卫星视频运动目标检测方法及系统技术方案

本发明专利技术公开了一种卫星视频运动目标检测方法及系统，包括：从视频中选择基准帧，视频中基准帧外的其他帧为补偿帧，提取基准帧中各影像块的特征点；采用前后LK光流的点跟踪法对各影像块的特征点进行跟踪匹配，获得视频中相邻帧的匹配同名点集；利用匹配同名点集原补偿帧的运动补偿；对运动补偿后的第一帧中每一个像素建立背景模型；通过新补偿帧与背景模型比对提取运动目标获得二值图像，对二值图像提取连通域，获得候选目标；从候选目标中分离出可能的局部视差伪运动目标和鬼影目标；对新补偿帧进行背景更新。本发明专利技术可很好的剔除视差和鬼影导致的“伪运动”误检测，有效提高检测精度，广泛适用于卫星视频的运动分析与应用。

【技术实现步骤摘要】
卫星视频运动目标检测方法及系统
本专利技术属于移动背景建模和运动目标检测
，特别是一种卫星视频运动目标检测方法及系统。
技术介绍
随着遥感应用的深入,应用需求已从定期的静态普查向实时动态监测方向发展,利用卫星对全球热点区域和目标进行持续监测,获取动态信息已经成为迫切需求。除了经典光学遥感卫星影像包含的静态信息外，视频卫星还可以获取一定时空范围内的实时动态信息，使得遥感观测有更广阔的应用前景。在视频应用中，运动目标的检测是动态信息提取的重要一步，同时也是后期高级应用和处理的基础和前提。因此实现运动目标的准确、鲁棒检测和分割显得尤为重要。目前的卫星视频运动目标检测中，存在由场景全局运动和局部“伪运动”引起的严重误检问题。
技术实现思路
针对现有技术存在的问题，本专利技术提出了一种可避免“伪运动”误检的卫星视频运动目标检测方法及系统。本专利技术的技术方案如下：一、卫星视频运动目标检测方法，包括：S1选择视频的中间帧为基准帧，视频中基准帧外的其他帧为补偿帧；对基准帧进行分块获得影像块，提取各影像块的GoodFeatures特征点；S2从视频第1帧开始，在基准帧和补偿帧之间采用前后LK光流的点跟踪法对各影像块的GoodFeatures特征点进行跟踪匹配，获得匹配同名点集；S3利用匹配同名点集估计基准帧各影像块的帧间2D仿射模型参数，并建立帧间2D仿射模型转换关系；创建一与基准帧大小相同的空图像作为新补偿帧，根据帧间2D仿射模型转换关系，将原始补偿帧中与基准帧各影像块相对应的区域重采到新补偿帧，完成原始补偿帧的运动补偿；S4对运动补偿后的第一帧中每一个像素v，从像素v及其邻域中随机选取n个像素作为像素v的样本像素，建立像素v的背景模型Model(x)＝{v1，v2，...vn，a}，其中，vx表示第x个样本像素，x＝1,2...n；a为像素v的更新因子；S5通过新补偿帧与背景模型比对提取运动目标，并获得二值图像，对二值图像提取连通域，连通域即候选目标；所述的提取运动目标具体为：对新补偿帧中每一个像素V(X)，构建以V(X)为中心、R为半径的欧氏距离空间SR(V(X))，获取SR(V(X))与像素V(X)对应的背景模型中样本像素集合的交集，若交集中像素数大于等于数量阈值，则V(X)为背景像素，灰度记为0；否则，V(X)为运动像素，灰度记为255；R为经验值，在18～22范围取值；数量阈值为经验值；S6从候选目标中分离出可能的局部视差伪运动目标和可能的鬼影目标；所述的从候选目标中分离出可能的局部视差伪运动目标，具体为：(1)提取候选目标的最小外接矩形，计算最小外接矩形的长宽比ratio，若ratio>3.5，则该候选目标判断为可能的局部视差伪运动目标；(2)提取候选目标邻域的边缘线，判断边缘线与候选目标轮廓线是否相交，若相交，则该候选目标判断为可能的局部视差伪运动目标；所述的从候选目标中分离出可能的鬼影目标，具体为：记录候选目标在视频帧的位置，若候选目标在连续10帧的位置相同，则判断为可能的鬼影目标；S7对新补偿帧中各背景像素，从范围[1,a]的自然数中随机选取数s，若s＝1，则从该背景像素对应的背景模型中随机选择一个样本像素，用该背景像素替换该样本像素进行背景更新，a为该背景像素的更新因子；若s≠1，则不进行背景更新；新补偿帧中各像素的更新因子a采用如下方法设定：①将新补偿帧中可能的局部视差伪运动目标的最小外接矩形向帧间2D仿射模型的平移向量方向外扩b个像素，得到更新因子矩形A，b根据经验在10～12范围内取值；②逐一统计新补偿帧中各候选目标包含的像素数，对包含的像素数不大于3的候选目标，将其内像素的更新因子a设为1；对包含的像素数大于3但不大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为5；对包含的像素数大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为1；③对新补偿帧中可能的鬼影目标包含的像素，其更新因子a设为1；④新补偿帧中其他像素的更新因子设为10。S4中，估计基准帧各影像块的帧间2D仿射模型参数前，利用MSAC法剔除匹配同名点集中的误差匹配同名点。S5中，采用像素间的灰度差表示欧式距离。二、卫星视频运动目标检测系统，包括：特征点提取模块，用来选择视频的中间帧为基准帧，视频中基准帧外的其他帧为补偿帧；对基准帧进行分块获得影像块，提取各影像块的GoodFeatures特征点；跟踪匹配模块，用来从视频第1帧开始，在基准帧和补偿帧之间采用前后LK光流的点跟踪法对各影像块的GoodFeatures特征点进行跟踪匹配，获得匹配同名点集；运动补偿模块，用来利用匹配同名点集估计基准帧各影像块的帧间2D仿射模型参数，并建立帧间2D仿射模型转换关系；创建一与基准帧大小相同的空图像作为新补偿帧，根据帧间2D仿射模型转换关系，将原始补偿帧中与基准帧中各影像块相对应的区域重采到新补偿帧，完成原始补偿帧的运动补偿；背景模型构建模块，用来对运动补偿后的第一帧中每一个像素v，从像素v及其邻域中随机选取n个像素作为像素v的样本像素，建立像素v的背景模型Model(x)＝{v1，v2，...vn，a}，其中，vx表示第x个样本像素，x＝1,2...n；a为像素v的更新因子；运动目标提取模块，用来通过新补偿帧与背景模型比对提取运动目标，并获得二值图像，对二值图像提取连通域，连通域即候选目标；所述的提取运动目标具体为：对新补偿帧中每一个像素V(X)，构建以V(X)为中心、R为半径的欧氏距离空间SR(V(X))，获取SR(V(X))与像素V(X)对应的背景模型中样本像素集合的交集，若交集中像素数大于等于数量阈值，则V(X)为背景像素，灰度记为0；否则，V(X)为运动像素，灰度记为255；R为经验值，在18～22范围取值；数量阈值为经验值；伪运动目标提取模块，用来从候选目标中分离出可能的局部视差伪运动目标和可能的鬼影目标；所述的伪运动目标提取模块进一步包括局部视差伪运动目标分离模块和可能的鬼影目标分离模块，其中：局部视差伪运动目标分离模块，用来从候选目标中分离出可能的局部视差伪运动目标，具体为：(1)提取候选目标的最小外接矩形，计算最小外接矩形的长宽比ratio，若ratio>3.5，则该候选目标判断为可能的局部视差伪运动目标；(2)提取候选目标邻域的边缘线，判断边缘线与候选目标轮廓线是否相交，若相交，则该候选目标判断为可能的局部视差伪运动目标；可能的鬼影目标分离模块，从候选目标中分离出可能的鬼影目标，具体为：记录候选目标在视频帧的位置，若候选目标在连续10帧的位置相同，则判断为可能的鬼影目标；背景补偿模块，用来对新补偿帧中各背景像素，从范围[1,a]的自然数中随机选取数s，若s＝1，则从该背景像素对应的背景模型中随机选择一个样本像素，用该背景像素替换该样本像素进行背景更新，a为该背景像素的更新因子；若s≠1，则不进行背景更新；新补偿帧中各像素的更新因子a采用如下方法设定：①将新补偿帧中可能的局部视差伪运动目标的最小外接矩形向帧间2D仿射模型的平移向量方向外扩b个像素，得到更新因子矩形A，b根据经验在10～12范围内取值；②逐一统计新补偿帧中各候选目标包含的像素数，对本文档来自技高网...

【技术保护点】
卫星视频运动目标检测方法，其特征是，包括：S1选择视频的中间帧为基准帧，视频中基准帧外的其他帧为补偿帧；对基准帧进行分块获得影像块，提取各影像块的Good Features特征点；S2从视频第1帧开始，在基准帧和补偿帧之间采用前后LK光流的点跟踪法对各影像块的GoodFeatures特征点进行跟踪匹配，获得匹配同名点集；S3利用匹配同名点集估计基准帧各影像块的帧间2D仿射模型参数，并建立帧间2D仿射模型转换关系；创建一与基准帧大小相同的空图像作为新补偿帧，根据帧间2D仿射模型转换关系，将原始补偿帧中与基准帧各影像块相对应的区域重采到新补偿帧，完成原始补偿帧的运动补偿；S4对运动补偿后的第一帧中每一个像素v，从像素v及其邻域中随机选取n个像素作为像素v的样本像素，建立像素v的背景模型Model(x)＝{v1，v2，...vn，a}，其中，vx表示第x个样本像素，x＝1,2...n；a为像素v的更新因子；S5通过新补偿帧与背景模型比对提取运动目标，并获得二值图像，对二值图像提取连通域，连通域即候选目标；所述的提取运动目标具体为：对新补偿帧中每一个像素V(X)，构建以V(X)为中心、R为半径的欧氏距离空间SR(V(X))，获取SR(V(X))与像素V(X)对应的背景模型中样本像素集合的交集，若交集中像素数大于等于数量阈值，则V(X)为背景像素，灰度记为0；否则，V(X)为运动像素，灰度记为255；R为经验值，在18～22范围取值；数量阈值为经验值；S6从候选目标中分离出可能的局部视差伪运动目标和可能的鬼影目标；所述的从候选目标中分离出可能的局部视差伪运动目标，具体为：(1)提取候选目标的最小外接矩形，计算最小外接矩形的长宽比ratio，若ratio>3.5，则该候选目标判断为可能的局部视差伪运动目标；(2)提取候选目标邻域的边缘线，判断边缘线与候选目标轮廓线是否相交，若相交，则该候选目标判断为可能的局部视差伪运动目标；所述的从候选目标中分离出可能的鬼影目标，具体为：记录候选目标在视频帧的位置，若候选目标在连续10帧的位置相同，则判断为可能的鬼影目标；S7对新补偿帧中各背景像素，从范围[1,a]的自然数中随机选取数s，若s＝1，则从该背景像素对应的背景模型中随机选择一个样本像素，用该背景像素替换该样本像素进行背景更新，a为该背景像素的更新因子；若s≠1，则不进行背景更新；新补偿帧中各像素的更新因子a采用如下方法设定：①将新补偿帧中可能的局部视差伪运动目标的最小外接矩形向帧间2D仿射模型的平移向量方向外扩b个像素，得到更新因子矩形A，b根据经验在10～12范围内取值；②逐一统计新补偿帧中各候选目标包含的像素数，对包含的像素数不大于3的候选目标，将其内像素的更新因子a设为1；对包含的像素数大于3但不大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为5；对包含的像素数大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为1；③对新补偿帧中可能的鬼影目标包含的像素，其更新因子a设为1；④新补偿帧中其他像素的更新因子设为10。...

【技术特征摘要】
1.卫星视频运动目标检测方法，其特征是，包括：S1选择视频的中间帧为基准帧，视频中基准帧外的其他帧为补偿帧；对基准帧进行分块获得影像块，提取各影像块的GoodFeatures特征点；S2从视频第1帧开始，在基准帧和补偿帧之间采用前后LK光流的点跟踪法对各影像块的GoodFeatures特征点进行跟踪匹配，获得匹配同名点集；S3利用匹配同名点集估计基准帧各影像块的帧间2D仿射模型参数，并建立帧间2D仿射模型转换关系；创建一与基准帧大小相同的空图像作为新补偿帧，根据帧间2D仿射模型转换关系，将原始补偿帧中与基准帧各影像块相对应的区域重采到新补偿帧，完成原始补偿帧的运动补偿；S4对运动补偿后的第一帧中每一个像素v，从像素v及其邻域中随机选取n个像素作为像素v的样本像素，建立像素v的背景模型Model(x)＝{v1，v2，...vn，a}，其中，vx表示第x个样本像素，x＝1,2...n；a为像素v的更新因子；S5通过新补偿帧与背景模型比对提取运动目标，并获得二值图像，对二值图像提取连通域，连通域即候选目标；所述的提取运动目标具体为：对新补偿帧中每一个像素V(X)，构建以V(X)为中心、R为半径的欧氏距离空间SR(V(X))，获取SR(V(X))与像素V(X)对应的背景模型中样本像素集合的交集，若交集中像素数大于等于数量阈值，则V(X)为背景像素，灰度记为0；否则，V(X)为运动像素，灰度记为255；R为经验值，在18～22范围取值；数量阈值为经验值；S6从候选目标中分离出可能的局部视差伪运动目标和可能的鬼影目标；所述的从候选目标中分离出可能的局部视差伪运动目标，具体为：(1)提取候选目标的最小外接矩形，计算最小外接矩形的长宽比ratio，若ratio>3.5，则该候选目标判断为可能的局部视差伪运动目标；(2)提取候选目标邻域的边缘线，判断边缘线与候选目标轮廓线是否相交，若相交，则该候选目标判断为可能的局部视差伪运动目标；所述的从候选目标中分离出可能的鬼影目标，具体为：记录候选目标在视频帧的位置，若候选目标在连续10帧的位置相同，则判断为可能的鬼影目标；S7对新补偿帧中各背景像素，从范围[1,a]的自然数中随机选取数s，若s＝1，则从该背景像素对应的背景模型中随机选择一个样本像素，用该背景像素替换该样本像素进行背景更新，a为该背景像素的更新因子；若s≠1，则不进行背景更新；新补偿帧中各像素的更新因子a采用如下方法设定：①将新补偿帧中可能的局部视差伪运动目标的最小外接矩形向帧间2D仿射模型的平移向量方向外扩b个像素，得到更新因子矩形A，b根据经验在10～12范围内取值；②逐一统计新补偿帧中各候选目标包含的像素数，对包含的像素数不大于3的候选目标，将其内像素的更新因子a设为1；对包含的像素数大于3但不大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为5；对包含的像素数大于20的候选目标，属于该候选目标同时又属于更新因子矩形A的像素，其更新因子a设为1；③对新补偿帧中可能的鬼影目标包含的像素，其更新因子a设为1；④新补偿帧中其他像素的更新因子设为10。2.如权利要求1所述的卫星视频运动目标检测方法，其特征是：S4中，估计基准帧各影像块的帧间2D仿射模型参数前，利用MSAC法剔除匹配同名点集中的误差匹配同名点。3.如权利要求1所述的卫星视频运动目标检测方法，其特征是：S5中，采用像素间的灰度差表示欧式距...

【专利技术属性】
技术研发人员：孙向东，吴佳奇，张过，汪韬阳，蒋永华，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42