基于距离走动校正和多普勒高阶项补偿的高超音速目标检测方法

针对机载雷达对高超音速运动目标的检测性能下降问题,首先建立了高超音速运动目标回波信号模型,在此基础上定量分析了目标高超音速运动引起的跨距离单元走动和多普勒频率时变现象。经过详细推导,利用Keystone变换法完成了回波的跨距离单元走动校正,并将基于高阶模糊度函数的参数估计技术应用于高超音速目标多普勒参量估计中,补偿多普勒高阶项后进行相参积累处理。通过计算机仿真证明了所提方法的有效性。

模拟复眼视叶神经网的目标运动方向检测模型

如何对杂乱背景中物体(目标)的运动方向做出准确可靠的检测与感知,是计算机视觉研究领域中一个重要问题。自然界中,飞虫(如苍蝇、蜻蜓等)高适应性和高可靠性的感知目标运动是一种自然特性,本文基于飞虫−果蝇视叶神经纤维网最新的生理学研究成果,提出一种基于果蝇视觉感知目标运动方向的多层级检测模型系统。通过对不同场景下拍摄的视频序列样本进行实验和测试,并与2-Q运动检测器模型、基于ON和OFF信号通道处理运动信息的检测模型等进行了对比,验证了其在杂乱背景下对于目标水平和垂直方向运动检测的有效性和鲁棒性。

改进四帧差分运动目标检测算法的FPGA实现

针对传统的帧间差分运动目标检测算法易出现虚假边缘及边缘缺失等现象,设计了一种改进的四帧差分运动目标检测系统,将图像边缘信息与四帧差分算法相融合对运动目标进行检测,并在现场可编程门阵列(Field Programmable Gate Array,FPGA)平台上构建了视频图像处理系统。该系统主要由图像采集模块、图像缓存模块、图像处理模块和图像显示模块4个部分组成。通过OV5640摄像头采集1 024×768分辨率的图像数据,将采集的图像数据存入DDR3中,并采用改进的四帧差分算法对运动目标进行检测与标记,最终传输至高清多媒体接口(High-Definition Multimedia Interface,HDMI)外接显示器实时输出结果。实验结果表明,该系统可以准确检测出摄像头采集的视频源中的多个运动目标,并满足实时检测要求。

距离角度失配条件下的FDA-MIMO雷达运动目标检测算法

频控阵-多输入多输出(Frequency Diverse Array-Multiple Input Multiple Output,FDA-MIMO)雷达是一种新体制雷达,其发射频率分集特性带来了额外的距离维信息,然而采样误差同样带来了导向矢量失配的问题,不仅如此,角度误差的存在也会进一步加重导向矢量的失配,极大地影响检测器的检测性能。此外,目标速度过快也会对FDA-MIMO雷达的目标检测性能产生影响。速度带来的影响具体表现在两个方面:一方面会导致目标的距离走动,从而导致不同慢时间的回波包络不能对齐,无法相干积累;二是频率增量引起的多普勒扩展,使得不同发射通道的多普勒频率不一样,这会进一步影响检测性能。针对上述问题,本文针对运动目标情况下的目标检测问题进行研究,为了解决目标运动带来的距离徙动和多普勒扩展效应,引入Keystone变换进行校正。此外,为了提升阵列失配条件下的目标检测性能,本文引入子空间模型,提出了距离角度失配情况下的子空间构建方法,并基于广义似然比检验(Generalized Likelihood Ratio Test,GLRT)准则推导了FDA-MIMO雷达在距离和角度失配条件下的自适应检测器。仿真结果表明:在高斯白噪声背景下,所提算法可以校正运动目标在速度较快情况下导致的距离徙动和多普勒扩展效应,且在阵列距离和角度失配条件下的检测性能优于传统的GLRT检测器。此外本文所提Keystone-空域处理检测器与Keystone-全空时处理检测器的性能接近,且计算复杂度更低。

基于EM-VB的分布式接收运动目标直接符号检测方法

相比于传统分布式组阵接收采用的参数差异估计、信号校准合成以及符号检测的逐级处理结构,直接利用多个观测信号进行符号检测能够抑制信号间校准精度不佳带来的性能损失问题,但现有方法主要针对收发均静止或收发理想同步的情形。研究了一种最大似然准则下的分布式接收运动目标直接符号检测方法,首先给出了直接符号检测求解模型,针对模型中多组未知参数的优化问题,推导分析了各参数近似闭式解,采用基于迭代重估的闭环处理结构,利用多个未知参数和信息符号进行联合寻优。仿真实验结果表明,所提方法性能明显优于传统合成处理方法,与现有联合处理结构相比,在观测站数目较多时具有明显优势。

基于改进混合高斯模型的运动目标检测方法

智能监控系统全自动实时监控,利用计算机视觉技术和计算机数据处理能力自动识别视频源中的关键信息,可以快速准确地定位异常行为并预警。运动目标检测作为智能监控系统智能分析模块的基础,是智能监控系统中目标识别、异常行为分析及应对策略的基础。本文分析常用的运动目标检测方法,针对混合高斯模型在运动目标速度过慢、光照突变情况下产生空洞的问题,采用一种基于三间帧差法的混合高斯模型目标检测方法,该方法结合三间帧差法通过差分图像获取运动轮廓,具有计算简单、实时性强的优势,以及高斯背景模型减除法获取目标内部信息完整的优势。经实验验证表明该方法实现程序简单,能够有效地检测出背景中的运动目标,满足实时检测的需要。

基于结构相似度和鲁棒主成分分析的运动目标检测

运动目标传统检测方法只考虑图像的亮度或纹理等某一种特性,受特异值影响较大,对噪声比较敏感,鲁棒性也不够好,而且背景恢复精度不高。针对以上局限性,提出一种融合结构相似度(structural similarity,SSIM)全参考模型和鲁棒主成分分析(robust principal component analysis,RPCA)的运动目标检测方法。此方法综合考虑图像的亮度、对比度和结构三种特性,不采用传统的背景减除法,而是把图像像素点的结构相似度作为度量来实现运动对象与背景的分离。实验结果表明,此方法准确率可达0.95,且F度量较传统运动目标检测算法平均提升0.15,总体上比传统方法更具优势。

考虑海杂波特征的SAR图像海上运动小目标检测方法

鉴于海杂波是一种非平稳性雷达信号,使用传统方法容易受到海杂波特征影响,导致检测结果不精准。充分考虑海杂波特征,提出了SAR图像海上运动小目标检测方法。根据雷达观测场景等距离环,确定波浪传播方向,分析海杂波特征。构建最优自适应海杂波抑制权矢量函数,结合约束最小方差准则抑制海杂波,避免慢速目标难以被有效检测。计算节点邻域内每个像素点到节点的距离,筛选孤立像素点。充分考虑海杂波特征,使用统计平均方式获取海杂波背景下的平均干涉幅度和相位,以此为依据检测运动小目标。实验结果表明,该方法在正常、中等和复杂海况下,检测结果与实际结果一致,说明使用该方法检测结果精准。

基于无人机航拍视频的运动目标检测与跟踪

针对无人机视角下拍摄物体尺寸小、外观模糊,以及无人机平台自身存在运动等问题,基于无人机航拍视频的运动目标检测与跟踪仍具有很大的挑战性。提出了基于改进LK光流法的运动目标检测与跟踪算法,利用卡尔曼滤波算法进行目标跟踪;针对传统LK光流法在动态环境下效果不佳的问题,引入语义分割线程筛选动态点和静态点,通过筛选后的静态点求解单应矩阵完成无人机的运动补偿、计算动态点的光流值获得光流点以降低误匹配率,最后通过聚类算法和形态学运算得到完整的运动目标;将所提的重识别模块引入卡尔曼滤波算法实现目标跟踪。实验结果验证了所设计的运动目标检测与跟踪算法在无人机视角下能够实时、准确地提取出运动目标,并持续稳定地跟踪目标。

基于双帧融合的野外运动小目标检测网络

由于野外监控传感系统中背景干扰较多、小目标像素点较少以及缺乏相关公开数据集等因素,在野外复杂环境中检测运动小目标仍然是国防军事应用中一个具有挑战性的问题。针对这一问题,提出一种基于YOLOv5改进的双帧融合目标检测网络(YOLO-DFNet)。首先,提出双帧融合模块用来处理骨干网络输出的相邻帧特征,通过计算通道及时间维度的注意力和空间注意力,提取运动特征;其次,在颈部网络与检测头之间设计一个时间梯形融合网络,关注不同大小感受野上的运动目标,改善大位移小目标的检测效果。在野外运动小目标数据集FMSOD上的实验结果表明:YOLO-DFNet在不同IoU上的平均精度比YOLOv5算法提高3.9个百分点,同时也优于TPH-YOLOv5、YOLOv7等其他目标检测网络。

基于l^(1/2)-TV正则化RPCA的运动目标检测

针对复杂环境下背景干扰导致运动目标检测精度下降的问题,提出了一种基于l^(1/2)-TV正则化RPCA的运动目标检测方法。方法利用核范数来描述背景的低秩特性,采用l^(1/2)范数描述更稀疏的运动目标,以抑制运动目标中的背景干扰。同时结合TV正则化约束运动目标的空间连续性,使运动目标更加完整。利用Frobenius范数检测背景干扰。采用交替方向最小化策略扩展的增广拉格朗日乘子法求解所提出的约束最小化问题。实验结果表明,所提方法能有效去除背景干扰,提高运动目标的检测精度、改善视觉效果。

基于多普勒偏移补偿的非线性FDA-MIMO雷达运动目标检测算法

非线性频控阵-多输入多输出(Frequency Diverse Array-Multiple Input Multiple Output,FDA-MIMO)雷达具有非线性增加的阵元频偏,使得雷达的距离-角度波束图不再呈现“S”型,而聚焦为点波束,以此将发射能量聚焦到目标位置能够获得更优异的目标检测性能。不过,FDA-MIMO雷达检测运动目标时,由于发射阵元间的频偏与目标速度存在耦合,导致在慢时间维出现多普勒偏移。基于插值滤波的重采样算法能够补偿阵元频偏带来的多普勒偏移,但对于非线性FDA-MIMO雷达,由于阵元间频偏不再是线性变化,上述算法将会失效。本文提出了一种新的算法,可以利用Keystone变换和多普勒偏移补偿的方法,来检测非线性FDA-MIMO雷达中的运动目标。建立了非线性FDA-MIMO雷达运动目标的回波模型,指出了基于插值滤波的重采样算法存在的不足,提出了一种基于速度搜索的算法来补偿非线性FDA-MIMO雷达检测运动目标时出现的多普勒偏移。首先利用Keystone变换消除目标回波的距离徙动,然后根据阵元间频偏构造多普勒补偿函数,利用多普勒补偿函数和各阵元脉压后的回波信号构造速度搜索函数,通过设定合适的速度搜索范围对其进行搜索,当该函数取得峰值时对应的速度即为真实速度,最后利用搜索的速度补偿多普勒偏移后再做相干积累检测目标。仿真结果表明:所提算法可以准确补偿阵元间的多普勒偏移,且在非线性FDA-MIMO雷达体制下的检测性能优于基于插值滤波的重采样算法。

无监督缺失值预测的运动目标检测算法

针对运动目标检测过程中由于背景复杂、目标易发生遮挡而产生的漏检问题,提出一种基于无监督缺失值预测的运动目标检测算法。将漏检的目标视为标签数据中的缺失值,根据待检测目标的类别和数量,利用无监督的生成对抗插补网络(generative adversarial imputation networks,GAIN),通过已获取的标签数据对缺失值进行预测,以牺牲较少的精确率为代价大幅提高召回率。在小样本的牛只特征部位数据集上的实验结果表明,在标签数据缺失率低于40%的情况下,缺失值预测的准确率约为95%,对于不同程度的被遮挡目标,检测的平均F1分数为0.92。该方法在小样本条件下,对运动目标具有较好的检测性能,可减小实际应用中的不确定性,以及算法对样本数据的依赖性,改善运动目标检测过程中的漏检问题。

基于显式运动建模的视频伪装目标检测

目前的视频伪装目标检测方法通常采用隐式运动建模或直接输入存在噪声的离线光流图来获取运动线索,这会影响模型性能。为了解决这一问题,提出一种新的基于显式运动建模的视频伪装目标检测框架,称为SMHNet。首先,该框架将显式运动建模与伪装目标检测联合在同一个框架中进行学习。然后利用特征双向更新模块实现两个分支的双向交互更新,相互补充、优化和纠错,输出光流估计结果和目标检测图。此外,为了解决缺少光流真值图这一问题,采用自监督策略对显式运动建模分支进行监督。在两个数据集上的对比实验结果表明,SMHNet有效地提高了视频场景中伪装目标检测的性能。

复杂背景下红外弱小运动目标检测半仿真数据集

红外弱小运动目标检测是空中红外探测的核心技术之一,且一直是光电探测领域研究的热点问题,尤其是复杂背景下弱小运动目标检测,尚缺乏有效的技术解决途径。针对当前红外弱小运动目标检测领域数据规模小、场景类型丰富程度不足的问题,本数据集面向空中红外探测设备远距离探测空中飞行目标应用,借助小型无人机平台搭载红外探测设备,通过实地拍摄、数据加工及仿真目标嵌入处理等,提供了一套数据规模大、场景类型丰富的复杂背景下红外弱小运动目标检测半仿真数据集。图像数据采集中设置多种实验条件,以求尽可能地全方位模拟典型应用场景:为体现探测平台与目标的相对高度,设置了仰视、平视和俯视三种拍摄视角;为模拟不同场景类型,数据集获取场景涵盖了天空、水面、植被、建筑物等多种场景;为模拟被探测目标不同运动情况,数据集中采用分段拟合的方式,设置了不同复杂程度的目标运动轨迹;本数据集仿真了不同灰度分布、不同信号强度的弱小运动目标,并高质量地嵌入图像背景中。本数据集共计350段数据、150185帧图像,标注文件中给出目标坐标位置的详细标注信息。本数据集可为复杂背景下红外弱小运动目标检测、跟踪等研究提供基础数据。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。

基于运动目标检测的候车排队时间预测方法研究与实践——以虹桥机场T2航站楼出租车上客区为例

上海虹桥国际机场是虹桥枢纽以及虹桥商务区的重要组成部分,周围陆侧交通设施多样且便捷,配套有轨交、机场巴士、出租车、私家车等陆侧交通方式,具有强大的区域辐射力。其中,出租车由于具备方便快捷等优势正成为许多旅客尤其是夜间航班到港旅客的首选离港交通工具,并造成离港出租车上客区频繁发生排队客流淤积拥挤的现象。文章对现有的运动目标检测技术进行横向对比,以虹桥机场T2航站楼出租车上客区作为研究对象,首先分析了该区域监控视频数据特点,采用改进的结合三帧差分和混合高斯模型的检测算法对运动目标进行提取;接着对运动目标进行分类与跟踪,并测算排队乘客实时上车速度,提出一种基于运动目标检测的候车排队时间预测方法;最后,设计虹桥机场出租车管理信息发布系统,实现对候车客流排队时间预测与关键交通信息的可视化展示。

一种针对抖动无人机视频的运动目标检测算法

针对悬浮无人机在运动目标检测中易受抖动影响,导致大量背景噪声的问题,提出一种多尺度的EA-KDE背景差分算法(MEA-KDE)。该算法首先对图像序列进行多尺度分解,以获取多尺度的图像序列。然后,在进行检测之前,通过考虑面积阈值和当前图像帧,计算并更新检测的分割阈值,引入当前图像帧信息。其次,对不同尺度的图像帧采用高低双分割阈值进行背景差分运算,以提高检测的鲁棒性。最后,通过对各尺度的检测结果采用一种自顶向下的融合策略进行融合,以在保留目标的清晰轮廓同时消除噪声。此外,提出的一种边界扩展融合后处理算法有助于减轻检测断裂引起的目标破碎现象。实验结果表明,所提算法能够有效抑制抖动导致的背景噪声。在2个真实拍摄的无人机数据集上,分别获得了0.951和0.952的平均F1分数,相较于原算法分别提高了0.144和0.276。

快速准确的光流法运动目标检测

使用经典HS光流法对视频图像中的运动目标进行识别与检测时存在环境噪声多、检测效率低等问题。为此,对光流法进行改进。首先设计新的判定方法降低求解光流的迭代次数,减少算法执行时间;然后结合边缘检测等算法设计满足精度约束的算法,降低环境噪声的影响;最后使用GPU分别对光流法和边缘检测算法并行优化,从而进一步提高算法效率。实验结果表明,所提算法在CDNet2014数据集上的检测精度为88.1%,检测到的运动目标清晰度高。此外,该算法在GPU上的最大加速比为89倍,性能较传统算法有很大提升。

基于双目视觉的运动目标检测与三维重建

移动机器人凭借其工作性能可靠、减少生产制造成本等优势,在现代集成智能制造业中具有广阔的市场应用前景。但目前移动机器人室内环境感知系统存在感知维度单一、精度不高等问题,往往难以满足多维度实时精确感知环境的需求。因此,在模拟物流储仓的实验室环境下构建了一种可同时进行二维动态目标检测和三维场景地图重建的环境感知系统,将双目相机采集的图像分别输入增加树形特征融合模块的改进YOLOv3网络与加入带色彩恢复的多尺度视网膜增强算法和关键帧筛选机制的优化RTAB-MAP算法,运行结果在机器人可视化平台实时显示,从而进行多维度环境感知,满足多任务需求。实验结果表明,动态目标检测中查准率与查全率较原算法分别提高1.78%和1.73%,检测耗时为16.57ms/f,平均定位误差为1.49%;改进后的RTAB-MAP算法相较原算法各误差均显著下降,实际室内场景重建中三维点云地图质量更佳。