The invention discloses a superpixel moving object detection method, which comprises the following steps: S1: superpixel time change detection: using simple linear iterative clustering algorithm to divide the current frame into superpixel sets, finding the foreground superpixel sub-blocks containing motion information in the current frame according to pixel level time-varying clues between frames; S2: base; Super-pixel object segmentation in the foreground: According to the consistency principle of moving objects, the target model of the previous frame is established, and the detection window containing moving objects is further determined by combining the target spatial clues. The target detection problem is transformed into the target segmentation problem, and the target is segmented from the window by dense corner detection.
【技术实现步骤摘要】
超像素运动目标检测方法
本专利技术具体涉及一种超像素运动目标检测方法。
技术介绍
在计算机视觉领域,运动目标检测是指在视频序列上发现并捕捉到完整运动前景的行为,是目标跟踪、分类和行为理解等更高层次处理的关键底层技术,其检测效果将直接影响系统后续处理的各项性能。当前,越来越多的运动目标检测算法被开发以满足不同的应用需求(比如,智能机器人、自动监控系统和人机交互等)。但是,在实际复杂应用环境中,由于光照变化、噪声、复杂背景纹理和动态背景等干扰因素,使得构建性能稳健的运动目标检测方法成为一项极具挑战性的研究课题。帧间差分法、光流法和背景减除法是应用最为广泛的运动目标检测方法,其中,帧间差分法简单易操作,但检测效果较差;光流法能够捕捉到细微的运动信息,但极易受到光照变化影响;而以背景减除法为核心的运动目标检测框架则是当前被研究和发表相关文献最多的检测方法,其基本思想是将整个视频序列视为不变应用背景和变化运动目标的合集,利用参数或非参数的方法构建背景模型,通过对比背景模型和当前帧图像来检测变化的前景运动目标。背景减除类运动目标检测算法的优劣取决于背景模型的有效程度,上述算法均致力于提高背景模型的可靠性,并通过模型更新策略和反馈机制来适应背景变化。但实际应用环境中由于光照变化、摄像机抖动和目标间歇运动等问题,使得构建可靠背景模型十分困难;且该类检测算法存在理论缺陷:(1)无法在初始帧建立有效的背景模型,通常直接以初始帧为背景再逐渐调整;(2)背景模型无法及时响应后续帧中的背景突变;(3)背景的定义为长时间不变的像素,不适用于动态背景。更重要的是,背景减除类算法(包括帧 ...
【技术保护点】
1.超像素运动目标检测方法,其特征在于,包括以下步骤:S1:超像素时间变化检测:利用简单线性迭代聚类算法将当前帧分割为超像素集合,根据帧间的像素级时变线索找到当前帧中包含运动信息的前景超像素子块;S2:基于前景超像素的目标分割:根据运动目标的一致性原则建立前一帧目标模型,结合目标空间线索进一步确定包含运动目标的检测窗口,将目标检测问题转化为目标分割问题,利用密集角点检测将目标从窗口中分割出来。
【技术特征摘要】
1.超像素运动目标检测方法,其特征在于,包括以下步骤:S1:超像素时间变化检测:利用简单线性迭代聚类算法将当前帧分割为超像素集合,根据帧间的像素级时变线索找到当前帧中包含运动信息的前景超像素子块;S2:基于前景超像素的目标分割:根据运动目标的一致性原则建立前一帧目标模型,结合目标空间线索进一步确定包含运动目标的检测窗口,将目标检测问题转化为目标分割问题,利用密集角点检测将目标从窗口中分割出来。2.根据权利要求1所述的超像素运动目标检测方法,其特征在于,超像素时间变化检测的具体方法如下:1)利用简单线性迭代聚类算法将当前帧分割为超像素集合,并利用时间变化信息确定发生变化的前景超像素子块;2)由输入帧的纹理复杂度自适应调整,由下式的高斯差分算子对输入帧进行锐化处理,,并根据非极大值抑制二值化高斯差分图像的边缘信息,结合帧分辨率计算所需的SLIC分块数目:;3)利用SLIC算法对当前视频帧图像进行分割,计算得到包含时变信息的超像素子块并将其他静态差像素是为背景,将包含时...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:防城港市港口区思达电子科技有限公司,
类型:发明
国别省市:广西,45
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。