[發明專利]超像素運動目標檢測方法

在審

• 申請號: 201710122574.X
• 申請日: 2017-03-03
• 公開（公告）號: CN108537819A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 防城港市港口區思達電子科技有限公司
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/194
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種超像素運動目標檢測方法，包括以下步驟：S1：超像素時間變化檢測：利用簡單線性迭代聚類算法將當前幀分割為超像素集合，根據幀間的像素級時變線索找到當前幀中包含運動信息的前景超像素子塊；S2：基于前景超像素的目標分割：根據運動目標的一致性原則建立前一幀目標模型，結合目標空間線索進一步確定包含運動目標的檢測窗口，將目標檢測問題轉化為目標分割問題，利用密集角點檢測將目標從窗口中分割出來。

技術領域

本發明具體涉及一種超像素運動目標檢測方法。

背景技術

在計算機視覺領域，運動目標檢測是指在視頻序列上發現并捕捉到完整運動前景的行為，是目標跟蹤、分類和行為理解等更高層次處理的關鍵底層技術，其檢測效果將直接影響系統后續處理的各項性能。當前，越來越多的運動目標檢測算法被開發以滿足不同的應用需求(比如，智能機器人、自動監控系統和人機交互等)。但是，在實際復雜應用環境中，由于光照變化、噪聲、復雜背景紋理和動態背景等干擾因素，使得構建性能穩健的運動目標檢測方法成為一項極具挑戰性的研究課題。

幀間差分法、光流法和背景減除法是應用最為廣泛的運動目標檢測方法，其中，幀間差分法簡單易操作，但檢測效果較差；光流法能夠捕捉到細微的運動信息，但極易受到光照變化影響；而以背景減除法為核心的運動目標檢測框架則是當前被研究和發表相關文獻最多的檢測方法，其基本思想是將整個視頻序列視為不變應用背景和變化運動目標的合集，利用參數或非參數的方法構建背景模型，通過對比背景模型和當前幀圖像來檢測變化的前景運動目標。

背景減除類運動目標檢測算法的優劣取決于背景模型的有效程度，上述算法均致力于提高背景模型的可靠性，并通過模型更新策略和反饋機制來適應背景變化。但實際應用環境中由于光照變化、攝像機抖動和目標間歇運動等問題，使得構建可靠背景模型十分困難；且該類檢測算法存在理論缺陷：（1）無法在初始幀建立有效的背景模型，通常直接以初始幀為背景再逐漸調整；（2）背景模型無法及時響應后續幀中的背景突變；（3）背景的定義為長時間不變的像素，不適用于動態背景。更重要的是，背景減除類算法（包括幀間差分法和光流法）的本質屬于基于像素點的時間變化檢測，完全忽略了前景目標的整體特性，即無法判別檢測得到的前景變化區域是否屬于目標，直接將其等同為運動目標；而且目標運動是相對于鄰域背景的，簡單的對應像素點差分不能真實反映目標運動。

發明內容

本發明要解決的技術問題是提供一種超像素運動目標檢測方法。

超像素運動目標檢測方法，包括以下步驟：

S1：超像素時間變化檢測：利用簡單線性迭代聚類算法將當前幀分割為超像素集合，根據幀間的像素級時變線索找到當前幀中包含運動信息的前景超像素子塊；

S2：基于前景超像素的目標分割：根據運動目標的一致性原則建立前一幀目標模型，結合目標空間線索進一步確定包含運動目標的檢測窗口，將目標檢測問題轉化為目標分割問題，利用密集角點檢測將目標從窗口中分割出來。

進一步的，超像素時間變化檢測的具體方法如下：

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

2）由輸入幀的紋理復雜度自適應調整，由下式的高斯差分算子對輸入幀進行銳化處理,

,

并根據非極大值抑制二值化高斯差分圖像的邊緣信息，結合幀分辨率計算所需的SLIC分塊數目：

；

3）利用SLIC算法對當前視頻幀圖像進行分割，計算得到包含時變信息的超像素子塊并將其他靜態差像素是為背景，將包含時變信息的前景超像素子塊分割出來，作為前景運動區域進行空間目標狀態分析，

。