[发明专利]一种协同运动目标检测方法

说明书

技术领域

本发明涉及一种协同目标检测方法，特别是协同运动目标检测方法。

背景技术

文献“Fusion of color and infrared video for moving human detection，Pattern Recognition，Vol.40(6)，2007，p1771-1784”公开了一种基于特征级融合的运动目标检测方法。该方法首先分别对红外和可见光序列采用背景差，获得人体目标的初始轮廓，然后分别计算红外图像和可见光图像中目标轮廓的中心作为红外和可见光图像配准的对应角点，这样实现了图像的自动配准。最后对已配准的红外和可见光图像，利用基于像素级的融合概率检测策略(probabilistic strategies)提取精确的目标轮廓。该方法在融合阶段对各个元图像的检测结果进行了可信性度量，通过可信性度量对不同传感器处理结果进行固定阈值分割，获得前景概率。这种方法的的不足之处是对前景概率进行固定阈值分割，阈值过高或过低都会影响检测结果，使得检测结果目标比实际目标大或者目标被分碎。另外该方法只是简单利用不同元图像信息的联合，并不能充分利用各图象元信息之间的互补、辅助关系，不能充分利用多元优势，因此检测结果并不理想，目标平均检测率只有97.64％。

发明内容

为了克服现有技术目标平均检测率低的不足，本发明提供一种协同运动目标检测方法，采用多元图像的协同运动目标进行检测，在光照敏感、遮挡、阴影、目标运动状态发生变化的基础上，可以提高目标的平均检测率。

本发明解决其技术问题所采用的技术方案：一种协同运动目标检测方法，其特征在于包括下述步骤：

(a)首先使用模板匹配法完成特征点之间的匹配，然后利用特征点估计图像之间的变换参数，并选取最优的一组作为最终变换参数进行图像配准；

(b)对可见光图像序列采用多层背景差算法将场景中相对背景运动的目标检测出来，使用分层红外目标检测算法检测出热目标，将可见光图像中检测出的干扰目标排除；

(c)根据步骤(b)检测结果，分别计算可见光序列和红外序列的信息向量，并通过两个信息向量计算协同驾驶向量；

全局信息向量针对每一帧的检测结果，局部信息向量针对每一个检测出来的目标，按照式(1)进行计算；

GIV＝<ObjNum>        (1)

LIV＝<ObjCentroid ObjArea ObjBksimlty>

ObjBksimlty＝<AerObjGray AverBkGray>

全局协同驾驶向量仅包括目标总数之比<ObjNumFactor>，按照式(2)进行计算；

GCDV＝<ObjNumFactor>               (2)

ObjNumFactor＝ObjNum_IR/ObjNum_svn

局部协同驾驶向量包括质心距离、面积因子、目标背景相似度因子、关联目标数因子，计算公式见式(3)；

LCDV＝<ObjCentdD ObjAreaFator ObjBksimltyFacotr AssociatedNumFactor>     (3)

ObjCentdD=(xIR-xVSN)2-(yIR-yVSN)2]]>