一种光照变化下无人机运动目标检测方法技术

本发明专利技术涉及运动目标检测技术领域，具体涉及一种光照变化下无人机运动目标检测方法，先通过引入灰度和颜色特征补偿空洞解决前景和背景纹理相似问题，再基于方向梯度直方图特征对背景进行建模，最后通过运动目标的粗检测和基于颜色特征的精细检测两个过程获得准确稳定的检测结果，通过与其他算法的对比实验，验证了本发明专利技术对光照变化的鲁棒性，特别是在光照快速变化情况下与现有的无人机运动目标检测方法对比具有优势。方法对比具有优势。方法对比具有优势。

【技术实现步骤摘要】
一种光照变化下无人机运动目标检测方法


[0001]本专利技术涉及运动目标检测
，具体涉及一种光照变化下无人机运动目标检测方法。

技术介绍

[0002]计算机视觉研究的一个重要方面就是运动目标的检测，它在智能视频监控、人机交互、虚拟现实、机器人导航、交通检测等许多领域有着广泛的应用。现阶段随着无人机设备的推广使用，需要对无人机设备的使用安全进行监测控制，因而需要对无人机运动目标进行检测。
[0003]现有的运动目标检测方法中受光照变化条件影响容易出现漏检以及误检情况，光照变化可分为光照的缓慢变化和突然变化。缓慢变化主要指随着时间的推移，光源的强度和位置分别或同时发生变化，这种变化要经过一段时间才能完成或一直持续，突然变化是指光源的强度和位置在很短的时间里发生了变化，尤其在突然变化的情况下，现有的运动目标检测方法存在很大的不足。

技术实现思路

[0004]本专利技术的目的在于提供一种光照变化下无人机运动目标检测方法，旨在改善现有的无人机运动目标检测方法在光照快速变化情况下检测精度不足的技术问题。
[0005]为实现上述目的，本专利技术提供了一种光照变化下无人机运动目标检测方法，包括下列步骤：
[0006]修改算法基本框架；
[0007]基于方向梯度直方图纹理特征建立背景模型；
[0008]进行运动目标的粗检测；
[0009]基于颜色特征的精细检测。
[0010]其中，修改算法基本框架的过程，具体为改变算法思路，首先针对前景和背景纹理相似问题引入灰度和颜色特征补偿空洞，然后对于光照剧烈变化引起的纹理变化建立背景模型存储历史直方图信息。
[0011]其中，所述背景模型中每个像素处由1组向量{V0,
…
,V
k
‑1}组成，其中向量的个数k由用户自己选择，背景模型中每个向量V
c
都对应着一个权值W
C
，权值W
c
在0～1范围内并且满足：
[0012][0013]其中，在基于方向梯度直方图纹理特征建立背景模型的过程中，权值W
C
用来表示向量在历史图像序列中出现的概率，权值W
C
越大表示向量V
c
出现的次数越多，即向量代表的图像纹理出现的概率越大。
[0014]其中，在进行运动目标的粗检测的过程中，在基于纹理特征的背景模型上进行前景检测，当新的一帧到来时，计算整幅图像方向梯度直方图向量，并利用Bhattacharyya距离对当前帧的方向梯度直方图向量和背景中各个向量进行比较，当计算得出的任何一个距离都小于阈值T
p
时，该像素被分类为前景，否则被分类为背景，经过以上步骤获得的前景检测结果被表示为T
K
，其中k表示图像序列的第k帧。
[0015]其中，在进行运动目标的粗检测的过程中，利用混合高斯模型得到的前景检测结果进行补偿。
[0016]其中，在基于颜色特征的精细检测的过程中，利用基于HSI颜色空间的方法实现阴影的检测和去除。
[0017]本专利技术提供了一种光照变化下无人机运动目标检测方法，先通过引入灰度和颜色特征补偿空洞解决前景和背景纹理相似问题，再基于方向梯度直方图特征对背景进行建模，最后通过运动目标的粗检测和基于颜色特征的精细检测两个过程获得准确稳定的检测结果，通过实验，验证了本专利技术对光照变化的鲁棒性，特别是在光照快速变化情况下与现有的无人机运动目标检测方法对比具有优势。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术的一种光照变化下无人机运动目标检测方法的流程示意图。
具体实施方式
[0020]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0021]请参阅图1，本专利技术提供了一种光照变化下无人机运动目标检测方法，包括下列步骤：
[0022]S1：修改算法基本框架；
[0023]S2：基于方向梯度直方图纹理特征建立背景模型；
[0024]S3：进行运动目标的粗检测；
[0025]S4：基于颜色特征的精细检测。
[0026]以下结合各具体步骤对本专利技术作进一步说明：
[0027]具体的，算法基本框架包括两个主要方面：一，针对前景和背景纹理相似问题，可以引入灰度和颜色特征补偿空洞；二，对于光照剧烈变化引起的纹理变化，可以通过建立背景模型的方法，存储历史直方图信息来适应纹理变化。
[0028]优选的，基于方向梯度直方图纹理特征的背景模型中，为了解决光照大幅变化引起的纹理变化问题，对方向梯度直方图特征进行建模，使其适应纹理的变化，本技术基于纹理特征的建模利用统计学对背景变化进行描述，背景模型中每个像素处由1组向量{V0,
…
,
V
k
‑1}组成，其中向量的个数k由用户自己选择，实验中经常选k＝5，这组向量是由历史图像序列中该像素位置处出现的方向梯度直方图向量组成，背景模型中每个向量V
c
都对应着一个权值W
C
，W
C
在0～1范围内并且满足：
[0029][0030]当新的一帧图像到来时，该图像每个像素的方向梯度直方图向量被表示为V
n
，然后比较该向量V
n
和背景模型中的每个向量{V0,
…
,V
k
‑1}，利用Bhattacharyya距离来度量向量之间的相似性，向量之间的Bhattacharyya距离被表示为d(V
n
,V
c
)，其中，V
n
是当前帧该像素处的方向梯度直方图向量；V
c
是背景模型中对应像素模型中的一个向量，为了界定向量的相似程度，对计算的Bhattacharyya距离d(V
n
,V
c
)取一个阈值Th，用来衡量是否可以在背景模型中找到与当前帧向量相似的向量，当计算的每个距离d(V
n
,V
c
)＜T
h
时，表示新到向量与背景模型中的向量都不相似，此时用该向量V
n
取代背景模型中权值最小的一个向量V
k
，如果计算向量V
n
与背景模型中某一向量V
c
的距离d(V
n
,V
c
)＞T1时，表示在背景模型中找到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光照变化下无人机运动目标检测方法，其特征在于，包括下列步骤：修改算法基本框架；基于方向梯度直方图纹理特征建立背景模型；进行运动目标的粗检测；基于颜色特征的精细检测。2.如权利要求1所述的光照变化下无人机运动目标检测方法，其特征在于，修改算法基本框架的过程，具体为改变算法思路，首先针对前景和背景纹理相似问题引入灰度和颜色特征补偿空洞，然后对于光照剧烈变化引起的纹理变化建立背景模型存储历史直方图信息。3.如权利要求1所述的光照变化下无人机运动目标检测方法，其特征在于，所述背景模型中每个像素处由1组向量{V0,
…
,V
k
‑1}组成，其中向量的个数k由用户自己选择，背景模型中每个向量V
c
都对应着一个权值W
C
，权值W
c
在0～1范围内并且满足：4.如权利要求3所述的光照变化下无人机运动目标检测方法，其特征在于，在基于方向梯度直方图纹理特征建立背景模型的过程中，权值W
C
用来表示向量在...

【专利技术属性】
技术研发人员：马峻，周雅倩，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：