[發(fā)明專利]基于目標檢測的物體運動方向識別方法

有效

• 申請?zhí)枺?/td>: 201910214569.0
• 申請日: 2019-03-20
• 公開（公告）號: CN110070560B
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 孫欽東;馮星瑜;高凱軒
• 申請（專利權(quán)）人: 西安理工大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06T7/70
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 寧文濤

本發(fā)明公開了一種基于目標檢測的物體運動方向的識別方法，其過程是:每個運動軌跡對應一個物品的運動，每識別一幀，將該幀的所有檢測結(jié)果與當前所有的運動軌跡做全排列，然后根據(jù)相同物品最小距離匹配等條件去除不匹配的運動軌跡，并標記未與當前運動軌跡匹配的檢測結(jié)果為待匹配結(jié)果，等待下一幀繼續(xù)匹配。根據(jù)運動軌跡可識別物品的運動方向。本發(fā)明的方法對物品運動方向的判別效果較好。

技術(shù)領(lǐng)域

本發(fā)明屬于視覺目標跟蹤技術(shù)領(lǐng)域，涉及一種基于目標檢測的物體運動方向的識別方法。

背景技術(shù)

在計算機盛行、人工智能技術(shù)迅速發(fā)展的智能化時代，基于計算機視覺的目標跟蹤技術(shù)的實現(xiàn)在各個行業(yè)發(fā)揮著越來越重要的作用。其主要思想就是在連續(xù)的視頻序列中，建立與追蹤物體的位置關(guān)系，以得到物體完整的運動軌跡，根據(jù)軌跡可迅速判斷出物體的運動方向，在物體運動過程中，目標可能會呈現(xiàn)一些圖像上的變化，比如物體形狀的變化、遮擋嚴重的情況或光線亮度的變化等，這些都需要通過目標跟蹤以及目標檢測算法來解決。

現(xiàn)有的運動目標檢測技術(shù)中，常見的有背景差分法，幀間差分法，光流法。背景差分法是一種對靜止場景進行物體運動方向判斷的方法，給定一張靜止場景圖片作為背景，在連續(xù)的視頻序列中，將當前幀與背景相減，根據(jù)差分結(jié)果進行目標檢測，雖然算法很簡單，很容易實現(xiàn)，但其計算速度緩慢，而且易受光環(huán)境、噪聲等外界條件影響。幀間差分法，是一種在連續(xù)視頻序列中，通過對其相鄰兩幀之間的相減，得到兩幀圖像亮度差的絕對值，判斷它是否大于閾值來獲得運動目標輪廓，確定圖像序列中有無物體運動，算法實現(xiàn)簡單，對光環(huán)境等外界條件不敏感，但是該算法不能提取出對象的完整區(qū)域，只能提取出邊界，同時依賴于選擇的幀間時間間隔，時間間隔的選擇對能否檢測到目標有很大的影響。光流法，光流是空間運動物體在觀察成像平面上的像素運動的瞬時速度，首先給圖像中每個像素點賦予一個速度矢量，這樣就形成了一個運動矢量場，如果圖像中沒有運動目標，則光流矢量在整個圖像區(qū)域是連續(xù)變化的，當圖像中有運動物體時，目標和背景存在著相對運動，從而檢測出運動物體以及位置，但光流法的計算量較大，且需要特殊硬件支持，無法保證實時性和實用性。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于目標檢測的物體運動方向識別方法，解決了現(xiàn)有技術(shù)中存在的目標檢測基礎(chǔ)下，識別物品運動方向準確率不高的問題。

本發(fā)明采用的技術(shù)方案是，一種基于目標檢測的物體運動方向的識別方法，根據(jù)物體的運動軌跡進行識別，按照以下步驟進行實施：

步驟1：將物體運動的連續(xù)幀經(jīng)目標檢測后的結(jié)果定義為t_1，t_2，t_3三個隊列，定義當前幀的幀ID為i。其中t_1保存i-1幀圖像的檢測結(jié)果及待匹配的框信息，t_2保存i-1幀和i-2幀可信運動軌跡序列，t_3保存i-2幀前的可信運動軌跡序列。其中每一個運動軌跡存儲的檢測信息按照幀ID從大到小排列。

步驟:2：給定i幀圖像的非空檢測結(jié)果，遍歷t_2和t_3，查找每個運動軌跡最新的物品位置，將該位置認為是待匹配位置，并加入到待匹配位置隊列中

步驟3：首先將t_3與t_2的結(jié)果相加作為最新的t_3，然后將i幀圖像檢測到的框與t_3隊列中所有可信運動軌跡進行全排列生成新的運動軌跡序列，記為:t_new1。之后計算t_new1中每一個運動軌跡的置信度prob；

步驟4：將t_1的結(jié)果賦值給t_2，然后將i幀圖像檢測到的框與t_2隊列中所有可信運動軌跡進行全排列生成新的運動軌跡序列，記為:t_new2。之后計算t_new2中每一個運動軌跡的置信度prob；

步驟5：將i幀圖像檢測結(jié)果，按照分類概率的大小進行排序，并作為t_1的結(jié)果。

步驟6：將步驟2和步驟3得到的t_new1和t_new2相加作為t_new。

步驟7：遍歷t_new，去除所有“不匹配”的運動軌跡，并且在刪除“不匹配”的運動軌跡之前，如果該運動軌跡第二個檢測信息不在待匹配隊列中，將其加入到待匹配隊列。