[發(fā)明專利]一種航拍視頻的運動目標檢測方法

在審

• 申請?zhí)枺?/td>: 201711365258.1
• 申請日: 2017-12-18
• 公開（公告）號: CN108109163A
• 公開（公告）日: 2018-06-01
• 發(fā)明（設(shè)計）人: 聶海濤
• 申請（專利權(quán)）人: 中國科學(xué)院長春光學(xué)精密機械與物理研究所
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/215;G06T7/246
• 代理公司: 深圳市科進知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44316
• 代理人: 趙勍毅

本發(fā)明公開了一種航拍視頻的運動目標檢測方法。本發(fā)明的航拍視頻的運動目標檢測方法包括步驟：對輸入視頻序列進行圖像匹配，得到背景補償后的差分圖像；對背景補償后的差分圖像進行能量累加，得到累加差分圖像；對累加差分圖像進行形態(tài)學(xué)開運算處理，去除噪聲并捕捉大致目標區(qū)域；進行邊緣檢測求得目標圖像的邊緣，并對目標區(qū)域進行標注。本發(fā)明提供的航拍視頻的運動目標檢測方法適用于不同場景下的多運動目標檢測，且檢測的準確率高。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像技術(shù)領(lǐng)域，特別涉及一種航拍視頻的運動目標檢測方法。

背景技術(shù)

隨著計算機和信息技術(shù)的迅猛發(fā)展和普及應(yīng)用，智能交通系統(tǒng)ITS應(yīng)運而生，它是解決當(dāng)下交通問題的重要途徑，更是未來智能交通事業(yè)發(fā)展的主要方向。運動目標檢測是智能交通系統(tǒng)的基本技術(shù)之一，是車輛計數(shù)、車速度、車流量和車密度這些交通流參數(shù)測量的基礎(chǔ)。在運動目標檢測中，只有從圖像背景中準確地分割出車輛，才能進行運動目標的識別與跟蹤，進而進行各種交通流參數(shù)的測量與分析。航拍是一種非接觸式的，遠距離的探測技術(shù)，隨著科學(xué)技術(shù)和社會經(jīng)濟的不斷發(fā)展，航拍技術(shù)也逐漸被用于道路上運動目標的檢測。航拍視頻中的運動目標檢測技術(shù)的研發(fā)已成為計算機視覺、模式識別和圖像處理領(lǐng)域備受關(guān)注的前沿課題。

基于固定攝像頭的運動目標檢測算法，比如背景差分法、幀差法和光流法，這些檢測算法不能直接用于攝像頭運動的航拍視頻檢測場景中，主要原因是由于攝像頭的運動使得圖像背景變得復(fù)雜多變，從而不能精確地檢測出運動目標。

現(xiàn)有技術(shù)公開了航拍交通視頻車輛快速檢測方法，此方法利用全局運動估計方法分割出背景區(qū)域與前景區(qū)域，然后結(jié)合分水嶺分割技術(shù)得出運動目標，其存在使用二參數(shù)模型只模擬了航拍器的平移運動，會造成錯誤的全局運動估計，尤其會在復(fù)雜場景中引起較大的噪聲干擾導(dǎo)致檢測到錯誤的運動目標的缺陷。

綜上所述，基于航拍視頻的運動目標檢測方法的現(xiàn)有技術(shù)存在只適用于簡單的單一場景運動目標檢測，難以適用于不同場景下的多運動目標檢測，檢測的準確率容易受到尺度變化、復(fù)雜環(huán)境和攝像頭運動的影響的缺陷，因此，研發(fā)適應(yīng)不同場景的基于航拍視頻的運動目標檢測方法具有很高的實用價值。

發(fā)明內(nèi)容

本發(fā)明旨在克服現(xiàn)有技術(shù)存在的缺陷，本發(fā)明采用以下技術(shù)方案：

本發(fā)明實施例提供了一種航拍視頻的運動目標檢測方法，所述航拍視頻的運動目標檢測方法包括步驟：

對輸入視頻序列進行圖像匹配，得到背景補償后的差分圖像；

對背景補償后的差分圖像進行能量累加，得到累加差分圖像；

對累加差分圖像進行形態(tài)學(xué)開運算處理，去除噪聲并捕捉大致目標區(qū)域；

進行邊緣檢測求得目標圖像的邊緣，并對目標區(qū)域進行標注。

在一些實施例中，所述步驟：對輸入視頻序列進行圖像匹配，得到背景補償后的差分圖像具體包括步驟：

采用SURF特征點作為背景運動補償中所需的特征點；

通過網(wǎng)格篩選法提取出均勻分布的全局SURF特征點；

對選取的特征點進行匹配，用于全局運動參數(shù)的估計；

通過所求的全局運動參數(shù)進行仿射變換，求得背景補償后的差分圖像。

在一些實施例中，所述對選取的特征點進行匹配，具體包括：

采用BBF算法進行SURF特征點的粗匹配；

在SURF特征點的粗匹配后，通過匹配的特征點對，找出兩幀圖像間的一個最優(yōu)的仿射矩陣，使當(dāng)前幀圖像上提取的特征點集合和參考幀圖像上的特征點集合中的最多點對匹配；

采用PROSAC算法進一步剔除匹配特征點對中的錯誤匹配點對，求得兩幀圖像間的仿射矩陣。