高分辨率/低帧率航拍图像序列中的运动目标检测方法研究

Moving object detection from aerial videos has vital significance on border patrol, battlefield situation awareness, multi-target task allocation, communication data reduction, et al. Current UAVs for aerial surveillances usually employ high-resolution/low-frame-rate cameras to observe large areas with high precision, making conventional video-based moving object detection methods unsuitable. To address this issue, this project only utilizes the current image and the previous image and puts emphasis on deeply exploiting moving features, which are universal for all moving objects. Specifically, a novel method based on feature classification and organization is proposed for moving object detection from aerial image sequences. The proposed method directly classifies the acquired feature matching pairs, such that those on moving objects can be separated. Feature organization and incremental feature organization methods are then proposed to get moving objects from them. The main research issues for this project include an efficient method to acquire multi-level feature matching pairs, selection of basic background pairs and moving feature pairs separation, candidate moving object detection based on multi-cue feature organization, and precise moving object localization by incremental feature organization. We expect to get systematic results on the algorithm’s detection rate, efficiency, and environmental adaptability. Furthermore, a module which can run on-line on the UAV will be developed and tested. We believe that this research is worth of research and has vast potential applications.

航拍视频中的运动目标检测在边境巡逻、战场态势感知、多目标任务分配和减小通信压力等方面具有重要意义。为实现对大范围区域的精细监视，当前的侦察无人机大多采用高分辨率/低帧率的相机，使得传统的基于视频分析的方法不再适用。为解决此问题，本项目仅仅利用当前时刻及前一时刻的图像，充分挖掘“运动”这一普遍属性，提出了一种基于特征分类和组织的航拍图像序列运动目标检测方法。该方法直接对特征匹配对进行分类，将属于运动目标的特征匹配对分离出来，继而采用特征组织和增量特征组织的方法得到运动目标。本项目将对多层级特征匹配对的快速获取方法、背景匹配对选取与运动特征分类方法、基于多约束特征组织的候选运动目标获取方法、基于增量特征组织的运动目标精确定位技术进行深入研究，力图在算法检测正确率、效率、环境适应性方面取得系统性的成果，形成机上高效运动目标检测模块并进行飞行验证，具有重要的研究价值和应用前景。

航拍视频中的运动目标检测在边境巡逻、战场态势感知、多目标任务分配等方面具有重要意义。现有无人机平台下的运动目标检测算法都是针对低分辨率视频设计的，且算法在实时性、环境适应性和目标提取精度等方面都有待提升。为实现对大范围区域的精细监视，近年来侦察无人机多采用高分辨率相机。然而，受限于无人机的机载计算资源，我们只能利用有限几帧高分航拍图像进行检测，导致现有基于视频分析的方法不再适用。.针对上述问题，本项目针对高分航拍图像序列运动目标检测技术展开了系统的研究，主要工作包括：（1）提出了一种多策略融合的特征匹配对快速精确提取方法，包括基于跟踪的分块定量提取策略和基于一致性与块匹配的特征对修正算法，保证运动目标上有足够且精确的特征匹配对；（2）提出了一种运动特征分类方法，设计了用于区分运动目标上匹配对与背景匹配对的有效特征，可精确地从匹配对中筛选出运动目标上的匹配对；（3）提出了一种基于多约束特征组织分类的运动目标提取方法，利用设计的多约束准则对前述匹配对进行组织分类，通过充分挖掘两帧图像中的运动信息实现了高分航拍图像序列下运动目标的快速准确指示与定位，填补了高分航拍图像序列运动目标检测方法上的空白；（4）提出了一种基于增量特征组织和图像分割的运动目标精确提取方法，充分利用时空域信息，保证较高计算效率的同时可提供更为完整的运动目标信息；（5）形成了机上高效的高分辨率运动目标检测核心技术模块并嵌入到云台进行了飞行实验，并进行了机上应用分析，可在不同飞行状态下实现对运动目标的快速准确检测。.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10篇，最新研究成果在投论文3篇；在项目研究成果的基础上，新申请国家发明专利5项，新授权国家发明专利3项；培养博士生2人，硕士生1人；形成了机上高效的高分辨率/低帧率运动目标检测核心技术模块并嵌入到云台进行了飞行试验；完成了合同规定的任务。