基于视觉的无人机对地运动目标检测技术研究

当前国内外针对机载视觉的运动目标检测方法的研究并不多，且系统性不强，无法满足机载应用的需求。本项目针对小型无人机平台的运动性及机载资源的有限性，提出了一种快速的系统性的运动目标检测方法。该方法利用植被模型和快速的图像块分类方法去除建筑物、树木等视差的干扰，克服了基于立体视觉的方法计算复杂度高和重建精度低的缺陷。为实现图像块的快速分类，提出了一种接近于人类视觉机制的图像块分类方法- - 模式互斥分类器，从机制上克服了现有分类方法难以刻画局部特征、"词袋"方法计算量大的局限性。本项目将对其中的快速特征提取及评估方法、植被模型的构建方法、基于颜色分布比对的"鬼影"去除方法、模式互斥分类器的基本理论与方法、基于模式互斥分类器的视差干扰去除方法等基本问题进行深入的研究和探讨，以推动机载运动目标检测技术的模块化及相关应用，具有重要的研究价值和应用前景。

航拍视频运动目标检测对提升无人机在边境巡逻、战场态势感知、视觉制导等应用方面的自主能力具有重要的意义。由于小型无人机平台的运动性、机载资源的有限性、以及目标环境的复杂性，能够满足机载处理需求的运动目标检测技术仍然是国内外的一个技术难题。.本项目针对航拍视频运动目标实时检测进行了系统性地研究，主要工作包括：（1）针对可见光航拍视频，提出了一种基于改进FAST算子的帧间图像快速配准方法。（2）针对红外航拍视频，提出了一种基于角点不变量的改进SUSAN算子的帧间图像快速配准方法。（3）首次在运动目标检测与视频配准的框架下对特征检测与描述方法的性能进行了评估。（4）提出了一种通过融合运动显著性、像素显著性、区域显著性得到精确的运动目标检测结果的方法。（5）提出了一种通过融合mean-shift跟踪结果及置信度图像提升运动目标检测性能的方法。（6）对基于模式分布的目标检测方法的合理性进行了理论与实验分析。（7）提出了一种基于模式分布比对的运动目标检测方法，提高了运动目标分割的精度。（8）提出了一种基于模式分布比对的运动目标跟踪方法，提高了跟踪算法在不同运动速度下的适应能力。（9）将基于模式分布比对的运动目标检测与跟踪技术移植到嵌入式系统中，达到了近实时的处理速度。.在本项目支持下，目前已在国内外高水平刊物与会议上发表录用论文18篇，其中国际著名期刊SCI论文4篇，国内顶级期刊或国际会议论文13篇；在项目研究成果的基础上，申请发明专利2项；培养博士生2人、硕士生1人；形成了机载运动目标检测核心技术模块；完成了合同规定的任务。