有人/无人机协同作战

介绍了国外有人/无人机协同作战的发展概况,给出了有人/无人机之间协同作战的几种可能模式,并分析了有人机实现无人机地面控制站功能的可行性。相关结论对该领域技术人员开展有人/无人机协同作战研究具有重要意义。     

一种针对监控视频场景的压缩域运动对象分割方法

提出了一种压缩域背景建模与运动对象分割框架:首先提取H.264视频压缩码流中的MB-bits与4×4块残差系数,基于MB-bits场进行压缩域Vibe背景建模分割出宏块级运动对象区域,然后结合最大熵模型提取4×4边缘块进行运动对象轮廓细化最终分割出压缩域运动对象。试验对比分析表明,提出的算法能快速、准确地提取压缩域运动对象,系统具有一定鲁棒性。     

动态背景下融合运动线索和颜色信息的视频目标分割算法

针对现有动态背景下目标分割算法存在的局限性,提出了一种融合运动线索和颜色信息的视频序列目标分割算法。首先,设计了一种新的运动轨迹分类方法,利用背景运动的低秩特性,结合累积确认的策略,可以获得准确的运动轨迹分类结果;然后,通过过分割算法获取视频序列的超像素集合,并计算超像素之间颜色信息的相似度;最后,以超像素为节点建立马尔可夫随机场模型,将运动轨迹分类信息以及超像素之间颜色信息统一建模在马尔可夫随机场的能量函数中,并通过能量函数最小化获得每个超像素的最优分类。在多组公开发布的视频序列中进行测试与对比,结果表明,本文方法可以准确分割出动态背景下的运动目标,并且较传统方法具有更高的分割准确率。     

2-D mesh-based video object segmentation and tracking with occlusion resolution

This paper integrates fully automatic video object segmentation and tracking including detection and assignment of uncovered regions in a 2-D mesh-based framework. Particular contributions of this work are (i) a novel video object segmentation method that is posed as a constrained maximum contrast path search problem along the edges of a 2-D triangular mesh, and (ii) a 2-D mesh-based uncovered region detection method along the object boundary as well as within the object. At the first frame, an optimal number of feature points are selected as nodes of a 2-D content-based mesh. These points are classified as moving (foreground) and stationary nodes based on multi-frame node motion analysis, yielding a coarse estimate of the foreground object boundary. Color differences across triangles near the coarse boundary are employed for a maximum contrast path search along the edges of the 2-D mesh to refine the boundary of the video object. Next, we propagate the refined boundary to the subsequent frame by using motion vectors of the node points to form the coarse boundary at the next frame. We detect occluded regions by using motion-compensated frame differences and range filtered edge maps. The boundaries of detected uncovered regions are then refined by using the search procedure. These regions are either appended to the foreground object or tracked as new objects. The segmentation procedure is re-initialized when unreliable motion vectors exceed a certain number. The proposed scheme is demonstrated on several video sequences.     

Unsupervised video object segmentation with distractor-aware online adaptation

Unsupervised video object segmentation is a crucial application in video analysis when there is no prior information about the objects. It becomes tremendously challenging when multiple objects occur and interact in a video clip. In this paper, a novel unsupervised video object segmentation approach via distractor-aware online adaptation (DOA) is proposed. DOA models spatiotemporal consistency in video sequences by capturing background dependencies from adjacent frames. Instance proposals are generated by the instance segmentation network for each frame and they are grouped by motion information as positives or hard negatives. To adopt high-quality hard negatives, the block matching algorithm is then applied to preceding frames to track the associated hard negatives. General negatives are also introduced when there are no hard negatives in the sequence. The experimental results demonstrate these two kinds of negatives are complementary. Finally, we conduct DOA using positive, negative, and hard negative masks to update the foreground and background segmentation. The proposed approach achieves state-of-the-art results on two benchmark datasets, the DAVIS 2016 and the Freiburg-Berkeley motion segmentation (FBMS)-59.     

人工智能在无人作战飞机上的应用与展望

在未来高对抗环境下,夺取空中优势至关重要,无人作战飞机（UCAV）的参战将实现飞行员零伤亡。人工智能（AI）作为无人作战飞机未来发展的颠覆性技术之首,将从力量倍增器或作战支持转变为真正的人类替代者。从AI对UCAV的作用与意义出发,介绍了国外UCAV相关的人工智能项目的研究进展,总结了UCAV相关的AI智能算法,分析了UCAV的发展趋势。随着人工智能技术、机载处理技术以及传感器技术的进步,UCAV将在未来战争中实现智能协同、智能任务与智能飞行,成为空战的主力。     

无人作战飞机天线多层频率选择表面技术

无人机作战飞机(UCAV)快速发展的同时,无人机平台天线的频率选择表面(FSS)技术也得到广泛应用.设计和测试了一种用于无人作战飞机天线隐身的多层频率选择表面,多层频率选择表面通带为K频段,并且有一个很宽的阻带.数值结果和测试结果验证了该频率选择表面的有效性.该设计技术可以广泛应用在今后无人作战飞机天线隐身上,也可以用在其他隐身平台的相关天线设计中.     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。     

无人机光电探测距离分析

针对低空消费级无人机这种低慢小目标,采用理论建模和对实验中飞行温度参数实测的方法,建立了目标红外辐射模型以及背景辐射参数模型,得到了与实测结果比较相符的红外探测距离。指出了对这类低红外辐射目标,对阳光反射和背景噪声必须精细估算才能得到比较准确的红外作用距离。另外,通过对分析结果的讨论,对未来无人机红外探测系统的设计提出了一些建议。     

一种融合预测过采样的运动目标检测算法

为了改善运动目标检测的精度,提出了一种融合了预测过采样的运动目标检测新方法.首先,基于二维傅里叶变换预测当前帧的目标形状并计算形状相似度;然后,从历史检测结果中选择一定数量的参考帧,使用光流法跟踪目标像素点在参考帧与当前帧之间的运动轨迹,并以像素点轨迹为参考在采样区间执行稠密过采样;最后,基于过采样样本构造前景模型,并在图分割框架内联合使用前景背景模型实现目标检测.在公共数据与自采数据集上对所提方法进行了实验验证,结果表明,相对于经典的运动目标检测算法,所提方法能够有效提高检测精度.     

背景渐变的视频对象分割算法研究及实现

提出了一种有效的背景渐变的视频对象分割算法.首先将前一帧分成前景和背景两部分,然后采用灰度投影匹配算法对当前帧进行全局运动估计和补偿,将当前帧与上一帧进行差分运算,便可得到差分图像.通过对差分图像进行二值化处理,得到运动模板并与前景信息进行相与计算,再结合当前帧信息便可得到运动目标.在TI公司的TMS320DM642芯片上验证了该算法,实验结果表明该算法不仅对亮度变化和环境变化具有鲁棒性,而且可独立、精确地分割出运动目标.     

有人机/无人机协同概念及相关技术

针对有人机/无人机协同作战概念和若干技术问题展开研究。首先从协同对象、协同层次、协同阶段、任务类型等四个方面分析了有人机/无人机协同概念,然后对协同控制系统研制涉及的通用开放式架构、机间智能通信网络、有人机/无人机协同控制、多传感器协同信息处理等技术进行了探讨,最后提出了发展建议,期望为后续研究提供一定的参考。     

Joint resource optimization for nonorthogonal multiple access-enhanced scalable video coding multicast in unmanned aerial vehicle-assisted radio-access networks

A joint resource-optimization scheme is investigated for nonorthogonal multiple access (NOMA)-enhanced scalable video coding (SVC) multicast in unmanned aerial vehicle (UAV)-assisted radio-access networks (RANs). This scheme allows a ground base station and UAVs to simultaneously multicast successive video layers in SVC with successive interference cancellation in NOMA. A video quality-maximization problem is formulated as a mixed-integer nonlinear programming problem to determine the UAV deployment and association, RAN spectrum allocation for multicast groups, and UAV transmit power. The optimization problem is decoupled into the UAV deployment–association, spectrum-partition, and UAV transmit-power–control subproblems. A heuristic strategy is designed to determine the UAV deployment and association patterns. An upgraded knapsack algorithm is developed to solve spectrum partition, followed by fast UAV power fine-tuning to further boost the performance. The simulation results confirm that the proposed scheme improves the average peak signal-to-noise ratio, aggregate video-reception rate, and spectrum utilization over various baselines.     

基于视频图像的目标检测技术研究

本文基于常用运动目标检测方法进行了研究。首先阐述了视频监控系统中常用运动目标检测方法,并对Surendra背景提取算法及改进的帧间差分法进行了说明。运用对称差分法和背景差分法的融合方法进行运动目标检测,实验表明本文运用的方法对运动目标检测具有准确性与实时性。最后得出运用背景差分和帧间差分法的融合检测方法进行运动目标检测,可以得到好的目标检测效果的结论。     

基于变化检测和帧差累积的视频对象分割方法

针对目前许多视频对象分割方法中分割边界不精 确、遮挡和不规则运动问题解决效果 不好等问题,提出一种新的视频 对象分割算法。利用人眼的视觉特点,即对运动(时间梯度)和边缘(空间梯度)都特别敏 感,把帧间运动变化检测(时域 定区间帧差累积)和图像的边缘检测结合起来,首先利用t显著 性检验检测对称帧的帧间变化,再对检测出的初始运动变化 区域进行时域定区间帧差累积计算,并进一步整合形成记忆掩膜(MT);然后应用改进的Kirs ch边 缘检测算子较为精确地检测当 前帧中所有的边缘信息,减少MT膜中的残留噪声,并通过时空滤波获得语义视频对 象平面;最终选择性的应用填充及 形态学处理操作,实现视频对象的分割。实验结果验证了本文算法的有效性和准确性。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

无人机自组网技术综述与发展展望

无人机自组网(Unmanned Aerial Vehicle Ad Hoc Network,UAVANET)主要应用于现代数字科技战场,具备传统无线自组织网络的快速组网、多跳传输和多任务协作等特点,同时拥有更高的抗毁性.无人机自组网能确保网络运行的灵活性和顽健性,但是在实际组网过程中,网络结构和组网方式的不同对作战能力...     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。