基于序列图像的运动目标快速检测方法、计算机视觉系统技术方案

技术编号:23316373 阅读:24 留言:0更新日期:2020-02-11 18:15
本发明专利技术属于序列图像的运动目标检测技术领域,公开了一种基于序列图像的运动目标快速检测方法、计算机视觉系统,序列图像的预处理,在序列图像的采集过程中,采用图像灰度化、二值化、中值滤波进行处理;针对低照度的图像,采用Gamma变换增强图像;结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测;基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。本发明专利技术正检率达到了96.3%,误检率为1.3%,相比于背景差分法和帧间差分法,提升都比较大;性能在正检率、误检率和处理时间三个方面都提升很明显。其中本发明专利技术方法的正检率为92.7%;误检率为1.9%;处理时间为7.2s。

Fast detection method and computer vision system of moving object based on sequence image

【技术实现步骤摘要】
基于序列图像的运动目标快速检测方法、计算机视觉系统
本专利技术属于序列图像的运动目标检测
,尤其涉及一种基于序列图像的运动目标快速检测方法、计算机视觉系统。
技术介绍
目前,最接近的现有技术:运动目标的自动检测技术一直都是计算机视觉领域的研究热点和极具挑战性的难题。该技术将图像处理、自动控制、信息科学等技术进行有机结合,成为实际工程应用中诸多计算机视觉系统的底层关键技术,如精确打击武器制导系统、计算机辅助驾驶系统、导弹的地形和地图匹配系统、工业流水线自动监测系统、智能房间、智能机器人、医用图像系统、智能交通系统等等领域的应用。基于图像的目标检测是一个较为复杂的过程,应用环境和算法方案的不同将极大影响目标检测效果。而随着图像技术的进一步发展和工程应用的需要,利用先进的数字图像技术实现对序列图像中感兴趣目标的有效检测已成为图像检测技术研究的难点。实际应用中存在的光照是否变化、地形是否复杂、能见度高低、摄像机是否移动和传感器的类型等都将影响检测过程中目标的形体特征和运动特性。这导致传统算法方案在实现目标检测时变得困难,进而影响检测系统的准确性和稳定性。因此,如何选择具有针对性的高效、稳定算法或者对已有检测算法进行优化改进,实现对感兴趣目标的自动检测定位无疑是一项既有理论意义又有实用价值的课题。基于序列图像的运动目标检测,目的是要将图像序列中的运动区域和背景区域分离开。自序列图像运动目标检测理论发展以来,至今已经提出了许多不同的目标检测方法。常见的算法主要有光流法、图像差分法、扩展的EM算法、基于小波变换的方法、运动能量检测法、基于人工神经网络的方法等。其中最经典的检测算法有三类:光流法、帧间差分法和背景差分法。光流法:Gibson于1950年提出了光流的概念。光流是指图像序列中用来表示连续的两帧图像移动前后的对应像素点的向量。它包含了图像序列中运动目标丰富的结构和运动信息。差分法:差分法是利用待检测的图像与选定的参考图像进行对应像素点相减来进行运动目标检测的方法。差分法通常可分为帧间差分和背景差分。帧间差分就是直接比较连续的两帧图像或几帧图像对应像素点的灰度值,从图像序列中提取灰度值不同的像素点,作为运动目标的信息。背景差分的主要原理是用待检测图像与背景图像进行差分,然后根据所选定的阈值比较,若差分图像的像素值大于选定的阈值,则判定该点属于运动目标区域,否则为背景区域。以上是三种经典的运动目标检测算法,在此基础上人们也提出了许多不同的改进方法。例如多帧差分就是在差分法的基础上提出的。最常使用的有三帧差分和五帧差分。一般而言,运动检测与跟踪研究的难点在于:运动物体的正确检测与分割、物体之间的遮挡与重叠、初始运动参量的确定。在摄像机运动的情况下检测运动对象是一项具有挑战性的研究。现有技术的问题如下:(1)当摄像机处于运动状态时,序列图像中背景和目标都处于运动状态,如何从运动的背景中检测出运动目标是一项较为复杂的工作。目前的方法对于已知背景运动规律的情况,可以将运动背景校正为静止背景;如果背景运动未知,往往采取背景运动估计的方法求出背景的运动情况。但是背景运动的估计本身就是个较难解决的问题。(2)计算量与准确性的取舍,目前现有的算法往往不能满足计算量小、准确性高的特点,例如光流法就需要进行大量的运算,而差图像等计算速度快的算法,其检测精度又值得探讨,如何在计算量与准确性两者之间折中,寻求最佳解决方案是目前所有算法的追求目标。(3)复杂环境的影响,现实环境中,影响运动目标检测的因素有很多,如光照,遮挡等情况。特别是当背景的纹理与目标的纹理相似时,目前的许多算法都不能得到正确的结果,最大限度的减少环境因素对目标的影响是我们必须解决的一个问题。(4)目标间的相对运动,对于多个运动目标,如果不是以相同的速度运动,大多数情况下会出现目标的遮挡、重叠等情况,目标与目标之间的相对运动会直接影响序列图像的目标成像效果,给目标检测工作带了很大的不便,这也正是当前许多算法不能彻底解决的问题。综上所述,现有技术存在的问题是:(1)当摄像机处于运动状态时,序列图像中背景和目标都处于运动状态,背景运动未知,往往采取背景运动估计的方法求出背景的运动情况。但是背景运动的估计本身就是个较难解决的问题。(2)计算量与准确性的取舍,目前现有的算法往往不能满足计算量小、准确性高;如何在计算量与准确性两者之间折中,寻求最佳解决方案是目前所有算法的追求目标。(3)复杂环境的影响,现实环境中,影响运动目标检测的因素有很多,目前的许多算法都不能得到正确的结果,最大限度的减少环境因素对目标的影响是我们必须解决的一个问题。(4)目标间的相对运动,对于多个运动目标,目标与目标之间的相对运动会直接影响序列图像的目标成像效果,给目标检测工作带了很大的不便,这也正是当前许多算法不能彻底解决的问题。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种基于序列图像的运动目标快速检测方法、计算机视觉系统。本专利技术是这样实现的,一种基于序列图像的运动目标快速检测方法,所述基于序列图像的运动目标快速检测方法包括以下步骤:第一步,序列图像的预处理,在序列图像的采集过程中,采用图像灰度化、二值化、中值滤波进行处理;针对低照度的图像,采用Gamma变换增强图像;第二步,结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测;第三步,基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。进一步,所述基于序列图像的运动目标快速检测方法的序列图像预处理方法包括:(1)图像灰度变换,彩色图像变换为灰度图像:Y=0.299R+0.587G+0.114B;其中,Y是根据R、G、B颜色分量以及YUV中亮度信号Y之间的关系算出的亮度,R、G、B分别表示红色、绿色、蓝色分量;(2)二值化,输入的图像为f(x,y),输出图像为F(x,y),选取阈值T,对图像的二值化变换函数表达式;式中阈值T将图像F(x,y)分成两部分,大于T的像素点设为白色,小于T的区域为黑色;(3)图像去噪,一维中值滤波:Zk=med(xk-N,xk-N+1,…,xk,…,xk+N);其中,med表示对图像中的像素进行求中值运算;式中是对2N+1个像素排序,最终输出像素即该像素序列的中值;二维中值滤波适用于二维像素矩阵,给出二维中值滤波的定义:(4)低照度处理,采用Gamma变换增强作为低照度处理的方法:将原始图像的均值调为0,方差调为1;根据累计直方图分布特点初步判断当前图像属于高光还是低光照类型,并根据相应类型做灰度的初步微调,对图像做Gamma校正;变换公式:进一步,所述基于序列图像的运动目标快速检测方法的静态场景下的运动目标快速检测方法包括:(1)第t帧背景为Bt(x,y),对于新一帧图像It+1(x,y),则两副图像差分后的图像为Sub_image,Su本文档来自技高网
...

【技术保护点】
1.一种基于序列图像的运动目标快速检测方法,其特征在于,所述基于序列图像的运动目标快速检测方法包括以下步骤:/n第一步,序列图像的预处理,在序列图像的采集过程中,采用图像灰度化、二值化、中值滤波进行处理;针对低照度的图像,采用Gamma变换增强图像;/n第二步,结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测;/n第三步,基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。/n

【技术特征摘要】
1.一种基于序列图像的运动目标快速检测方法,其特征在于,所述基于序列图像的运动目标快速检测方法包括以下步骤:
第一步,序列图像的预处理,在序列图像的采集过程中,采用图像灰度化、二值化、中值滤波进行处理;针对低照度的图像,采用Gamma变换增强图像;
第二步,结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测;
第三步,基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。


2.如权利要求1所述的基于序列图像的运动目标快速检测方法,其特征在于,所述基于序列图像的运动目标快速检测方法的序列图像预处理方法包括:
(1)图像灰度变换,彩色图像变换为灰度图像:
Y=0.299R+0.587G+0.114B;
其中,Y是根据R、G、B颜色分量以及YUV中亮度信号Y之间的关系算出的亮度,R、G、B分别表示红色、绿色、蓝色分量;
(2)二值化,输入的图像为f(x,y),输出图像为F(x,y),选取阈值T,对图像的二值化变换函数表达式;



式中阈值T将图像F(x,y)分成两部分,大于T的像素点设为白色,小于T的区域为黑色;
(3)图像去噪,一维中值滤波:
Zk=med(xk-N,xk-N+1,…,xk,…,xk+N);
其中,med表示对图像中的像素进行求中值运算;式中是对2N+1个像素排序,最终输出像素即该像素序列的中值;
二维中值滤波适用于二维像素矩阵,给出二维中值滤波的定义:



(4)低照度处理,采用Gamma变换增强作为低照度处理的方法:将原始图像的均值调为0,方差调为1;根据累计直方图分布特点初步判断当前图像属于高光还是低光照类型,并根据相应类型做灰度的初步微调,对图像做Gamma校正;变换公式:





3.如权利要求1所述的基于序列图像的运动目标快速检测方法,其特征在于,所述基于序列图像的运动目标快速检测方法的静态场景下的运动目标快速检测方法包括:
(1)第t帧背景为Bt(x,y),对于新一帧图像It+1(x,y),则两副图像差分后的图像为Sub_image,Sub_image(x,y)表示为在像素点(x,y)点处It+1(x,y)与Bt(x,y)的绝对值;选用Ostu法进行背景和前景的分割,对差分图像Sub_image每个像素点;



将灰度值为“0”处的概率分布w0=0,阈值TH把图像的像素分为C0=(0,1,…,TH),C1=(TH+1,TH+2,…,L-1)两类,分别代表目标与背景;
将每个联通域的左、右、上、下保存在内存中;对于每个联通域均与其它的联通域进行如下比较:



其中,position(i,1)为第i个联通域的最左边位置,position(i,2)为第i个联通域的最右边边位置,position(i,3)为第i个联通域的最顶端位置,position(i,4)为第i个联通域的最底端位置;
(2)选用Canny边缘进行图像边缘提取;包括高斯滤波、求取x方向的梯度、y方向梯度三部分;具体实现的步骤如下:
1)高斯滤波:采用二维高斯函数对图像进行低通滤波,二维高斯函数的方差δ根据经验而定,二维高斯函数为:



对于一幅灰度图像,滤波过程等价于求取卷积过程:



2)x、y方向梯度求取:图像Filter(x,y)为2-D离散矩阵,再求取x,y方向的一阶导数,在离散中求解一阶微分,x,y方向上的梯度求解如下:<...

【专利技术属性】
技术研发人员:黄思行韦鹏程赵宇彭亚飞
申请(专利权)人:重庆第二师范学院
类型:发明
国别省市:重庆;50

网友询问留言 已有0条评论
  • 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。

1