视频图像运动目标检测技术是图形图像处理领域的研究热点，具有一定的理论研究价值和实际应用价值。本文针对运动无人机拍摄的视频图像，主要研究了适用于动态背景下的基于特征匹配和目标建模的运动目标检测算法，重点研究了基于目标建模的目标检测算法。 首先，为了提高基于特征匹配的运动目标检测效果，本文研究了一种具有信息累加的特征匹配运动目标检测改进算法。基于Haar小波分解对原图像进行预处理，提取低频图像的SURF（Speed Up Robust Features，SURF）特征点，根据特征点匹配结果估计全局背景运动矢量，并且基于信息累加的方法对目标检测过程中的差分图像信息求累加和。经实验证明本文研究的算法具有良好的运动目标检测效果。 其次，本文研究了一种基于特征自适应加权融合的DPM（Deformable Part Model，DPM）目标检测改进算法。在训练DPM目标检测模型和进行目标检测时需要计算融合特征，对HOG（Histogram of Oriented Gradient,HOG）特征进行主成分分析后，与等价模式的LBP（Local Binary Pattern，LBP）特征进行自适应加权融合。该算法计算量大，但是训练得到的目标检测模型具有更高的目标检测准确率。 最后，针对改进后的DPM-HOG-LBP算法目标检测时效性不高，研究了一种基于选择性搜索的DPM-HOG-LBP目标检测改进算法。基于选择性搜索检测候选目标区域，采用DPM-HOG-LBP算法训练目标检测模型，并且根据目标检测模型对候选区域进行分类得到最后的目标检测结果。通过实验表明改进算法的实时性得到提高，并且在行人和车辆检测应用方面有良好检测准确率。
展开▼
