目标检测YOLO实战应用案例100讲-基于无人机的运动目标检测（续）

目录

3.3 特征点匹配算法 

 3.4 实验及结果分析 

3.4.1 数据集与评价指标 

3.4.2 特征点检测的有效性 

3.4.3 特征点匹配的有效性

4 基于改进光流法的无人机运动目标检测算法  

4.1 算法流程 

4.2 图像预处理 

4.3 运动补偿 

4.3.1 特征点提取 

4.3.2 金字塔LK光流 

4.3.3 仿射变换矩阵 

4.3.4 背景补偿 

4.4 基于光流场的运动目标检测  

4.4.1 阈值分割 

4.4.2 形态学滤波 

4.5 实验及结果分析 

4.5.1 实验配置与数据集 

4.5.2 检测算法的有效性 

知识拓展

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的无人机目标检测

1.数据集介绍

2. 系统界面效果

3. YOLOv8算法原理

4. 代码简介

yolo-nas无人机高空红外热数据小目标检测

YOLO-NAS训练

YOLO NAS模型训练

YOLO NAS 训练参数

---

本文篇幅较长，分为上下两篇，上篇详见基于无人机的运动目标检测

3.3 特征点匹配算法 

根据上述提取的特征点，本文使用BruteForce（BF）算法[ 46]进行特征点匹 配，该算法[ 47]对特征描述子的向量从第一个字符开始匹配，若相等则继续匹配第二个字符，若不等则对目标串的第二个字符和模式串的第一个字符进行比较， 直到计算出最后的匹配结果。