融合深度信息的大型室内空间运动物体定位方法技术

本发明专利技术涉及目标检测技术领域，公开了融合深度信息的大型室内空间运动物体定位方法，包括以下步骤：根据大型室内空间特点进行监控摄像头的无死角部署；对多监控摄像头进行联合标定；采用Vibe算法进行视频前景信息的初始提取；采用融合图像像素特征和图像深度信息的方法提高检测精度；融合多元信息即前景信息、深度信息、像素特征对运动目标进行联合检测定位。本发明专利技术通过局部自适应像素特征调整，提高对光照变化的适应性，采用Vibe算法融合区域图像深度‑像素值相关性分析，建立区域图像深度‑像素值相关方程，并引入空间注意力机制，通过动态调整区域注意力权重减少背景噪声的干扰，实现大型室内空间运动物体的高精度定位。

【技术实现步骤摘要】

本专利技术涉及目标检测，特别是涉及一种融合深度信息的大型室内空间运动物体定位方法。

技术介绍

1、基于视频的运动目标提取，即通过图像分割的方法，将运动目标提取出来，以进行后续进一步的处理。运动目标检测领域现有技术取得了显著进展，但仍存在许多问题。目前，基于视频的运动目标检测方法主要包括背景消减法、帧间差分法和光流法等，这些方法在固定摄像头场景中表现良好，但在复杂多变的动态环境下，如光照变化、动态背景等情况下，检测效果往往不尽如人意。背景消减法虽然经典且应用广泛，但易受光照变化、动态背景等外部因素干扰，需要频繁的背景更新。帧间差分法计算简单，能够快速响应场景中的变化，但这一特性也使得它容易受到噪声的影响，对于缓慢运动或细微变化的目标检测效果不佳。光流法不依赖于固定的背景模型，能够更灵活地处理动态场景中的运动信息，但计算量大，实时性受限。以上技术各有优劣，但都难以较好的同时满足精确、实时和易用的要求。

技术实现思路

1、鉴于此，本专利技术的目的在于，提供一种融合深度信息的大型室内空间运动物体定位方法，能够实现对大本文档来自技高网...

【技术保护点】

1.融合深度信息的大型室内空间运动物体定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合深度信息的大型室内空间运动物体定位方法，其特征在于，在步骤S3中，图像增强、图像的均值滤波以及图像亮度、对比度局部自适应调整，具体步骤如下：

3.根据权利要求1所述的融合深度信息的大型室内空间运动物体定位方法，其特征在于，在步骤S4中，使用Vibe算法进行视频的背景库模型的建立、匹配和更新，具体步骤如下：

4.根据权利要求1所述的融合深度信息的大型室内空间运动物体定位方法，其特征在于，在步骤S5中，同帧视频图像的特征提取与特征匹配，得到像素点深度信息...

【技术特征摘要】

1.融合深度信息的大型室内空间运动物体定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合深度信息的大型室内空间运动物体定位方法，其特征在于，在步骤s3中，图像增强、图像的均值滤波以及图像亮度、对比度局部自适应调整，具体步骤如下：

3.根据权利要求1所述的融合深度信息的大型室内空间运动物体定位方法，其特征在于，在步骤s4中，使用vibe算法进行视频的背景库模型的建立、...

【专利技术属性】
技术研发人员：杨光，李金宝，吴瑄琪，李凯，史娜，李化欣，李沅，郎文杰，李世伟，
申请(专利权)人：中北大学，
类型：发明
国别省市：