基于無人機視頻的運動車輛檢測研究.pdf

1、隨著無人機研發(fā)技術(shù)日益成熟，無人機在民用領域各行業(yè)的應用開發(fā)逐漸成為熱門的研究課題。無人機具有低成本、易部署、高機動性、大視角范圍和統(tǒng)一尺度等優(yōu)勢，可廣泛應用于交通監(jiān)控和交通信息采集。本文綜合考慮無人機在交通視頻采集過程中具有懸停、巡航不同的飛行狀態(tài)，針對無人機視頻圖像的特性，設計開發(fā)了基于無人機視頻的運動車輛檢測算法，并與幀差法、混合高斯算法、光流法等多種運動目標檢測算法進行對比研究，最后通過實驗證明了本文算法檢測精度較高，并能滿足實

2、時應用的需要。本文的主要研究內(nèi)容如下:
　　(1)本文分析了無人機的發(fā)展前景和行業(yè)應用的開發(fā)優(yōu)勢，總結(jié)了無人機在交通領域的應用研究現(xiàn)狀，詳細歸納了相關運動平臺視頻目標檢測技術(shù)和圖像處理技術(shù)，并對基于視頻的運動目標檢測的主流算法進行了詳細分析。
　　(2)在考慮了無人機懸停和巡航不同飛行狀態(tài)下視頻處理需求的基礎上，開發(fā)了基于無人機視頻的運動車輛檢測算法，實現(xiàn)過程分為:①設置感興趣區(qū)域選擇運動車輛檢測的范圍;②引入ViBe背景更

3、新算法進行運動前景區(qū)域提取，改進了ViBe算法使用固定閾值和存在鬼影問題的缺陷，提高了算法對無人機視頻運動目標檢測的效果;③通過形態(tài)學優(yōu)化處理和車輛目標識別完成了運動車輛的檢測。
　　(3)通過定性、定量的實驗分析，將幀差法、混合高斯算法和光流法三種主流的運動目標檢測算法與本文算法進行了比較，證明本文算法在無人機懸停和巡航狀態(tài)下均具有較高檢測精度(90.25％)和實時的計算速度(42.69fps)，能夠有效地進行基于無人機視頻的運