無(wú)人機(jī)的檢測(cè)和跟蹤系統(tǒng)中的技術(shù)資料研究

　　無(wú)人機(jī)技術(shù)隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展也日漸成熟，它參與了民用領(lǐng)域中的諸多行業(yè)，具備高效率、低成本、大產(chǎn)出等優(yōu)勢(shì)。與此同時(shí)，無(wú)人機(jī)對(duì)空域的安全也造成了嚴(yán)重的威脅，所以各國(guó)也開始研發(fā)各自的反無(wú)人機(jī)系統(tǒng)。將紅外成像技術(shù)應(yīng)用到反無(wú)人機(jī)系統(tǒng)中，不僅具有抗干擾、隱蔽性好和適應(yīng)天候能力強(qiáng)等優(yōu)點(diǎn)，而且價(jià)格和維護(hù)成本也相對(duì)低廉。紅外反無(wú)人機(jī)系統(tǒng)也存在著許多難點(diǎn)問題，如何盡早的發(fā)現(xiàn)無(wú)人機(jī)，如何更快的跟蹤無(wú)人機(jī)就是其中的難點(diǎn)問題。這便需要我們來盡可能的加強(qiáng)無(wú)人機(jī)的檢測(cè)距離。因?yàn)榫嚯x的原因，無(wú)人機(jī)目標(biāo)在圖像中的表現(xiàn)形式非常小，再加上外部的噪聲和背景雜波的影響，這對(duì)我們能否順利檢測(cè)到無(wú)人機(jī)以及跟蹤無(wú)人機(jī)造成--定的困難。怎樣才能實(shí)現(xiàn)對(duì)無(wú)人機(jī)快速準(zhǔn)確的檢測(cè)和跟蹤，這是很重要的一項(xiàng)研究。本文就是對(duì)無(wú)人機(jī)檢測(cè)和跟蹤中所用到的技術(shù)進(jìn)行研究，接下來介紹本文的有關(guān)研究?jī)?nèi)容。

　　對(duì)于圖像的預(yù)處理，本文研究了無(wú)人機(jī)的結(jié)構(gòu)組成及紅外成像特性。對(duì)實(shí)測(cè)的紅外無(wú)人機(jī)圖像進(jìn)行了分析，通過實(shí)驗(yàn)分析得到一種較為實(shí)用的預(yù)處理方法;在紅外無(wú)人機(jī)目標(biāo)檢測(cè)方面，本文分別對(duì)DBT和TBD兩類算法進(jìn)行了研究，并在易于工程上實(shí)現(xiàn)的DBT算法中提出了一種基于動(dòng)態(tài)閾值的CFAR多幀關(guān)聯(lián)檢測(cè)方法，該方法能夠有效地提高單幀圖像目標(biāo)檢測(cè)率和降低虛警率;在紅外無(wú)人機(jī)目標(biāo)跟蹤方面，本文將基于隨機(jī)有限集的伯努利濾波算法應(yīng)用到紅外無(wú)人機(jī)目標(biāo)跟蹤，通過實(shí)驗(yàn)證明標(biāo)記多伯努利算法能夠穩(wěn)定跟蹤多個(gè)指定的目標(biāo)，并且能夠通過標(biāo)簽將各個(gè)目標(biāo)很好地區(qū)分;在無(wú)人機(jī)群目標(biāo)跟蹤方面，本文采用基于聚類的LMB群目標(biāo)跟蹤算法，避免了直接使用LMB算法對(duì)無(wú)人機(jī)群目標(biāo)跟蹤產(chǎn)生的軌跡交叉混亂和群內(nèi)目標(biāo)個(gè)數(shù)估計(jì)誤差較大等問題，實(shí)現(xiàn)了對(duì)單群目標(biāo)中心穩(wěn)定跟蹤;最后，針對(duì)多群交叉產(chǎn)生聚類中心不穩(wěn)定的問題，本文采用了二次聚類方法，能為L(zhǎng)MB跟蹤算法提供更可靠的群內(nèi)小中心，合并小中心軌跡后，便可得到群目標(biāo)中心軌跡。通過實(shí)驗(yàn)證明，該方法能夠解決群目標(biāo)交叉時(shí)聚類中心不穩(wěn)定導(dǎo)致目標(biāo)丟失的問題。