[发明专利]一种基于三维结构坐标约束的运动目标检测方法

说明书

技术领域

本发明属于图像探测与处理领域，具体涉及一种基于三维结构坐标约束的运动目标检测方法。

背景技术

如何在移动平台下进行有效的运动目标检测是机器视觉与智能监控中的一个关键问题。移动平台下，运动目标和背景在图像中均存在运动，解决这类问题的传统方法主要分为两种，一种方法是将视频图像中存在的视差忽略，认为相邻两帧图像满足简单的单应矩阵变换或仿射变换，利用单应矩阵来估计两幅图像中背景的全局运动；另一种方法则是分析相机的内外部参数，利用几何建模的方法来推算出图像中的光流场，寻找背景点满足的光流场约束关系。然而，这两种方法只能适用于图像视差不显著的情况，例如航拍视频或相机焦距较短的场合，而针对视频图像中存在较大视差情况下(例如公共场合近距离监控等)的运动目标检测却无能为力，往往容易将视差较大的背景点亦判作运动目标，形成虚警。

Yan Zhang等人论证了在纯平移情况下，背景光流将会汇聚到图像中的某一点，即FOE，从而检测出运动目标；Amnon Shashua提出了相机成像中的类仿射结构，提出了著名的Plane&Parallax方法。然而这两种方法均以两视图几何为根基，离不开基础矩阵(Fundamental Matrix)，而针对于两视图几何下的运动退化情况则无能为力，即当目标与相机移动方向一致时，上述方法将无法检测出运动目标，从而出现漏检情况，虚警率高。

文献Moving Object Localization in Thermal Imagery by Forward-backward MHI中提出的图像补偿方法，通过鲁棒性地估计相邻帧图像之间满足的单应矩阵，一定程度上消除了因相机运动引起的图像背景的全局运动，但却无法消除图像中存在的视差，从而将图像中视差较大的背景点亦当做运动目标，任然存在虚警率高的问题。

发明内容

本发明提出一种基于三维结构坐标约束的运动目标检测方法，解决了强视差情况下检测结果虚警率高的问题，同时对两视图下的运动退化情况也有所改善。

为了解决上述技术问题，本发明提供一种基于三维结构坐标约束的运动目标检测方法，首先对相邻三帧图像中的匹配点，通过极线约束的方法区分出满足极线约束的匹配点和不满足极线约束的匹配点；然后针对满足极线约束的匹配点，利用Plane&Parallax方法计算出匹配点的三维结构坐标，使用三维结构坐标约束方法区分出满足结构坐标约束的匹配点和不满足结构坐标约束的匹配点；最后将不满足极线约束的匹配点和不满足结构坐标约束的匹配点合并获得运动目标。

本发明与现有技术相比，其显著优点在于：(1)该方法以视频图像中相邻三帧图像作为分析对象，为运动目标检测提供了更多约束条件，从而其退化条件极为苛刻，有效提高了运动目标检测的检测率。(2)该方法利用三维空间点的结构坐标约束关系，考虑了三维空间点的深度信息，从而适用于图像中存在强视差的情况，能够有效对运动目标、强视差背景点和一般背景点进行有效分类，从而大大降低虚警率。

附图说明

图1是本发明方法的原理框图。

图2是本发明中使用的Plane&Parallax方法原理图。

图3是本发明仿真实验中使用的待处理的视频图像序列的相邻三帧图像，其中，(a)是前一帧图像，(b)是中间帧图像，(c)是后一帧图像。

图4是本发明仿真实验中使用现有方法获得的检测结果。

图5是本发明仿真实验中使用本发明方法获得的检测结果。

具体实施方式

本发明通过寻找视频图像中大量匹配点鲁棒性地估算背景点所满足的多视角几何约束关系，从而对所有的匹配点进行分类，找出不满足背景约束的匹配点作为运动目标。

具体如图1所示，本发明以视频图像中相邻三帧图像作为分析对象，

首先通过极线约束的方法对相邻三帧图像中的匹配点进行一次分类检测，区分出满足极线约束的匹配点和不满足极线约束的匹配点，将满足极线约束的匹配点归为一类，将不满足极线约束的匹配点归为另一类，其中不满足极线约束的匹配点就是一次分类检测后获得的运动目标；

然后，针对满足极线约束的匹配点，利用Plane&Parallax(主平面+视差)方法计算出匹配点的三维结构坐标，使用三维结构坐标约束对满足极线约束的匹配点进行二次分类检测，区分出满足结构坐标约束的匹配点和不满足结构坐标约束的匹配点，其中不满足结构坐标约束的匹配点就是二次分类检测后获得的运动目标；

最后，将两次分类检测获得的运动目标合并即获得最终检测到的运动目标。