一种基于空间-时间频谱联合分析的运动目标检测方法技术

本发明专利技术公开一种基于空间-时间频谱联合分析的运动目标检测方法。针对视频序列，该方法主要包括单帧图像像素间空间频谱分析及连续多帧图像对应像素点时间序列时间频谱分析。其中对单帧静态图像的空间频谱分析能够检测出图像像素间信息的突变，从而得到有可能包含运动目标的候选图像区域，以此作为运动目标的候选区域。进而在初步得到的候选区域中，对连续多帧图像对应像素点所组成的时间序列的时间频谱进行分析。该分析能够检测同一像素点在时间上的突变，以此检测出候选区域中所包含的运动目标。最终实现对场景运动目标的检测。本发明专利技术能够稳定、可靠地用于复杂场景中的运动目标运动检测，且运算效率较高。

【技术实现步骤摘要】

本专利技术涉及一种基于空间-时间频谱联合分析的运动目标检测方法，尤其涉及一种运动目标检测方法，属于计算机视觉

技术介绍
运动目标检测作为计算机视觉领域的研究热点，在智能视频监控、图像检索、运动分析等众多领域都均有着十分广泛的应用。近年来，随着运动特征提取及目标检测技术的发展，业已形成多种运动目标检测方法，主要包括帧间差分法、背景差分法、光流法等。帧间差分法的基本原理是对视频图像序列中连续两帧图像作“减法”运算，通过图像像素点间的一对一比较实现运动信息的提取及运动目标检测。不同于帧间差分法，背景差分法首先以更加抽象的数学模型对图像背景信息进行形式化建模。在此基础上通过滤波技术实现对运动目标的准确检测。因此，如何对背景图像准确的建模是该方法的核心，主要包括统计平均、核密度估计、高斯混合模型(GMM)、压缩感知、码本模型(Coodbook)等建模方法。不同于前二种方法，光流法以图像中各像素点灰度值的瞬时变化率(光流)为基础，根据光流的差异区分目标和背景。对于运动目标检测研究，文献[1]提出了一种基于Harris角点匹配的补偿HS光流法(CHS)。该算法能够很好的求解对大位移刚性物体的光流计算，从而实现对运动目标的检测。文献[2]将五帧差分法和背景相减法结合实现动态场景中的运动目标检测。文献[3]基于高斯混合模型的遗传K均值算法进行运动目标检测。根据遗传K均值算法在时间轴上将图像像素进行聚类，实现对背景的分类，从而实现运动目标检测。文献[4]在图像显著性提取过程中添加了一个差分通道提取多帧图像间的运动特征，该方法能够实现对运动目标的检测。文献[5]将静态显著图与动态显著图相互融合，在静态显著图上加入了方向特征从而实现对运动目标的检测。上述研究均能在一定程度上实现对运动目标的检测，为运动目标检测方法研究奠定了基础。但这些工作多是在图像的空域、时域中所进行的研究背景噪声及静态目标对运动目标检测的干扰较大。目前，通过图像频域中的计算实现运动目标检测的相关方法较少，更没有采用空间-时间频谱联合分析的运动目标检测方法。采用频谱分析实现运动目标检测方法的技术优势在于能够有效抑制空域或时间域中所包含的噪声。且由于仅需要傅里叶变换的支持及简单的线性计算，基于空间-时间频谱联合分析的运动目标检测算法的运算复杂度较低。鉴于此，本专利技术通过空间频谱分析首先提取可能包含运动目标的候选区域，随后在候选区域中通过时间频谱分析获取候选区域中的运动信息，以确定运动目标的图像区域，实现运动目标检测。参考文献：[1]Lu Ziyun,Liu Wei.The Compensated HS Optical Flow Estimation Based on Matching Harris Corner Points[C]//International Conference on Electrical and Control Engineering,2010.[2]Huijuan Zhang,Hanmei Zhang,A Moving Target Detection Algorithm Based on Dynamic Scenes[C]//The 8th International Conference on Computer Science&Education,2013.[3]Duan Xiuman,Sun Guoxia,Yang Tao.Moving target detection based on Genetic K-means Algorithm[C]//International Conference on Communication Technology(ICCT):IEEE,2011.[4]GUO Chenlei,MA QI,ZHANG Liming.Spatio-temporal saliency detection using phase spectrum of quaternion Fourier transform[C]//Conference on Computer Vision and Pattern Recognition.Alaska:IEEE,2008:1-8.[5]肖利梅，曹洁，李策，基于多尺度相位谱的显著性运动目标检测[J].兰州理工大学学报，2011。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于空间-时间频谱联合分析的运动目标检测方法，通过提出视频连续帧图像时间频谱分析方法，获取对应像素点的时变信息。进而同静态单帧图像空间频谱分析方法相结合，将其作为时间频谱分析的前端处理环节，以空间频谱分析获取运动目标的候选图像区域，从而减少后端时间频谱分析所需的计算量。两种频谱分析方法的结合能够以较小的计算复杂度为代价准确实现运动目标检测。技术方案：一种基于空间-时间频谱联合分析的运动目标检测方法，包括：首先将单帧图像视为静态的样本，采用空间傅里叶变换的计算方法获取该图像的空间频谱信息；随后，在此基础上进一步提取该图像的空间频谱所对应的相位谱；随后，采用空间反傅里叶变换仅对相位谱进行反变换，获得图像中像素在空间上的突变，形成运动目标的特征图像。随后，采用高斯滤波器对所形成的特征图进行平滑并进行二值化处理，以形成候选运动目标模板图像，其中强度值饱和的区域对应于候选运动目标区域。随后，将候选运动目标模板图像同原始图像相互点乘，所得图像中非零区域中的图像信息即为候选运动目标图像信息。至此，完成对视频序列图像的空间频谱分析。在候选目标区域中包含有静态目标区域，运动目标区域及背景中同邻域差异较大的噪声区域。将视频帧图像视为时间上连续的时变样本。在每帧图像中的候选运动目标区域中，针对每一个空间位置，将像素组成在时间上连续的序列。采用时间傅里叶变换的计算方法获取该位置像素序列的时间频谱信息。随后，在上述步骤的基础上进一步提取该频谱所对应的相位谱。随后，对该相位谱进行滤波，计算其波动幅度。设置阈值，若其波动幅度大于阈值则对应于该位置像素在时间上发生突变，该像素属于运动目标区域。反之，则认为该位置像素在时间上并没有发生变化，不属于运动目标。将属于运动目标区域的像素值设置为1其余设置为0，以此作为运动目标的模板图像。最后，将运动目标模板图像同原始图像相互点乘，所得图像中非零区域即为运动目标区域。本专利技术采用上述技术方案，具有以下有益效果：1、抗干扰能力强。首先本文档来自技高网...

【技术保护点】
一种基于空间‑时间频谱联合分析的运动目标检测方法，其特征在于，对视频序列中的连续帧图像，将其作为一个独立的静态样本进行空间频谱分析也将其作为时间上连续的时变样本进行时间频谱分析，以实现运动目标检测，包括：首先对单帧图像进行空间傅里叶变换，在其基础上提取图像的相位谱；通过这种操作能够提取单帧图像中像素间的突变信息；然后，采用空间反傅里叶变换仅对相位谱进行反变换，获得单帧图像中像素间的突变信息，得到特征图像；采用高斯滤波及阈值滤波技术对特征图像进行处理，获得标定候选运动目标区域的二值化模板图像；然后，将候选运动目标模板图像同原始图像点乘，在候选运动目标区域中包含有静态目标图像信息，运动目标图像信息及背景中同邻域差异较大的噪声信息；随后，对候选运动目标区域中对应像素点在时间轴上的序列进行时间傅里叶变换，在其基础上提取对应像素点时间序列的相位谱并对其进行阈值滤波；通过滤波能够提取出该相位谱的波动幅度，当波动幅度大于一定阈值时说明该位置像素点信息在时间上发生突变，对应于运动目标区域；将对应于运动目标区域的像素点的灰度值设置为1，其余为0，从而构建运动目标的模板图像；最后，将运动目标模板图像同原始图像点乘，其中非零区域即为运动目标所在区域，非零区域中所包含的信息为运动目标所对应的图像信息。...

【技术特征摘要】
1.一种基于空间-时间频谱联合分析的运动目标检测方法，其特征在于，对
视频序列中的连续帧图像，将其作为一个独立的静态样本进行空间频谱分析也将
其作为时间上连续的时变样本进行时间频谱分析，以实现运动目标检测，包括：
首先对单帧图像进行空间傅里叶变换，在其基础上提取图像的相位谱；通过
这种操作能够提取单帧图像中像素间的突变信息；
然后，采用空间反傅里叶变换仅对相位谱进行反变换，获得单帧图像中像素
间的突变信息，得到特征图像；采用高斯滤波及阈值滤波技术对特征图像进行处
理，获得标定候选运动目标区域的二值化模板图像；
然后，将候选运动目标模板图像同原始图像点乘，在候选运动目标区域中包
含有静态目标图像信息，运动目标图像信息及背景中同邻域差异较大的噪声信
息；
随后，对候选运动目标区域中对应像素点在时间轴上的序列进行时间傅里叶
变换，在其基础上提取对应像素点时间序列的相位谱并对其进行阈值滤波；通过
滤波能够提取出该相位谱的波动幅度，当波动幅度大于一定阈值时说明该位置像
素点信息在时间上发生突变，对应于运动目标区域；将对应于运动目标区域的像
素点的灰度值设置为1，其余为0，从而构建运动目标的模板图像；
最后，将运动目标模板图像同原始图像点乘，其中非零区域即为运动目标所
在区域，非零区域中所包含的信息为运动目标所对应的图像信息。
2.如权利要求1所述的基于空间-时间频谱联合分析的运动目标检测方法，
其特征在于：对运动目标候选图像区域中对应像素点时间序列的时间傅里叶变
换，其输入为运动目标候选图像区域对应像素点在时间上顺序组成的序列。
3.如权利要求1所述的基于空间-时间频谱联合分析的运动目标检测方法，
其特征在于：将单帧图像视为独立样本I(x,y)，其中x＝0,1,…,M-1，
y＝0,1,…,N-1，对其进行二维空间傅里叶变换：
F(u,v)=FT(I(x,y))=Σx=0M-1Σy=0N-1I(x,y)e-juxe-jvy---(1)]]>其中，u＝0,1,…,M-1，v＝0,1,…,N-1；

【专利技术属性】
技术研发人员：陈哲，徐立中，孙臻，李琦，沈洁，储艳丽，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32