飞机地面牵引防撞系统中的图像检测与跟踪技术研究

论文摘要

目前,飞机地面牵引移动防撞主要是依靠场面监控系统完成的,由安装在机场场面上的设备进行飞机地面防撞的监控和报警,还没有安装在牵引车辆上的监控系统,因此本文研究的内容具有很好的研究和应用前景。由于本文研究的摄像机载体是运动的,因此,本文需要研究动态背景中的运动目标检测和跟踪问题,主要工作如下:1、本文提出了一种基于SURF的运动目标检测算法,该算法的计算复杂度较低,实时性较好,能够准确的检测到运动目标上的特征点,并进行稳定的跟踪,而且对光照和噪声有一定的稳定性。2、针对同一物体上的特征点运动速度相接近的特点,本文采用了基于数据连通性的聚类分析方法将关键点进行聚类,从而得到了分别属于背景和运动目标上的不同关键点,进而将属于背景的关键点全部滤除掉。3、针对使用Camshift算法在进行运动目标跟踪时容易受到大面积相似背景干扰的问题,本文提出了Camshift和卡尔曼滤波相结合的目标跟踪算法。在有大面积相似背景干扰时转而应用卡尔曼滤波的跟踪方法,在一定程度上解决了干扰问题。4、根据本文提出的运动目标检测和跟踪算法,设计实现了飞机地面移动防撞系统雏形,并且进行了初步的实际环境实验研究。从实验结果可以看出,在一般的环境条件下,应用本文设计的系统进行飞机地面移动防撞能够取得较理想的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外研究现状
• 1.3 课题的研究方案和研究内容
• 第二章 运动目标检测与跟踪理论基础
• 2.1 运动目标检测技术
• 2.1.1 特征点检测法
• 2.1.2 图像分割法
• 2.1.3 帧间差分法
• 2.1.4 光流法
• 2.1.5 聚类分析法
• 2.1.6 运动矢量场法
• 2.1.7 基于统计模型的方法
• 2.2 运动目标跟踪技术
• 2.2.1 运动目标跟踪技术的分类
• 2.2.2 运动目标跟踪算法的性能评估
• 2.3 相关理论基础
• 2.3.1 颜色空间
• 2.3.2 颜色直方图
• 2.4 小结
• 第三章 基于SURF 算法的运动目标检测方法
• 3.1 SURF 算法简介
• 3.2 使用SURF 算法进行运动目标检测
• 3.2.1 图像关键点匹配
• 3.2.2. 提取稳定的关键点
• 3.3 本章小结
• 第四章 基于卡尔曼滤波的Camshift 运动目标跟踪
• 4.1 Mean Shift 算法理论基础
• 4.1.1 Mean Shift 简介
• 4.1.2 Mean Shift 的基本思想及其扩展形式
• 4.1.3 Mean Shift 算法分析
• 4.2 Camshift 算法
• 4.2.1 Camshift 算法的基本思想
• 4.2.2 Camshift 算法的实现步骤
• 4.2.3 Camshift 算法的优缺点
• 4.3 卡尔曼滤波
• 4.3.1 卡尔曼滤波器的原理
• 4.3.2 卡尔曼滤波器的优点
• 4.3.3 基于卡尔曼滤波的运动目标跟踪
• 4.4 基于Kalman 滤波的Camshift 目标跟踪算法
• 4.4.1 算法的基本原理及步骤
• 4.4.2 遮挡问题的处理
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的学术论文