本申请涉及一种动平台下运动目标检测方法、装置和检测设备。通过将目标场景下的全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景，然后训练好的位置预测网络得到的待检测图像序列中图像帧在全景图中的位置，根据图像帧及其对应位置处的局部窗口得到得到初始前景图，将初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选二值图中的区域块，得到外接圆区域，再根据外接圆区域确定正确区域，对正确区域逐一进行分割，得到精细化前景图，最后根据精细化前景图进行运动目标检测。采用本方法在面对多变场景时鲁棒性更高。面对多变场景时鲁棒性更高。面对多变场景时鲁棒性更高。
【技术实现步骤摘要】
一种动平台下运动目标检测方法、装置和检测设备
[0001]本申请涉及目标检测
，特别是涉及一种动平台下运动目标检测方法、装置和检测设备。
技术介绍
[0002]随着计算机信息技术的迅猛发展，运动目标检测技术已经渗透到生活中的方方面面中，这给人们的生活带来了极大的便利，尤其是在视频监控中，运动目标检测技术为海量视频分析处理提供了技术支持，是智能安防监控视频中重要内容，为后续的跟踪和识别等技术提供强有力的支持，是目前视觉研究的热门领域。
[0003]目前大多数运动目标检测技术应用于静态摄像机拍摄的视频，而在移动相机下应用较少。主要原因是摄像头的运动使得图像背景变得复杂多变，针对不同场景的动平台下运动目标检测技术也不尽相同，很难有一个统一的技术手段应对多变的场景条件。有研究人员利用视频中特征点的运动轨迹来估计背景运动。通过分析较长的运动轨迹，可以推断出背景运动，这类方法往往需要较多的计算时间，因为每个特征点都需要通过很长的连续帧来得到相应的信息。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种面对多变场景时鲁棒性更高的动平台下运动目标检测方法、装置和检测设备。
[0005]一种动平台下运动目标检测方法，所述方法包括：
[0006]获取目标场景下的全景图，将所述全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景；
[0007]采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部窗口得到初始前景图；
[0008]将所述初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选所述二值图中的区域块，得到外接圆区域，根据所述外接圆区域确定正确区域，对所述正确区域逐一进行分割，得到精细化前景图；
[0009]根据所述精细化前景图进行运动目标检测。
[0010]在其中一个实施例中，采用RPCA算法得到每个局部窗口对应的局部背景，包括：
[0011]根据训练图像序列的绝对变换矩阵将所述训练图像序列扭曲融入全景图中，得到所述训练图像序列在所述全景图中对应的位置；
[0012]根据对应位置得到所述训练图像序列中的训练图像帧在所述全景图中对应的局部窗口，计算所述训练图像帧与对应局部窗口的重叠区域面积占所述对应局部窗口面积的百分比；
[0013]若所述百分比超过预设阈值，对所述重叠区域采用RPCA算法计算得到所述局部窗口对应的局部背景。
[0014]在其中一个实施例中，采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部背景图，得到初始前景图，包括：
[0015]将待检测图像序列输入训练好的位置预测网络，得到所述待检测图像序列中图像帧在所述全景图中的对应位置；
[0016]在所述对应位置的预设像素区域内，将所述图像帧与对应位置的局部窗口进行局部背景的减除，计算所述图像帧像素值与所述局部背景像素值的最小差值和：
[0017][0018]其中，D
′
为图像帧扭曲融入到全景图的位置所在的区域，i表示全景图中某一像素点的位置，区域与局部窗口有重叠时，w
i
为1，区域与局部窗口没有重叠时，w
i
为0，x
i
为图像帧中某一像素点的像素值，c为像素点x的偏移距离，b
i
为局部背景图中某一像素点的像素值；
[0019]预先设置c的取值范围，通过c取值的变化确定最小差值和所对应的位置，将所述最小差值和所对应的位置作为所述图像帧在所述全景图中的精确位置i
‑
c，根据所述精确位置得到初始前景图。
[0020]在其中一个实施例中，所述二值图包括二值化光流场图和二值化初始前景图；所述外接圆区域包括所述二值化光流场图的外接圆区域和二值化初始前景图的外接圆区域；
[0021]根据所述外接圆区域确定正确区域，包括：对所述二值化光流场图的外接圆区域和二值化初始前景图中对应的外接圆区域进行IOU值计算，当所得IOU值小于预设阈值时，剔除对应的二值化初始前景图中的外接圆区域，得到正确区域。
[0022]在其中一个实施例中，对所述正确区域逐一进行分割，得到精细化前景图，包括：
[0023]通过连接所述正确区域的的圆心和二值点得到多条矢量，根据所述矢量采用图像分割算法对所述正确区域逐一进行分割，得到精细化前景图。
[0024]在其中一个实施例中，在采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置之前，包括：
[0025]获取训练图像序列中图像帧间的匹配点集；所述匹配点集是根据所述训练图像序列中相邻图像帧间的特征点关系计算得到的；
[0026]根据所述匹配点集计算得到初始相对变换矩阵，采用后端优化框架优化所述初始相对变换矩阵，得到初始绝对变换矩阵；
[0027]采用空间变换器网络优化所述初始绝对变换矩阵，得到所述训练图像序列的绝对变换矩阵；
[0028]将训练图像序列中的图像帧和对应的绝对变换矩阵输入构建的位置预测网络中，完成所述位置预测网络的训练。
[0029]一种动平台下运动目标检测装置，所述装置包括：
[0030]局部背景计算模块，用于获取目标场景下的全景图，将所述全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景；
[0031]初始前景获取模块，用于采用训练好的位置预测网络得到所述待检测图像序列中
图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部窗口得到初始前景图；
[0032]前景精细化模块，用于将所述初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选所述二值图中的区域块，得到外接圆区域，根据所述外接圆区域确定正确区域，对所述正确区域逐一进行分割，得到精细化前景图；
[0033]检测模块，用于根据所述精细化前景图进行运动目标检测。
[0034]一种检测设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0035]获取目标场景下的全景图，将所述全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景；
[0036]采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部窗口得到初始前景图；
[0037]将所述初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选所述二值图中的区域块，得到外接圆区域，根据所述外接圆区域确定正确区域，对所述正确区域逐一进行分割，得到精细化前景图；
[0038]根据所述精细化前景图进行运动目标检测。
[0039]一种计算机可读存储介质，其上存储有计算机程序，所述计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种动平台下运动目标检测方法，其特征在于，所述方法包括：获取目标场景下的全景图，将所述全景图划分为若干个局部窗口，采用RPCA算法得到每个局部窗口对应的局部背景；采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部窗口得到初始前景图；将所述初始前景图和光流场图分别进行二值化分割得到二值图，使用最小外接圆圈选所述二值图中的区域块，得到外接圆区域，根据所述外接圆区域确定正确区域，对所述正确区域逐一进行分割，得到精细化前景图；根据所述精细化前景图进行运动目标检测。2.根据权利要求1所述的方法，其特征在于，所述采用RPCA算法得到每个局部窗口对应的局部背景，包括：根据训练图像序列的绝对变换矩阵将所述训练图像序列扭曲融入全景图中，得到所述训练图像序列在所述全景图中对应的位置；根据对应位置得到所述训练图像序列中的训练图像帧在所述全景图中对应的局部窗口，计算所述训练图像帧与对应局部窗口的重叠区域面积占所述对应局部窗口面积的百分比；若所述百分比超过预设阈值，对所述重叠区域采用RPCA算法计算得到所述局部窗口对应的局部背景。3.根据权利要求2所述的方法，其特征在于，采用训练好的位置预测网络得到所述待检测图像序列中图像帧在全景图中的位置，根据所述图像帧在所述全景图中的位置和对应的局部背景图，得到初始前景图，包括：将待检测图像序列输入训练好的位置预测网络，得到所述待检测图像序列中图像帧在所述全景图中的对应位置；在所述对应位置的预设像素区域内，将所述图像帧与对应位置的局部窗口进行局部背景的减除，计算所述图像帧像素值与所述局部背景像素值的最小差值和：其中，D
′
为图像帧扭曲融入到全景图的位置所在的区域，i表示全景图中某一像素点的位置，区域与局部窗口有重叠时，w
i
为1，区域与局部窗口没有重叠时，w
i
为0，x
i
为图像帧中某一像素点的像素值，c为像素点x的偏移距离，b
i
为局部背景图中某一像素点的像素值；预先设置c的取值范围，通过c取值的变化确定最小差值和所对应的位置，将所述最小差值和所对应的位置作为所述图像帧在所述全景图中的精确位置i
‑
c，根据所述精确位置得到初始前景图。4.根据权利要求3所述的方法，其特征在于，所述二值图包括二值化光流场图和二值化初始前景图；所述外接圆区域包括所述二值化光流场图的外接圆区域和二值化初始前景图的外接圆...
【专利技术属性】
技术研发人员：谢剑斌，谌钟毓，
申请(专利权)人：湖南中科助英智能科技研究院有限公司，
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。