[发明专利]一种基于空间-时间频谱联合分析的运动目标检测方法

说明书

技术领域

本发明涉及一种基于空间-时间频谱联合分析的运动目标检测方法，尤其涉及一种运动目标检测方法，属于计算机视觉技术领域。

背景技术

运动目标检测作为计算机视觉领域的研究热点，在智能视频监控、图像检索、运动分析等众多领域都均有着十分广泛的应用。近年来，随着运动特征提取及目标检测技术的发展，业已形成多种运动目标检测方法，主要包括帧间差分法、背景差分法、光流法等。帧间差分法的基本原理是对视频图像序列中连续两帧图像作“减法”运算，通过图像像素点间的一对一比较实现运动信息的提取及运动目标检测。不同于帧间差分法，背景差分法首先以更加抽象的数学模型对图像背景信息进行形式化建模。在此基础上通过滤波技术实现对运动目标的准确检测。因此，如何对背景图像准确的建模是该方法的核心，主要包括统计平均、核密度估计、高斯混合模型(GMM)、压缩感知、码本模型(Coodbook)等建模方法。不同于前二种方法，光流法以图像中各像素点灰度值的瞬时变化率(光流)为基础，根据光流的差异区分目标和背景。

对于运动目标检测研究，文献[1]提出了一种基于Harris角点匹配的补偿HS光流法(CHS)。该算法能够很好的求解对大位移刚性物体的光流计算，从而实现对运动目标的检测。文献[2]将五帧差分法和背景相减法结合实现动态场景中的运动目标检测。文献[3]基于高斯混合模型的遗传K均值算法进行运动目标检测。根据遗传K均值算法在时间轴上将图像像素进行聚类，实现对背景的分类，从而实现运动目标检测。文献[4]在图像显著性提取过程中添加了一个差分通道提取多帧图像间的运动特征，该方法能够实现对运动目标的检测。文献[5]将静态显著图与动态显著图相互融合，在静态显著图上加入了方向特征从而实现对运动目标的检测。上述研究均能在一定程度上实现对运动目标的检测，为运动目标检测方法研究奠定了基础。但这些工作多是在图像的空域、时域中所进行的研究背景噪声及静态目标对运动目标检测的干扰较大。

目前，通过图像频域中的计算实现运动目标检测的相关方法较少，更没有采用空间-时间频谱联合分析的运动目标检测方法。采用频谱分析实现运动目标检测方法的技术优势在于能够有效抑制空域或时间域中所包含的噪声。且由于仅需要傅里叶变换的支持及简单的线性计算，基于空间-时间频谱联合分析的运动目标检测算法的运算复杂度较低。鉴于此，本发明通过空间频谱分析首先提取可能包含运动目标的候选区域，随后在候选区域中通过时间频谱分析获取候选区域中的运动信息，以确定运动目标的图像区域，实现运动目标检测。

参考文献：

[1]Lu Ziyun,Liu Wei.The Compensated HS Optical Flow Estimation Based on Matching Harris Corner Points[C]//International Conference on Electrical and Control Engineering,2010.

[2]Huijuan Zhang,Hanmei Zhang,A Moving Target Detection Algorithm Based on Dynamic Scenes[C]//The 8th International Conference on Computer Science&Education,2013.

[3]Duan Xiuman,Sun Guoxia,Yang Tao.Moving target detection based on Genetic K-means Algorithm[C]//International Conference on Communication Technology(ICCT):IEEE,2011.

[4]GUO Chenlei,MA QI,ZHANG Liming.Spatio-temporal saliency detection using phase spectrum of quaternion Fourier transform[C]//Conference on Computer Vision and Pattern Recognition.Alaska:IEEE,2008:1-8.

[5]肖利梅，曹洁，李策，基于多尺度相位谱的显著性运动目标检测[J].兰州理工大学学报，2011。

发明内容