[發明專利]融合背景差分法和聚類法的彈著點定位方法

在審

• 申請號: 202011057623.4
• 申請日: 2020-09-30
• 公開（公告）號: CN112150512A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 路茗;魏智;張質懿;胡育昱;王營冠
• 申請（專利權）人: 中國科學院上海微系統與信息技術研究所
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/246;G06K9/62;G06T5/00;G06T5/10;G06T5/30
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 鄧琪

本發明涉及一種融合背景差分法和聚類法的彈著點定位方法，包括：獲取待檢測的視頻，使用背景差分法對視頻進行處理，得到差分圖像；對差分圖像進行去噪處理，獲得完整的爆炸區域，并提取爆炸區域內每一幀差分圖像的像素點；使用聚類算法對每一幀差分圖像的像素點進行聚類分析，獲得聚類中心和不同類的像素個數；對連續N幀差分圖像中聚類中心的位置和不同類別內的像素點個數進行檢測，獲得彈著點位置。本發明克服了單幀圖像檢測法在彈著點特征與環境特征相似時導致的錯檢、誤檢問題，提高了爆炸運動目標檢測的精度。本發明適合所有靜態靶區的視頻彈著點檢測，受環境因素影響較小，方便移植到另一個靶場中使用。

技術領域

本發明涉及爆炸目標的識別和定位領域，更具體地涉及一種融合背景差分法和聚類法的彈著點定位方法。

背景技術

針對視頻中的運動目標檢測，目前的檢測方法包括幀差法、背景減法和光流法。幀差法，即用視頻中相鄰的兩幀圖像做差分，當有運動目標時，會獲得運動目標的輪廓而非完整的目標，運動目標不完整也即獲得的運動目標會出現“空洞”，丟失掉該目標的部分信息，不利于后續的數據處理。光流法評估兩幅圖像之間的變形，它的基本假設是體素和圖像像素守恒，假設一個物體的顏色在前后兩幀沒有巨大而明顯的變化。但是，爆炸是一種特征、形狀及顏色都會發生快速變化的運動，針對這類目標檢測，無法發揮光流法的優勢。背景差分法或稱背景減法能夠獲得比較完整的運動目標，但是單靠背景差分法并不能說明該視頻內發生了爆炸，只能說明該視頻內發生了運動。因而，背景差分法可以作為初始的運動目標檢測方法，但不能作為唯一的炸點檢測方法。

炸彈落地后大致有三種狀態：火光、煙塵和二者混合，不同的炸彈落地后的狀態可能是不同的，且不同狀態下的爆炸形狀是無規則、無規律的，故無法用統一的模板進行目標匹配。因而，采用傳統的固定目標特征模板后續進行模板匹配的單幀圖像檢測法并不適用于彈著點的檢測。同時，單幀圖像檢測法在炸點特征與環境特征相似時會導致錯檢、誤檢的問題，降低彈著點的檢測精度，使得炸彈圖像檢測不準確。另外，常規的目標檢測都是提取圖像目標的邊緣、紋理或是角點等特征，這種方法一般對于特征比較穩定的目標而言更為合適，但爆炸是一種運動的、變化的目標，常規的目標檢測會受到很多限制，會造成檢測精度不高、魯棒性差等缺點。

發明內容

為解決上述現有技術中的問題，本發明提供一種融合背景差分法和聚類法的彈著點定位方法，能夠提高視頻中彈著點的檢測精度，克服傳統炸彈圖像檢測不準確的問題。

本發明提供的一種融合背景差分法和聚類法的彈著點定位方法，包括：

步驟S1，獲取待檢測的視頻，使用背景差分法對所述視頻進行處理，得到差分圖像。

步驟S2，對所述差分圖像進行去噪處理，獲得完整的爆炸區域，并提取所述爆炸區域內每一幀差分圖像的像素點。

步驟S3，用聚類算法對所述爆炸區域內每一幀差分圖像的像素點進行聚類分析，得到每一幀差分圖像中聚類中心的位置以及不同類別內的像素個數。

步驟S4，對連續N幀差分圖像中聚類中心的位置和不同類別內的像素點個數進行檢測，獲得彈著點位置，其中，N為5～20之間的整數。

所述步驟S3中采用的聚類算法為K均值聚類算法。

所述步驟S4包括：

步驟S41，設定初始聚類中心個數。

步驟S42，按照K均值算法對爆炸區域內的像素點進行歸類，并對聚類中心進行更新，記錄每次更新后聚類中心的位置以及每次更新后聚類中心類別內的像素個數。

步驟S43，選取連續N幀差分圖像，判斷每次更新后聚類中心的位置變化范圍是否小于閾值，同時判斷每次更新后聚類中心類別內的像素個數是否增加，若是，則判定該連續N幀差分圖像中出現爆炸，進入步驟S44；若否，則選取下一組連續N幀差分圖像進行檢測；