一种时空域统计匹配局部特征的运动目标检测方法技术

本发明专利技术公开了一种时空域统计匹配和权重分配结合的运动目标检测方法。方法为：首先，提出并研究3‑D LWR算子可区分邻域像素点的重要性，用于提取视频的更精细的时空局部特征。其次，3‑D LWR模板集特征分别去背景和多尺度缩放形成复合模板集，与待测视频的局部特征进行匹配，得到局部相似性矩阵。最后进行时空统计，得到运动目标的位置概率矩阵，并通过分析位置概率矩阵来提取运动目标。本方法将传统的LARK算子和权重分配相结合，构建了一种新的运动目标时空统计匹配检测模型。对比现有监督类方法，本发明专利技术不需要大量训练就能达到同等检测精度；对比现有的非监督类方法，本发明专利技术扩展了待测视频适用的场景和拍摄角度，降低了误检率，对可见光视频和红外视频均适用。

【技术实现步骤摘要】
一种时空域统计匹配局部特征的运动目标检测方法
本专利技术属于人工智能领域的运动目标检测技术，特别是一种时空域相似度判断、统计整体相似度和视频局部带权重特征结合的运动目标检方法。
技术介绍
为了更高效的从日益增长的海量的视频中提取目标信息、提高搜索效率等，运动目标检测模型研究一直是人工智能领域的重点发展技术。现有的监督类方法需要大量训练、算法复杂度高，而非监督类方法检测精度低、依赖于特征。本文根据运动目标检测精度高、时效快、参数少、易实现的要求，探索并设计实现了一种时空域统计匹配局部特征的运动目标检测方法。三维LARK特征由Seo等人在2010年提出，具有旋转和尺度不变性，抓住图像潜在结构而不受噪声影响、稳定性好的优点，但是不能区分中心像素点和邻域像素点的重要性；而HOG特征没有尺度、旋转不变性，LBP特征无法保留图像细节，SIFT特征容易被背景和噪声影响；CNN特征通过卷积核由浅入深地提取不同层次的特征，效果较好但是训练样本冗长复杂。在检测方法方面，非监督类中Seo的方法使用全背景整体模板，目标与模板整体匹配，导致待测视频适用场景有限；当运动目标动作路径与模板不同时，待测视频拍摄角度本文档来自技高网...

【技术保护点】
一种时空域统计匹配局部特征的运动目标检测方法，其特征在于，包括以下步骤：步骤1、提出3‑D LWR算子：根据邻域像素点距离中心像素点的距离远近，设置基于圆域滤波器的时空权重滤波器f，结合现有的局部自适应回归核，得到时空局部带权重的回归核3‑D LWR算子；步骤2、构建复合模板集：将模板视频转成灰度图片序列，然后将图片序列去背景，选取运动半身和多尺度缩放处理，再用3‑D LWR算子提取模板的局部特征，最后用主成分分析法和向量余弦匹配法对模板局部特征做冗余去除处理；步骤3、待测视频预处理：将待测视频转换为灰度图片序列，并提取显著性区域，提取显著视频的3‑D LWR特征，并用主成分分析法进行去冗余处...

【技术特征摘要】
1.一种时空域统计匹配局部特征的运动目标检测方法，其特征在于，包括以下步骤：步骤1、提出3-DLWR算子：根据邻域像素点距离中心像素点的距离远近，设置基于圆域滤波器的时空权重滤波器f，结合现有的局部自适应回归核，得到时空局部带权重的回归核3-DLWR算子；步骤2、构建复合模板集：将模板视频转成灰度图片序列，然后将图片序列去背景，选取运动半身和多尺度缩放处理，再用3-DLWR算子提取模板的局部特征，最后用主成分分析法和向量余弦匹配法对模板局部特征做冗余去除处理；步骤3、待测视频预处理：将待测视频转换为灰度图片序列，并提取显著性区域，提取显著视频的3-DLWR特征，并用主成分分析法进行去冗余处理；步骤4、时空域相似性评估：将待测视频显著区域内每一像素点对应的3-DLWR特征向量，与复合模板集的所有特征向量进行余弦匹配，记录最大匹配值对应的模板中向量的位置；步骤5、时空域整体相似度统计：设立时空统计窗口，统计窗口内不同的位置数目，得到运动目标存在的概率矩阵；步骤6、根据统计概率矩阵，用非极大值抑制的方法，逐帧提取出运动目标位置，并恢复成视频。2.根据权利要求1所述的时空域统计匹配局部特征的运动目标检测方法，其特征在于，步骤1中所述时空权重滤波器f的大小为5×5×3，中间第二帧为圆域均值滤波器，第一帧和第三帧相同，具体为：步骤1-1、3-DLWR特征基于的局部自适应回归算子，公式为：其中，xl是时空中心点，xi是中心点时空邻域窗口内的像素点，h是全局平滑参数，Cl∈R3×3是基于行、列和时间方向上的梯度向量的协方差矩阵；计算Cl∈R3×3时需要另取一个时空邻域范围，设为5×5×3，邻域范围内的像素点被同等的选取，且Cl∈R3×3计算公式为：式中，m＝5×5×3＝75，梯度向量矩阵J公式为步骤1-2、区分中心点周围像素点的重要性，将协方差矩阵与时空权重滤波器f结合，其公式为：Jnew＝Jl×f,∈5×5×3步骤1-3、时空权重滤波器f∈5×5×3，中间第二帧为半径为5的圆域均值滤波器，如下式f(：，：，2)所示；第一帧和第三帧由基于圆域均值滤波器乘以权重因子0.6变形而成；由于Cl∈R3×3在计算的过程中要使用奇异值分解，用于降低维度的主成分分析法PCA中要使用特征值分解，数值为0则不必经历奇异值分解和特征值分解，由于0.2138乘以权重因子0.6后的数值接近于0，因此将其设置为0，将小数点后面第二位的数字忽略，得到权重矩阵的第一和第三帧，如下式f(：，：，1)所示，具体公式为：步骤1-4、对步骤1中所述的3-DLWR，其中协方差矩阵公式为：使用带权重的Cinew代替原来的cl，得到整个视频中每个点的核值K，再进行归一化，将归一化之后窗口内的各像素点对应的元素值按序排成一列，得到该点的局部自适应回...

【专利技术属性】
技术研发人员：柏连发，崔议尹，韩静，张毅，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32