[發(fā)明專利]超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710122574.X
• 申請(qǐng)日: 2017-03-03
• 公開（公告）號(hào): CN108537819A
• 公開（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 防城港市港口區(qū)思達(dá)電子科技有限公司
• 主分類號(hào): G06T7/215
• 分類號(hào): G06T7/215;G06T7/194
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

S1：超像素時(shí)間變化檢測(cè)：利用簡(jiǎn)單線性迭代聚類算法將當(dāng)前幀分割為超像素集合，根據(jù)幀間的像素級(jí)時(shí)變線索找到當(dāng)前幀中包含運(yùn)動(dòng)信息的前景超像素子塊；

S2：基于前景超像素的目標(biāo)分割：根據(jù)運(yùn)動(dòng)目標(biāo)的一致性原則建立前一幀目標(biāo)模型，結(jié)合目標(biāo)空間線索進(jìn)一步確定包含運(yùn)動(dòng)目標(biāo)的檢測(cè)窗口，將目標(biāo)檢測(cè)問(wèn)題轉(zhuǎn)化為目標(biāo)分割問(wèn)題，利用密集角點(diǎn)檢測(cè)將目標(biāo)從窗口中分割出來(lái)。

2.根據(jù)權(quán)利要求1所述的超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，超像素時(shí)間變化檢測(cè)的具體方法如下：

1）利用簡(jiǎn)單線性迭代聚類算法將當(dāng)前幀分割為超像素集合,并利用時(shí)間變化信息確定發(fā)生變化的前景超像素子塊；

2）由輸入幀的紋理復(fù)雜度自適應(yīng)調(diào)整，由下式的高斯差分算子對(duì)輸入幀進(jìn)行銳化處理,

,

并根據(jù)非極大值抑制二值化高斯差分圖像的邊緣信息，結(jié)合幀分辨率計(jì)算所需的SLIC分塊數(shù)目：

；

3）利用SLIC算法對(duì)當(dāng)前視頻幀圖像進(jìn)行分割，計(jì)算得到包含時(shí)變信息的超像素子塊并將其他靜態(tài)差像素是為背景，將包含時(shí)變信息的前景超像素子塊分割出來(lái)，作為前景運(yùn)動(dòng)區(qū)域進(jìn)行空間目標(biāo)狀態(tài)分析，

。

3.根據(jù)權(quán)利要求1所述的超像素運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，基于前景超像素的目標(biāo)分割的具體步驟如下：

1）用貝葉斯目標(biāo)狀態(tài)檢測(cè)框架度量可能包含目標(biāo)的窗口，保留得分較高的窗口并進(jìn)行排序，選擇超像素跨度（SS）作為空間線索，SS值越大越可能包含你運(yùn)動(dòng)目標(biāo)；

；

2）為上一幀對(duì)應(yīng)位置的已檢測(cè)目標(biāo)建立模型，并用同樣的方法對(duì)得分較高的窗口區(qū)域建立當(dāng)前幀候選模型，利用Bhattacharyya系數(shù)度量目標(biāo)模型與每個(gè)候選模型之間的相似度；

；

其中，是歸一化系數(shù)；是核函數(shù)，是核函數(shù)的帶寬，由t-1時(shí)刻的目標(biāo)尺度決定；表示第i個(gè)窗口的中心點(diǎn)位置；是量化函數(shù)將像素點(diǎn)的特征值映射到相應(yīng)的bin值；是Kronecker delta函數(shù)；

3）融合步驟1）和步驟2）的窗口權(quán)值，找出最有可能包含運(yùn)動(dòng)目標(biāo)的窗口，

；

利用Canny算子檢測(cè)窗口內(nèi)的邊緣信息，然后對(duì)邊緣信息進(jìn)行角點(diǎn)檢測(cè)以近似確定目標(biāo)真實(shí)輪廓，根據(jù)目標(biāo)的輪廓信息分割前景目標(biāo)。