基于视觉湖面船只检测识别与跟踪方法技术

一种基于视觉湖面船只识别与跟踪方法，包括显著性检测步骤：提取湖面岸线部分区域ROI进行岸线检测，对所述湖面区域进行显著性检测，得到目标存在的确定度；SVM分类器检测步骤：提取湖面区域ROI，进行SVM分类器检测，检测目标存在的确定度；目标判断步骤：利用显著性检测和SVM分类器分别对视频帧连续检测15帧，综合判断是否检测到目标；确定目标船只跟踪步骤：若检测到目标，则对目标进行跟踪；若没有检测到目标，则对视频帧重新检测。本发明专利技术识别和检测准确率高，跟踪目标鲁棒性强，并且结合了显著性检测目标，分类器识别目标和压缩感知在线跟踪三种方法，能够更加准确的实现湖面船只的检测识别和跟踪。

【技术实现步骤摘要】

本专利技术涉及计算机视觉
，具体地，涉及一种基于视觉湖面船只检测识别与跟踪方法。
技术介绍
目标检测、识别与跟踪广泛应用于计算机视觉领域的多个方面，例如安全监控、机器人视觉系统和湖面船只等。在检测识别的过程中的各种干扰，如背景干扰、遮挡、目标形状和光照变化等，仍是需要解决的技术难题。另外，在跟踪过程中，当目标运动速度快，目标模型变化大，容易导致方法失效。为了能自动检测和识别目标并准确进行目标跟踪，研究人员提出很多不同的方法。基于二分类SVM方法，在小样本训练集上能够得到比其它算法好很多的结果，但是难以适应新的环境；而基于颜色、亮度等特征进行全局对比度显著性检测目标的方法容易受复杂环境和光照的影响，因此急需一种效果良好的目标检测识别和跟踪的方法。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于视觉湖面船只检测识别与跟踪方法。根据本专利技术提供的基于视觉湖面船只检测识别与跟踪方法，包括如下步骤：显著性检测步骤：提取湖面岸线部分区域ROI进行岸线检测，并根据岸线检测结果提取出湖面区域，对所述湖面区域进行显著性检测，得到目标存在的确定度；SVM分类器检测步骤：提取湖面区域ROI，进行SVM分类器检测，检测目标存在的确定度；目标判断步骤：利用显著性检测和SVM分类器分别对视频帧连续检测，根据两种方法检测到目标的确定度结果，综合判断是否检测到目标；确定目标船只跟踪步骤：若检测到目标，则利用在线压缩跟踪CT(CompressiveTracking)方法对目标进行跟踪；若没有检测到目标，则显著性和SVM分类器方法分别对视频帧重新检测。优选地，所述显著性检测步骤包括：步骤a1：连续检测15帧，提取每帧图像中所包含的岸线的ROI区域进行岸线检测；步骤a2：根据岸线检测结果提取出湖面部分区域；步骤a3：根据提取出的湖面部分区域采用Lab颜色空间的颜色亮度特征进行目标显著性检测后得到显著图，将所述显著图二值化，并提取得到目标轮廓和目标位置；步骤a4：统计经检测的15帧中显著性检测到目标的帧数，记为c1。优选地，所述SVM分类器检测步骤包括：步骤b1：连续检测15帧，提取每帧图像中包含的湖面的ROI区域；步骤b2：利用离线训练好的SVM分类器对提取的湖面的ROI区域进行检测，得到目标位置；步骤b3：统计经检测的15帧中SVM分类器检测到目标的帧数，记为c2。优选地，所述确定跟踪方案步骤中的跟踪方案包括：当显著性检测步骤中检测到目标帧数c1和SVM分类器检测步骤中检测到目标帧数c2均大于或等于设定的阈值帧数时，则确定是目标船只，并用压缩跟踪CT方法对目标船只进行跟踪；当显著性检测步骤中检测到目标帧数c1大于或等于设定的阈值帧数，而SVM分类器检测步骤中检测到目标帧数c2小于设定的阈值帧数时，则利用压缩跟踪CT方法对显著性检测到的目标进行跟踪，并每隔一定帧数统计显著性检测到目标的帧数m，若m大于或等于设定的阈值帧数，则认为显著性检测到的是目标船只，继续进行跟踪，若小于设定的阈值帧数，则重新执行显著性检测步骤、SVM分类器检测步骤；当显著性检测步骤中检测到目标帧数c1小于设定的阈值帧数，而SVM分类器检测步骤中检测到目标帧数c2大于等于设定的阈值帧数时，则利用压缩跟踪CT方法对SVM分类器检测到的目标进行跟踪，并每隔一定帧数统计SVM分类器检测到目标的帧数n，若n大于或等于设定的阈值帧数，则认为SVM分类器检测到的是目标船只，继续进行跟踪，若小于设定的阈值帧数，则重新执行显著性检测步骤、SVM分类器检测步骤；当显著性检测步骤中检测到目标帧数c1和SVM分类器检测步骤中检测到目标帧数c2均小于设定的阈值帧数时，则重新执行显著性检测步骤、SVM分类器检测步骤；另外，当目标超出视野范围后再次进入视野时，重新执行显著性检测步骤、SVM分类器检测步骤。与现有技术相比，本专利技术具有如下的有益效果：1、本专利技术提供的基于视觉湖面船只检测识别与跟踪方法，识别和检测准确率高，跟踪目标鲁棒性强，并且结合了显著性检测目标，分类器识别目标和压缩感知在线跟踪三种方法，能够更加准确的实现湖面船只的检测识别和跟踪。2、本专利技术提供的基于视觉湖面船只检测识别与跟踪方法能够适应新的环境，尤其是对复杂环境和光照条件下的目标检测识别和跟踪。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术提供的基于视觉湖面船只检测识别与跟踪方法的流程示意图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。根据本专利技术提供的基于视觉湖面船只检测识别与跟踪方法，包括如下步骤：显著性检测步骤：提取包含湖面岸线部分区域ROI(Region Of Interest，感兴趣区域)，进行岸线检测，并根据岸线检测结果提取出湖面区域，对所述湖面区域进行显著性检测，得到目标存在的确定度；SVM分类器检测步骤：提取包含湖面区域ROI，进行SVM分类器(Support VectorMachine，支持向量机)检测，检测目标存在的确定度；目标判断步骤：利用显著性检测和SVM分类器分别对视频帧连续检测15帧，并统计在这15帧中利用显著性检测到目标船只的帧数c1和利用SVM分类器检测到目标船只的帧数c2,综合判断是否检测到目标。确定目标船只跟踪步骤：若检测到目标，则利用在线压缩跟踪CT(CompressiveTracking)方法对目标进行跟踪；若没有检测到目标，则显著性和SVM分类器方法分别重新检测。所述跟踪方案包括：连续检测视频帧15帧，当显著性检测步骤中检测到目标帧数c1和SVM分类器检测步骤中检测到目标帧数c2均大于或等于设定的阈值帧数时，则确定是目标船只，并
用压缩跟踪CT方法对目标船只进行跟踪。当显著性检测步骤中检测到目标帧数c1大于或等于设定的阈值帧数，而SVM分类器检测步骤中检测到目标帧数c2小于设定的阈值帧数时，则利用CT跟踪方法对显著性检测到的目标进行跟踪，并每隔一定帧数统计显著性检测到目标的帧数m，若m大于或等于设定的阈值帧数，则认为显著性检测到的是目标船只，继续进行跟踪，若小于设定的阈值帧数，则重新执行显著性检测步骤、SVM分类器检测步骤；当显著性检测步骤中检测到目标帧数c1小于设定的阈值帧数，而SVM分类器检测步骤中检测到目标帧数c2大于等于设定的阈值帧数时，则利用CT跟踪方法对SVM分类器检测到的目标进行跟踪，并每隔一定帧数统计SVM分类器检测到目标的帧数n，若n大于或等于设定的阈值帧数，则认为SVM分类器检测到的是目标船只，继续进行跟踪，若小于设定的阈值帧数，则重新执行显著性检测步骤、SVM分类器检测步骤；当显著性检测步骤中检测到目标帧数c1和SVM分类器检测步骤中检测到目标帧数c2均小于设定的阈值帧数时，则重新执行显著性检测步骤、SVM分类器检测步骤；另外，当目标超出视野范围当再次进入视野时，重新执行显著性检测步骤、SVM分类器检测步骤。具体地，对本专利技术做进一步地说明。步骤S1：首先从视频本文档来自技高网...

【技术保护点】
一种基于视觉湖面船只检测识别与跟踪方法，其特征在于，包括如下步骤：显著性检测步骤：提取湖面岸线部分区域ROI进行岸线检测，并根据岸线检测结果提取出湖面区域，对所述湖面区域进行显著性检测，得到目标存在的确定度；SVM分类器检测步骤：提取湖面区域ROI，进行SVM分类器检测，检测目标存在的确定度；目标判断步骤：利用显著性检测和SVM分类器分别对视频帧连续检测，根据两种方法检测到目标的确定度结果，综合判断是否检测到目标；确定目标船只跟踪步骤：若检测到目标，则利用在线压缩跟踪CT方法对目标进行跟踪；若没有检测到目标，则显著性和SVM分类器方法分别对视频帧重新检测。

【技术特征摘要】
1.一种基于视觉湖面船只检测识别与跟踪方法，其特征在于，包括如下步骤：显著性检测步骤：提取湖面岸线部分区域ROI进行岸线检测，并根据岸线检测结果提取出湖面区域，对所述湖面区域进行显著性检测，得到目标存在的确定度；SVM分类器检测步骤：提取湖面区域ROI，进行SVM分类器检测，检测目标存在的确定度；目标判断步骤：利用显著性检测和SVM分类器分别对视频帧连续检测，根据两种方法检测到目标的确定度结果，综合判断是否检测到目标；确定目标船只跟踪步骤：若检测到目标，则利用在线压缩跟踪CT方法对目标进行跟踪；若没有检测到目标，则显著性和SVM分类器方法分别对视频帧重新检测。2.根据权利要求1所述的基于视觉湖面船只检测识别与跟踪方法，其特征在于，所述显著性检测步骤包括：步骤a1：连续检测15帧，提取每帧图像中所包含的岸线的ROI区域进行岸线检测；步骤a2：根据岸线检测结果提取出湖面部分区域；步骤a3：根据提取出的湖面部分区域采用Lab颜色空间的颜色亮度特征进行目标显著性检测后得到显著图，将所述显著图二值化，并提取得到目标轮廓和目标位置；步骤a4：统计经检测的15帧中显著性检测到目标的帧数，记为c1。3.根据权利要求1所述的基于视觉湖面船只检测识别与跟踪方法，其特征在于，所述SVM分类器检测步骤包括：步骤b1：连续检测15帧，提取每帧图像中包含的湖面的ROI区域；步骤b2：利用离线训练好的SVM分类器对提取的湖面的ROI区域进行检测，得到目标位置；步骤b3：统计经检测的15帧中SVM分类器检测到...

【专利技术属性】
技术研发人员：王贺升，陈卫东，张香利，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31