[發明專利]一種抑制船尾拖紋的船舶顯著性視頻檢測方法

在審

• 申請號: 201710215079.3
• 申請日: 2017-04-02
• 公開（公告）號: CN107220982A
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 阮雅端;陳雷興;曹偉清;陳林凱;李昀峰;趙博睿;陳啟美;儲新迪
• 申請（專利權）人: 南京大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/149;G06T7/215;G06T7/246
• 代理公司: 南京天翼專利代理有限責任公司32112
• 代理人: 奚銘

技術領域

本發明涉及圖像和視頻處理以及計算機視覺檢測技術，特別涉及運動船舶檢測中抑制船尾拖紋的算法，為一種抑制船尾拖紋的船舶顯著性視頻檢測方法。

背景技術

我國東南沿海地區湖河交錯，水運也繼續成為大宗貨物的運輸方式之一。水路運輸具有運輸量大、運價低等優點，運價僅公路的1/10。但是水面不似黑色柏油路面，寬度不統一、沒有白色標線規范；此外，船舶不似車輛，尺寸不規范，撞橋、擱淺時有發生。隨著視頻檢測技術的日漸成熟，船舶視頻自動檢測成為智能視頻監控系統中一個重要研究課題，在內河河道的水運管理中，可以有效減少人工視頻檢測的人力消耗。但是，河道上的船舶在行進時，所產生的船尾拖紋與運動船舶有著相同的運動規律，導致船尾拖紋常常會被誤檢測為運動船舶的一部分，給船舶自動檢測精度帶來很大誤差。因此，如何解決運動船舶的實際準確尺寸顯得尤為重要，也是當前研究的一大方向，對于船舶視頻監測預警具有重要的實際應用價值和重大經濟價值。

目前，多數研究人員采用混合高斯背景減除算法(GMBSD，gaussian mixture background subtraction division)對內河航道中背景進行建模，但是船尾拖紋與船舶的運動一致性，依然難以解決拖紋這一起伏背景的干擾。Bao等提出的船舶檢測器算法(CFD，cabin feature detector)通過訓練船舶特征創建檢測器，能夠檢測出不同于訓練樣本的目標船舶，但是該檢測器完全依賴于訓練集大小，工作量大，不具有適應性。

發明內容

本發明的目的是為了解決現有方法在運動船舶檢測中無法有效抑制船尾拖紋的問題，以及在抑制拖紋的前提下又能否準確檢測船體的尺寸。

本發明的技術方案為：一種抑制船尾拖紋的船舶顯著性視頻檢測方法，用直方圖對比度方法(HC)得到初步的HC顯著圖；將超像素分割算法與區域空間分布特征結合，得到內河場景區域顯著圖，以該區域顯著圖初始化GrabCut算法，用于提取運動船舶，具體包含兩個部分，內河場景顯著圖計算部分和GrabCut船舶提取部分，步驟如下：

步驟S1：對內河船舶監控視頻圖像幀，根據顏色對比度直方圖得到內河場景初步的HC顯著圖；

步驟S2：將原始內河船舶監控視頻幀圖像進行超像素分割成若干子區域，通過區域空間位置關系改進步驟S1中得到的HC顯著圖，得到區域顯著圖：

S2.1)利用超像素分割方法將輸入的內河視頻幀圖像分割成J個像素塊區域，得到超像素塊r_j，j＝1,2,…,J，每個超像素塊內的平均顯著性值表示為：

式中，N(r_j)為超像素塊r_j里所含有的像素總數，S(I_k)為超像素塊r_j內第k個像素I_k的顯著性值，像素I_k的顯著性值由步驟S1的HC顯著圖得到；

S2.2)用每個超像素塊和其他超像素塊的空間關系權值來為此超像素塊定義新的顯著性值，超像素塊r_j的顯著性值S(r_j)為：

式中，D_s(r_j,r_i)是超像素塊r_j和r_i的空間距離，i＝1,2,…,J，i≠j，所述空間距離定義為兩個區域重心的歐氏距離，σ_s²用于決定空間關系權值的強度，w_s(r_j)是超像素塊r_j的空間關系權值，定義為：

d_j是超像素塊r_j中所有像素與視頻幀中心的平均距離；

得到各個超像素塊r_j的顯著性值，即得到區域顯著圖；

步驟S3：通過步驟S2得到區域顯著圖初始化GrabCut算法，用于提取船舶輪廓，GrabCut算法的迭代分割過程中加入腐蝕膨脹操作來逼近目標邊緣，從而提取運動船舶，實現對船舶的檢測；

其中步驟S1和步驟S2組成內河場景顯著圖計算模塊，步驟S3為改進的GrabCut船舶提取模塊。

步驟S1具體為：