文算法在准确率和成功率两项评估指标上相对于KCF算法分别提升了24%和35.9%,能够以每秒70帧以上的速度高效地处理航拍视频中的单目标跟踪问题。