【《四旋翼无人机运动目标检测算法分析案例》2000字】

四旋翼无人机运动目标检测算法分析案例运动目标检测算法是实时的在被监视场景中检测运动目标，在静态背景下常用的检测方法有3种：帧间差分法、背景差分法、光流法，每种检测算法具有各自的优缺点和适用范围。（1）帧间差分法帧间差分法是对连续视频帧图像进行图像像素的帧间差分运算来提取相邻帧的变化区域，从而得到运动物体轮廓[23]。通常选取相邻的两帧图像进行差分运算，设某当前时刻帧图像为，前一时刻的帧图像为，对当前帧图像与前一帧图像进行差分运算如下：（1.1）其中为当前帧图像坐标处的灰度值，为前一帧图像坐标为处的灰度值，为差分后的绝对值，可通过判断出运动目标区域，如公式（1.2）所示：（1.2）其中为判断阀值，若相邻两帧图像同一像素间灰度差值大于，则二值图像相应像素设置为1，表示未运动目标区域，否则为0表示背景区域。帧间差分法的流程图如图1.1所示。图1.1帧间差分法流程图经过检测算法运算后将得到的二值图像进行形态学处理，输出检测出的运动目标，仿真实验结果如图1.2所示。（a）第fk-1帧图像（b）第fk帧图像（c）第fk+1帧图像.（d）fk-fk-1帧结果（e）fk+1-fk帧结果图1.2帧间差分法检测结果从实验结果可以看出，帧间差分法能快速检测出场景中的运动物体目标，运算量小并且方便于实现，但如图1.2（d）、（e）所示帧间差分法提取目标物体边界轮廓不够清晰完整，如果目标运动速度太快，会使物体形状拉伸如图1.2（d），如果目标运动速度太慢，又会使物体部分边界重叠如图1.2（e），因此运动目标的速度将影响该方法的检测性能。目前，根据这样问题可进一步采用三帧双差分法或五帧三差分法进行优化改进，从而提升改进帧间差分法的检测性能。（2）背景差分法背景差分法是将视频图像当前帧与背景模型进行差分，来提取当前帧相对于背景模型的变化区域，从而分割得到运动目标的方法[24]。背景差分法的关键是建立并持续更新保持一个最新背景模型，假设以获取的视频图像第n帧为背景模型，当前视频帧为，将当前帧与背景模型进行差分运算如下：（1.3）其中为当前帧图像坐标像素灰度值，为背景模型对应像素灰度值，为差分后绝对值，通过判断阀值对差分后图像进行二值化：（1.4）二值图像中，像素值为1的区域即为检测出的运动目标区域，背景差分法的流程图如图1.3所示。图1.3背景差分法流程图将得到的二值图像进行形态学处理后，可输出检测出的运动目标。对背景差分法进行仿真，结果如图1.4所示。从实验结果可以看出，背景差分法可克服了间差分法只能获取目标轮廓、轮廓形状发生变化等的不足，但背景减除法对场景的变化特别敏感，当场景中的背景像素发生变化，如光照阴影频繁，特别是当检测运动目标尺寸较小时，就会对检测结果产生很大的影响。由于背景减除法的性能过于依赖背景模型的及时更新，如图1.4（c）当无人机未进入场景时有鸟经过，而背景模型由第1帧替换为飞鸟经过时序列帧，检测结果如图1.4（e）就会出现差错。因此，背景模型的建立与更新是背景减除法性能的难点，也是该方法研究的核心。（a）当前帧fk（b）背景模型bk（c）更新后背景模型b’k.（d）fk-bk结果（e）fk-b’k结果图1.4背景差分法检测结果（3）光流法光流法是利用运动目标随时间变化的光流(Opticalflow)特性，通过对视频帧图像的光流场进行计算，也就是计算图像中有目标和没目标是的速度矢量的差异来检测目标，从而得到运动目标的方法[25]。光流场是一帧图像中所有像素的速度矢量构成的矢量场，速度矢量由像素位移矢量除以帧间时间间隔得到。在视频图像的连续帧中，光流场在整帧图像中是连续变化的，当图像中出现运动目标，运动目标所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动目标。光流反映了在某一时间间隔内由于目标运动而引起图像的变化，其中该段时间间隔必须有足够的短小帧间运动变化。光流场是一个速度矢量场，它代表三维运动的物体点在二维图像上的表现。其计算基于两点假设：一是所观察到的任意物体点亮度随时间是保持不变的；另一点是图像区域内的邻近像素点的移动方式类似。其计算过程可假设有一图像序列：表示在时刻上坐标的灰度值。用有关位置与时间的函数来描述该图像，然后将其展开成泰勒序列（Taylorseries）：fx+dx,y+dy,t+dt=f其中fx，fy，ft分别表示f的偏导数，在时间间隔dfx+dx,y+dy,t+dt=fx若dx，dy，dt非常小，那么可以忽略不计（3,6）中的高阶项，且有−ft=f算法的目标是计算速度c=dxdtfx，fy，ft−ft=f其中∇f二维图像梯度。式（1.光流法在不可预知有关任何目标场景信息的情形下