Erkennung von Autos in UAV-Bildern mit einem katalogbasierten Ansatz

Dieses Papier präsentiert eine neue Methode zur automatischen Erkennung von Autos in Bildern von unbemannten Luftfahrzeugen (UAV), die in städtischen Kontexten aufgenommen wurden. UAV-Bilder sind durch eine extrem hohe räumliche Auflösung gekennzeichnet, was die Erkennung von Autos besonders herausfordernd macht. Die vorgeschlagene Methode beginnt mit einem Screening-Vorgang, bei dem asphaltierte Bereiche identifiziert werden, um den Erkennungsprozess für Autos schneller und robuster zu gestalten. Anschließend werden Filteroperationen in horizontaler und vertikaler Richtung durchgeführt, um Merkmale des Histogramms von Gradienten zu extrahieren und eine vorläufige Erkennung von Autos nach Berechnung eines Ähnlichkeitsmaßes mit einem Katalog von Autos als Referenz zu erzielen. Drei verschiedene Strategien zur Berechnung der Ähnlichkeit werden untersucht. Danach wird für die Bildpunkte, die als potenzielle Autos identifiziert wurden, ein Orientierungswert berechnet, indem nach dem höchsten Ähnlichkeitswert in 36 möglichen Richtungen gesucht wird. Der letzte Schritt ist der Zusammenführung der Punkte gewidmet, die zum gleichen Auto gehören, da es wahrscheinlich ist, dass ein Auto von mehr als einem Punkt aufgrund der extrem hohen Auflösung von UAV-Bildern identifiziert wird. Als Ergebnisse bietet die vorgeschlagene Methode die Anzahl der Autos im Bild sowie die Position und Orientierung für jedes einzelne an. Interessante experimentelle Ergebnisse, die an einer Reihe von realen UAV-Bildern durchgeführt wurden, die in einem städtischen Gebiet aufgenommen wurden, werden vorgestellt und diskutiert.