《无人机航拍视频中的车辆检测方法》

1.问题

由于无人机拍摄的视频存在场景大，车辆多，场景多样，拍摄高度不定等情况，现有的机器学习检测方法，在针对不同拍摄场景，都需要提前采集大量的样本数据进行训练，显然这并不适合实 际应用。

2.图像配准

图像配准方法大多使用基于特征的配准方法。基于特征的配准方法基本流程为：首先对每张图像提取特征，然后对提取出的图像特征进行互相匹配，通过匹配的特征建立图像之间的变换关系，最后根据对应的变换关系获得配准图像。

3.配准算法

SIFT
PCA-SIFT
GLOH
SVD
SURF

4.运动车辆的检测

在基于无人机视频的运动车辆的检测方面，Cheng等[8]利用背景减除和背景配准方法来检测动 态车辆；Azevedo 等[9]基于中值背景差分法检测无 人机图像中的车辆。

---

在传统的运动车辆检测中， Gupte 等[10]使用区域来检测、跟踪车辆。然而，精 度受到遮挡和阴影的影响。为了解决遮挡造成的问 题，提高检测精度，一些研究人员利用车辆的特征 和先进的模式识别方法来检测车辆。在车辆特征集 中，方向梯度直方图(HOG)[11]特征在车辆检测上表 现良好，但是计算的复杂度较高。文献[12]在 GPU 上完成了 HOG 特征的提取，实现了速度上的提高。 文献[13-14]中分别提取车尾和车头的 Haar-like 特征 来进行车辆检测。文献[15]中采用了 LBP 特征实现 车辆检测，取得了良好的效果。Lin 等[16]使用 SURF 特征实现了盲区内的前向车辆检测。

---

为了进一步提高精度，人们将这些车辆特征用相应的描述子进行表示，然后采用机器学习的方法进行训练来检测车辆。Sivaraman 等[14]将 Haar 特征 和 Adaboost 相结合来检测车辆，实现了高速路上 的车辆检测。Tehrani 等[17]提出了一种基于 HOG 特征和 SVM 相结合的车辆检测方法，实现了城市 道路下的车辆检测。Nandyall 等[18]通过几何直方图 和边缘特征来表示车辆