本发明专利技术公开本发明专利技术的目的在于提供一种基于时空聚类的动目标检测方法，能够兼顾计算速度和检测稳定性，从图像序列中快速区分动态目标和静态目标，并对动态目标进行跟踪以确定目标在图像中的位置。本发明专利技术的动目标检测方法，包括如下步骤：(10)图像特征点提取：在初始帧对目标进行角点检测，提取图像特征点；(20)特征点航迹关联：对提取到的图像特征点进行跟踪检测，并用航迹进行关联；(30)航迹位移量聚类：根据背景运动与目标运动在图像坐标中位移的不同，通过聚类切割出运动特征点和背景特征点；(40)运动特征点空间聚类：根据不同目标在图像中的空间差异，将同一目标上的特征点航迹进行组合，不同目标上的特征点航迹进行区分，同时记录每个运动目标的航迹状态。同时记录每个运动目标的航迹状态。同时记录每个运动目标的航迹状态。
【技术实现步骤摘要】
基于时空聚类的动目标检测方法
[0001]本专利技术属于运动目标探测
，提出了一种快速区分动态目标和静态目标的目标提取算法。
技术介绍
[0002]动目标检测是指在指定区域能识别图像的变化，检测运动目标的存在并避免光线变化带来的干扰。运动检测如MPEG1是对编码后产生的关键帧进行比较分析。原理是将图像序列分为关键帧(I)，预测帧(P帧)和双插内向帧(B帧)。对编码的数据进行处理比较。数据处理的常用的方法包括：
[0003](1)背景减法：背景减法是一种最常用的方法，利用当前图像与背景图像的差分检测运动区域。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来干扰比较敏感。
[0004](2)时间差分：时间差分是在连续的图像序列中采用基于像素的时间差分并且阈值化来提取图像中的运动区域。时间差分对动态环境有较强的适用性，但一般不能完全提取出所有相关的特征像素点，无法对不同的目标进行区分。
[0005](3)光流：基于光流方法的运动检测采用了运动目标随时间变化的光流特性，该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，该方法抗噪性能差。
[0006]运动检测的其他方法，如运动向量检测法，适合于多维变化的环境，是某一方向的运动对象更加突出的显示出来，但也对无规则运动物体的检测有一定的局限性。
[0007]总之，现有技术存在的问题是：抗噪性能差、无法对不同的目标进行区分、算法复杂度高。
技术实现思路
[0008]本专利技术的目的在于提供一种基于时空聚类的动目标检测方法，能够兼顾计算速度和检测稳定性，从图像序列中快速区分动态目标和静态目标，并对动态目标进行跟踪以确定目标在图像中的位置。
[0009]实现本专利技术目的的技术解决方案为：
[0010]一种基于时空聚类的动目标检测方法，包括如下步骤：
[0011](10)图像特征点提取：在初始帧对目标进行角点检测，提取图像特征点；
[0012](20)特征点航迹关联：对提取到的图像特征点进行跟踪检测，并用航迹进行关联；
[0013](30)航迹位移量聚类：根据背景运动与目标运动在图像坐标中位移的不同，通过聚类切割出运动特征点和背景特征点；
[0014](40)运动特征点空间聚类：根据不同目标在图像中的空间差异，将同一目标上的特征点航迹进行组合，不同目标上的特征点航迹进行区分，同时记录每个运动目标的航迹状态。
[0015]本专利技术与现有技术相比，其显著优点为：
[0016]1、抗噪性能得到提升：本方法对目标上的特征点进行检测，受到干扰的点会被删除，不影响整体的检测效果。当目标被部分遮挡时，根据未遮挡部分的目标特征实现对目标的持续检测，克服部分目标交汇与遮挡问题。
[0017]2、多目标识别：该方法对检测到的特征点做精确分类，利用不同目标的空间差异将运动目标分割为不同的个体，可以实现多目标识别。
[0018]3、算法复杂度低：本方法从工程应用角度，只检测图像中运动目标，不对目标进行具体识别，降低算法复杂度的同时，保证算法稳定性。
[0019]下面结合附图和具体实施方式对本专利技术作进一步的详细描述。
附图说明
[0020]图1是本专利技术基于时空聚类的动目标检测方法的主流程图。
[0021]图2是图像特征点提取得到的图像SURF角点示例。
[0022]图3是航迹的速度表示。
[0023]图4是航迹的位移表示。
[0024]图5是对背景点和目标点进行时间聚类的区分结果。
[0025]图6是运动目标切割，区分不同目标。
[0026]图7是交汇时的航迹判别结果。
具体实施方式
[0027]如图1所示，本专利技术基于时空聚类的动目标检测方法，包括如下步骤：
[0028](10)图像特征点提取：在初始帧对目标进行角点检测，提取图像特征点；
[0029]所述(10)图像特征点提取步骤具体为：
[0030]对初始帧图像做SURF角点检测，获取图像初始特征点信息，并获取特征点的SURF 特征向量，得到特征点的向量描述。
[0031]采用SURF角点检测，提取图像的所有特征点并记录特征点的特征向量用于与后续图像帧进行匹配。SURF角点是SIFT的加速版，在角点检测过程中使用盒子滤波器对 LOG滤波器进行近似，用积分图加快运算过程，用Haar特征对特征点进行描述，提取到的特征向量具有角度不变性和尺度不变性。
[0032]图像特征点提取到的角点如图2所示。
[0033](20)特征点航迹关联：对提取到的图像特征点进行跟踪检测，并用航迹进行关联；
[0034]利用特征向量匹配对检测到的点进行匹配，记录其在下一帧中的坐标值。
[0035]所述(20)特征点航迹关联步骤包括：
[0036](21)提取目标点疑似范围：
[0037]根据前一帧目标点的图像坐标[u,v]，在当前帧中选取范围为 x∈(u
‑
win,u+win],y∈(v
‑
win,v+win+的图像区域为疑似目标区域；
[0038](22)提取特征点的SURF特征向量:
[0039]按照SURF特征向量的定义，提取区域内每个点特征向量。
[0040](23)匹配特征点：
[0041]将(22)得到的特征向量分别与前一帧特征点的特征向量进行匹配，求取特征向量的相似度；选取相似度最高的特征点作为该点在当前帧的跟踪结果，将特征点坐标进行记录。
[0042]将(22)得到的特征向量分别与前一帧特征点的特征向量进行匹配，求取特征向量的相似度，相似度运算公式如下：
[0043][0044]即：以向量的夹角为考量角度，以向量的内积(各对应元素相乘求和)比两个向量的模的积为计算结果。相似度越高，sim值越大。选取相似度最高的特征点作为该点在当前帧的跟踪结果，将特征点坐标进行记录。
[0045](30)航迹位移量聚类：根据背景运动与目标运动在图像坐标中位移的不同，通过聚类切割出运动特征点和背景特征点；
[0046]基于背景运动大致相同，而目标运动方式与背景存在较大差异的原理，利用两者在图像坐标中位移的不同，通过聚类切割出占比较小的运动点；
[0047]所述(30)航迹位移量聚类步骤包括：
[0048](31)航迹速度与位移表示：
[0049]对于所有的特征点，记录相邻帧匹配特征点的坐标差值为特征点的帧间速度，定义当前帧与参考帧特征点的坐标差值为位移，公式描述如下：
[0050][0051][0052]其中，i表示特征点序号，frame表示当前帧序号，refer表示参考帧序号，也就是初始帧序号。
[0053](32)mean shift聚类算法
[0054]假设在一个多维空间中有很多数据点需要进行聚类，Mean Shift的过程如下：
[本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于时空聚类的动目标检测方法，其特征在于，包括如下步骤：(10)图像特征点提取：在初始帧对目标进行角点检测，提取图像特征点；(20)特征点航迹关联：对提取到的图像特征点进行跟踪检测，并用航迹进行关联；(30)航迹位移量聚类：根据背景运动与目标运动在图像坐标中位移的不同，通过聚类切割出运动特征点和背景特征点；(40)运动特征点空间聚类：根据不同目标在图像中的空间差异，将同一目标上的特征点航迹进行组合，不同目标上的特征点航迹进行区分，同时记录每个运动目标的航迹状态。2.根据权利要求1所述的运动目标检测方法，其特征在于，所述(10)图像特征点提取步骤具体为：对初始帧图像做SURF角点检测，获取图像初始特征点信息，并获取特征点的SURF特征向量，得到特征点的向量描述。3.根据权利要求2所述的动目标检测方法，其特征在于，所述(20)特征点航迹关联步骤包括：(21)提取目标点疑似范围：根据前一帧目标点的图像坐标[u,v]，在当前帧中选取范围为x∈(u
‑
win,u+win],y∈(v
‑
win,v+win]的图像区域为疑似目标区域；(22)提取特征点的SURF特征向量：按照SURF特征向量的定义，提取疑似目标区域内每个特征点的特征向量；(23)匹配特征点：将(22)得到的特征向量分别与前一帧特征点的特征向量进行匹配，求取特征向量的相似度；选取相似度最高的特征点作为该点在当前帧的跟踪结果，将特征点坐标进行记录。4.根据权利要求3所述的动目标检测方法，其特征在于，所述(30)航迹位移量聚类步骤包括：(31)航迹速度与位移表示：对于所有的特征点，记录相邻帧匹配特征点的坐标差值为特征点的帧间速度，定义当前帧与参考帧特征点的坐标差值为位移，公式描述如下：前帧与参考帧特征点的坐标差值为位移，公式描述如下：其中，i表示特征点序号，frame表示当前帧序号，refer表示参考帧序号；(32)mean shift聚类算法假设在一个多维空间中有很多数据点需要进行聚类，Mean Shift的过程如下：(321)、在未被标记的数据点中随机选择一个点作为中心点，标记为center；(322)、找出离center距离在阈值bandwidth之内的所有点，记做集合...
【专利技术属性】
技术研发人员：钱惟贤，杨文广，高丹，陈钱，顾国华，万敏杰，任侃，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：
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。