通信工程文献翻译——摘要：大范围的车辆监控允许我们更多地了解日常活动交通信息。随着遥感的快速发展，卫星视频已经成为一种重要的车辆检测数据源，提供了更广泛的监控领域。实现这个工作通常集中于基于特征的具有中等大小的对象的航空视频萃取，然而，移动车辆的卫星视频图像的范围从仅仅几像素到几十像素，而且表现出低对比度的背景。这使它很难获得可用的外观和形状信息。在本文中，我们研究在卫星图像中移动车辆的检测问题。众所周知，这是首次从卫星视频中处理移动车辆检测。我们的方法包括两个阶段：首先，通过前景运动分割和轨迹积累，现场构建动态运动热图。接下来，一个基于剧烈运动背景模型的新奇东西会分段呈现给热带地区的车辆。从一个最近不断定时定量实验产生的天体卫星视频数据集表明我们的方法可以达到高检测率同时低错误警报率的高度。

1.介绍

在过去几十年中，已发射越来越多的商业地球观测卫星，产生大量分辨率为1米（Ikonos）或甚至更好的卫星图像（QuickBird，geoEye），以及最相关的卫星图像作品对其图像进行实验。此外，Skybox Imaging发射的SkySat-1卫星是第一颗民用卫星，用于在全色视频中实现高达90秒的目标。这种实时卫星图像增强了全球业务，包括油储存监测，灾害响应[1]，生态系统干扰检测[2]和海上监测[3,4]等。当今智能交通系统的主要数据来源通常来自地面固定或基于天线的相机或传感器。这些图像的主要缺点是有限的空间覆盖。结果，研究人员开始注意更高的空间。在广域监测领域具有巨大的潜力和优势，卫星视频已成为交通管理的一个新的强有力的方式。

作为智能交通指南和军事国土检测的基础，车辆检测已经被充分研究但是仍然是一个富有价值的研究领域。现有的车辆检测算法用于地面采样图像或者航拍图像。也有一些实现工作专注于汽车检测卫星图像，当相同的工作在卫星视频很少不考虑时它们提供良好的结果。因此，为在连续卫星视频中小型移动车辆检测设计的一个实用方法迫切需要解锁地球卫星视频的多有潜能。

作为地球观测的一种新的访问点，天基监测平台为实时视频分析带来了一些挑战。图一的现场图大约是1.8*1.1平方公里。我们的统计数字显示，图1a中有超过一百辆汽车。与航拍图像相比，卫星视频中的车辆从几像素到十二像素。小型车辆在卫星视频序列中也表现出背景低对比度。因此，没有可用提取的外观和形状信息来进行分类算法。车辆检测的另一个困难在于卫星视频更加复杂的背景。高空间覆盖率会带来宽阔的视野和完整的道路，但是......

Abstract: Vehicle surveillance of a wide area allows us to learn much about the daily activities and traffic information. With the rapid development of remote sensing, satellite video has become an

important data source for vehicle detection, which provides a broader field of surveillance. The achieved work generally focuses on aerial video with moderately-sized objects based on feature

extraction. However, the moving vehicles in satellite video imagery range from just a few pixels to dozens of pixels and exhibit low contrast with respect to the background, which makes it hard

to get available appearance or shape information. In this paper, we look into the problem of moving vehicle detection in satellite imagery. To the best of our knowledge, it is the first time to

deal with moving vehicle detection from satellite videos. Our approach consists of two stages:first, through foreground motion segmentation and trajectory accumulation, the scene motion heat map is dynamically built. Following this, a novel saliency based background model which intensifies moving objects is presented to segment the vehicles in the hot regions. Qualitative and quantitative experiments on sequence from a recent Skybox satellite video dataset demonstrates that our approach achieves a high detection rate and low false alarm simultaneously.

Keywords: moving vehicle detection; satellite video; motion heat map; local saliency map

1. Introduction

An increasing number of commercial earth observation satellites have been launched over the past decades that generate large quantities of satellite......