【技术实现步骤摘要】
本专利技术涉及计算机视觉技术,具体是涉及基于多模型估计的面向移动摄像机的运动目标检测方法。
技术介绍
运动目标检测是计算机视觉研究热点之一。根据摄像机的状态,可以分为面向静止摄像机的检测和面向移动摄像机的检测两大类。面向移动摄像机的目标检测,摄像机发生移动和旋转,导致背景和物体同时发生运动,增加了运动目标检测的难度。面向移动摄像机的运动目标检测技术已经广泛应用于自动驾驶和运动目标跟踪,机器人导航中。因此,对计算机视觉中的移动摄像机下运动目标检测技术进行深入研究,不断提高检测的准确率,具有重要的现实意义。当前计算机视觉领域中的移动摄像机下的运动目标检测主要有3类:光流法、背景减除法和帧间差分法。光流法的主要思想是图像中背景和运动目标的运动速度不同,两者之间的光流存在较大的差异。因此可以通过分析特征点长期的轨迹来检测和分割运动物体。该方法能较好地适应摄像机移动的情形。但是该方法对图像边缘和噪声十分敏感,同时全局稠密光流的微分和迭代计算量大,无法保证实时性,且存在孔径问题。背景减除法利用图像配准来动态更新背景模型,通过比较实际图像与背景模型来获取运动目标。该方法能够检测出运动目标的所有像素点,但是该方法对光照变化等十分敏感,容易产生大量错检。帧间差分法对连续补偿运动摄像机帧的背景进行配准,将目标检测转化为静态背景下的运动物体检测问题,通过前后帧之间的差分图像分离出运动物体。该方法计算简单,精度高,能够较好的适应环境变化较大的情况,但是一般不能获得运动目标的完整轮廓。基于帧间差分的主要方法有Zhou D等人(Zhou D,Wang L,Cai X,et al.D ...
【技术保护点】
基于多模型估计的面向移动摄像机的运动目标检测方法,其特征在于包括以下步骤:A)对输入视频图像序列进行预处理,并进行特征提取,将前一帧Ik‑1和当前帧Ik提取到的特征点和进行匹配,得到两幅图像间的多个匹配对其中x和y为前一帧Ik‑1特征点坐标,u和v为当前帧Ik特征点坐标,Nk‑1和Nk分别为前一帧和当前帧的特征点数目,N为帧数,N、Nk‑1和Nk为自然数;B)使用RANSAC方法从匹配对F中估计出第一个投影变换模型S1;C)使用RANSAC方法从匹配对F中提取第二个投影变换模型S2;D)分别使用两个变换模型将S1,S2把前一帧Ik‑1投影到当前帧Ik并进行帧差,得到两个差分图d1和d2;E)将前一帧的检测结果Mk‑1作为置信区域,对步骤D)得到的两个差分图d1和d2进行二值化得到两个二值化差分图mask1和mask2;F)将步骤E)得到的两个二值化差分图mask1和mask2进行逻辑与操作得到一个二值化图maskAndk;G)将步骤F)得到的二值化图maskAndk进行形态学处理得到最终的检测结果Mk。
【技术特征摘要】
1.基于多模型估计的面向移动摄像机的运动目标检测方法,其特征在于包括以下步骤:A)对输入视频图像序列进行预处理,并进行特征提取,将前一帧Ik-1和当前帧Ik提取到的特征点和进行匹配,得到两幅图像间的多个匹配对其中x和y为前一帧Ik-1特征点坐标,u和v为当前帧Ik特征点坐标,Nk-1和Nk分别为前一帧和当前帧的特征点数目,N为帧数,N、Nk-1和Nk为自然数;B)使用RANSAC方法从匹配对F中估计出第一个投影变换模型S1;C)使用RANSAC方法从匹配对F中提取第二个投影变换模型S2;D)分别使用两个变换模型将S1,S2把前一帧Ik-1投影到当前帧Ik并进行帧差,得到两个差分图d1和d2;E)将前一帧的检测结果Mk-1作为置信区域,对步骤D)得到的两个差分图d1和d2进行二值化得到两个二值化差分图mask1和mask2;F)将步骤E)得到的两个二值化差分图mask1和mask2进行逻辑与操作得到一个二值化图maskAndk;G)将步骤F)得到的二值化图maskAndk进行形态学处理得到最终的检测结果Mk。2.如权利要求1所述基于多模型估计的面向移动摄像机的运动目标检测方法,其特征在于在步骤A)中,所述对输入视频图像序列进行预处理的具体步骤为:A1)对图像进行灰度化处理;A2)对图像进行一次高斯滤波操作去除噪声;A3)对图像进行SURF特征提取;A4)将前一帧Ik-1和当前帧Ik提取到的特征点和进行匹配,得到两幅图像间的多个匹配对3.如权利要求1所述基于多模型估计的面向移动摄像机的运动目标检测方法,其特征在
\t于在步骤B)中,所述从匹配对F中估计出第一个投影变换模型S1的具体步骤为:B1)从匹配对F中随机选取四个匹配对,根据公式: x y 1 = a 0 a 1 a 2 a 3 a 4 a 5 a 6 a 7 a 8 · u v 1 ]]>计算出一个模型假设Si的9个参数(a0~a8),其中u和v为匹配对中前一帧特征点的坐标,x和y匹配对中当前帧特征点坐标;B2)计算所有匹配对F相对于模型假设Si的投影误差: err ( f k - 1 i ( x , y ) , f k j ( u ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。