多视角航拍下小目标检测与跟踪算法：基于配准与滤波的解决方案

本文研究了一种针对存在3D场景遮挡的航拍视频中的运动小目标检测与跟踪问题的创新算法。该论文发表于2016年的《计算机工程与应用》杂志第52卷第14期，由YIMeng和CHUYan两位作者共同完成，他们来自长安大学电子与控制工程学院。 论文的核心贡献在于提出了一种基于多视角航拍配准的方法。首先，作者们采用间隔采样的图像序列，运用Harris角点检测器提取全局特征点，这有助于在复杂的视觉环境中识别潜在的目标。接下来，通过构建Delaunay三角网，进行图像之间的初步匹配，确保了不同视角下的视频帧能够准确地对齐。 为了处理运动目标检测，作者们引入了整合变换模型，通过对差分图像的分析来检测目标。这种方法有效地抑制了背景变化的影响，使得即使在动态场景下也能区分目标和背景。累积能量检测技术在此过程中发挥了关键作用，提高了目标检测的精度。 在跟踪环节，作者们利用卡尔曼运动滤波器来平滑运动目标的轨迹，减轻了由于摄像机运动和场景遮挡造成的跟踪抖动。这种滤波器结合了历史数据和当前观测，为连续的跟踪提供了更稳定的结果。 值得注意的是，与传统方法如背景模型法、光流法和帧间差分法相比，该算法在处理小运动目标和复杂场景时表现更为出色。特别是对于小目标的检测，它能够在城市和郊区等背景下，即使在目标尺寸仅为30像素的慢速移动情况下也能够准确捕捉。 论文的实验结果显示，基于多视角航拍配准的算法在实际应用中取得了显著的效果，证明了其在航拍视频小目标检测与跟踪领域的实用性和鲁棒性。这种方法对于无人机监控、智能交通等领域具有重要的理论和实践价值。