【技术实现步骤摘要】
本专利技术属于空中目标检测，具体涉及一种大视场运动目标检测方法。
技术介绍
1、在对空中单个目标进行跟踪时，为了评估该目标当前运动状态，需要摄像头增大焦距来进行姿态判断。然而，由于空中目标具有高速度和尺度变化大的特点，盲目增大焦距会导致目标极易脱离视场，从而无法进行有效的检测和跟踪。
2、现有的运动目标检测算法主要包括背景差分法、帧间差分法和光流法三种。尽管光流法可以检测动态背景下的目标，但其需要大量计算且对光源要求非常苛刻；而背景差分法和帧间差分法虽然对光源要求一般，但其仅适用于静态背景下的运动目标检测，同样无法满足大视场空中目标检测系统的需求，如果强行将其应用于该系统中，将会产生漏检和误检的问题。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种大视场运动目标检测方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、一种大视场运动目标检测方法，包括步骤：
3、s1、获取运动目标的灰度图像；
4、s2、采用基于改进的orb特征点检测方法检测所述灰度图像的orb特征点，其中，所述基于改进的orb特征点检测方法是通过对所述灰度图像构建图像多尺度表达金字塔得到多张尺度图像，再对每一尺度图像计算每层的fast角点，并采用非极大值抑制算法对所述fast角点进行优选，再采用灰度质心法计算优选后的fast角点的质心，通过连接所述fast角点与所述质心得到该方向向量的方向；再采用beblid描述子对优选后的fast角点
5、s3、采用基于flann的特征点匹配策略对检测到的orb特征点进行特征点匹配，确定对应点对；
6、s4、滤除运动目标上的点对后进行背景补偿计算，得到补偿图；
7、s5、对所述灰度图像的前后两帧相邻图像分别和其补偿图进行帧差，得到两张帧差图，将所述两张帧差图进行与运算得到最终结果图，实现运动目标检测。
8、在本专利技术的一个实施例中，所述基于改进的orb特征点检测方法，包括步骤：
9、s201、随机以一张灰度图像构建图像多尺度表达金字塔，得到多张尺度图像ni；
10、s202、依次对多张尺度图像ni进行如下步骤s203-s212操作；
11、s203、以图像的某个像素作为中心点p，其灰度值为ip；
12、s204、设置判定fast角点的灰度阈值fp，选择为像素的百分之二十；
13、s205、让中心点p的灰度值与其周围距离为3的所有像素进行灰度值比较，若连续存在12个像素的灰度值小于(ip-fp)或者大于(ip+fp)，则中心点p为fast角点；
14、s206、迭代循环前三步，计算出整个图像中的fast角点；
15、s207、采用非极大值抑制算法对fast角点进行优选，将响应值最大的fast角点保留；
16、s208、采用灰度质心法以s207得到的fast角点为中心进行矩形区域的框选，根据下式计算矩形区域的图像矩；
17、
18、式中：i(x,y)是像素(x,y)处的像素值；
19、s209、利用下式计算矩形区域的质心o；
20、
21、s210、连接fast角点与质心得到方向向量，通过下式得到该方向向量的方向θ；
22、
23、s211、采用beblid描述子，以s207的fast角点为中心构造一个边长为32像素的正方形邻域x；在该邻域内进行采样，得到尺寸为l的窗口对，分别用r(p1,l)，r(p2,l)表示，并通过公下式计算像素平均灰度值的差值f(x)；
24、
25、式中：i(q)，i(r)分别表示r(p1,l)，r(p2,l)内的像素灰度值；
26、s212、将f(x)带入下式中，归一化得到二进制描述符，得到某一尺度下改进的orb特征点；
27、
28、式中：t(x)为邻域x处的灰度值阈值；
29、s213、融合图像所有尺度的改进的orb特征点，得到原灰度图像最终的改进的orb特征点。
30、在本专利技术的一个实施例中，所述采用基于flann的特征点匹配策略对检测到的orb特征点进行特征点匹配，确定对应点对，包括：
31、选取flann相似特征点搜索样本中最接近的两个最近邻点，在这两个特征点中，若符合下式，则接受这一对匹配点；
32、
33、式中：d1是最近特征点的距离，d2是次近特征点的距离，ratio为阈值，选取为0.7。
34、在本专利技术的一个实施例中，所述滤除运动目标上的点对后进行背景补偿计算，得到补偿图，包括步骤：
35、s401、获取所述灰度图像中匹配后的全部特征点点对位置；
36、s402、计算特征点与所述灰度图像边缘的距离差；
37、s403、将背景点对和目标点对分离，依据阈值滤除所述目标点对；
38、s404、将滤除目标点对后的匹配点进行错误剔除，得到精选后的点对；
39、s405、对所述精选后的点对计算全局运动参数矩阵；
40、s406、在得到相邻两帧灰度图像的仿射矩阵后，根据仿射变换得到前一帧相对于下一帧的补偿图。
41、在本专利技术的一个实施例中，所述滤除运动目标上的点对后进行背景补偿计算，得到补偿图，包括步骤：
42、s4011、获取图像中匹配后的全部特征点点对位置；
43、s4022、分别依据下式计算特征点与图像长、宽边缘之间的最短距离差dwi和dhi；
44、
45、式中：xi,yi分别是特征点的位置横纵坐标，w,h是图像的长和宽，i为特征点个数；
46、s4033、依据下式，将背景点对和目标点对分离，来得到滤除目标后的背景特征点；
47、dwi≤t∪dhi≤t；
48、式中：t为阈值，取100；
49、s4044、将滤除目标后的匹配点对用错误剔除算法进行错误剔除；
50、s4055、将剔除筛选过的3组匹配点对通过下式进行求解，计算矩阵h。
51、
52、式中：xl,yl是前一帧图像匹配点的坐标值；xr,yr是后一帧图像匹配点的坐标值；
53、s4066、在得到相邻两帧图像的仿射矩阵h后，根据仿射变换得到前一帧相对于下一帧的补偿图；仿射变换计算公式如下：
54、
55、式中：x′,y′是图像变换后的坐标值，x,y是图像变换前的坐标值。
56、在本专利技术的一个实施例中，所述错误剔除算法包括最小二乘法、ransac法、最小中值法、prosac法。
57、在本专利技术的一个本文档来自技高网...
【技术保护点】
1.一种大视场运动目标检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述基于改进的ORB特征点检测方法，包括步骤：
3.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述采用基于FLANN的特征点匹配策略对检测到的ORB特征点进行特征点匹配，确定对应点对，包括：
4.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述滤除运动目标上的点对后进行背景补偿计算，得到补偿图，包括步骤：
5.根据权利要求4所述的大视场运动目标检测方法，其特征在于，所述滤除运动目标上的点对后进行背景补偿计算，得到补偿图，包括步骤：
6.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述错误剔除算法包括最小二乘法、RANSAC法、最小中值法、PROSAC法。
7.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述对所述灰度图像的前后两帧相邻图像分别和其补偿图进行帧差，得到两张帧差图，将所述两张帧差图进行与运算得到最终结果图，包括步骤：
【技术特征摘要】
1.一种大视场运动目标检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述基于改进的orb特征点检测方法，包括步骤：
3.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述采用基于flann的特征点匹配策略对检测到的orb特征点进行特征点匹配，确定对应点对，包括：
4.根据权利要求1所述的大视场运动目标检测方法，其特征在于，所述滤除运动目标上的点对后进行背景补偿计算，得到补偿图，包括步骤：
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。