[发明专利]一种基于有效目标判断的无人机机动目标检测方法

说明书

本发明属于图像和视频处理领域，具体涉及一种基于有效目标判断的无人机机动目标检测方法。所述目标检测方法包括以下步骤：A）将上一帧图像与当前帧图像进行配准；B）将配准结果与当前帧图像进行差分和边缘抑制；C）对差分图像进行形态学处理，连通目标区域并去除噪点影响；D）在差分图像上检测目标区域，并对目标区域进行有效判断，提取出实际运动目标区域；E）在原始图像中框选出有效运动目标并显示检测图像。本发明的有益效果为：1）检测率高，误检率低，受运动平台姿态变化以及外界干扰的影响小；2）各个步骤运算量较低，方法实时性强。

技术领域

本发明属于图像和视频处理领域，具体涉及一种基于有效目标判断的无人机机动目标检测方法。

背景技术

运动目标检测是图像处理中一个重要的研究领域。无人机视频中的运动目标检测，可以使观看者能快速捕捉所关注的运动目标，也可以为图像跟踪定位、目标显示等处理环节提供便利。由于无人机平台时刻处于运动中，载荷拍摄的区域不断发生变化，特别是小型无人机，很容易受到外界环境干扰，姿态变化比较剧烈，因此现有成熟的运动目标检测方法不适用于无人机航拍背景。无人机运动目标检测通常采用图像配准后进行帧间差分获得，差分图像的准确性受配准结果的影响较大，因此效率高，准确性强的图像配准方法是提升运动目标检测准确性的关键。同时，速度快图像配准算法难免会带来一些误检现象，而现有误检判断方法通常存在准确性差，实时性不强等缺点，因此设计有效目标判断方法，降低算法的误检率是无人机航拍领域下运动目标检测的重中之重。

发明内容

为了解决目标检测算法中误检率高的问题，引入一种基于BING特征的SVM分类器进行目标有效性判断方法。同时为保证算法执行效率，采用图像块匹配辅助特征点匹配的方法进行图像配准。为了去除图像差分后存在的误检情况，引入了多帧图像差分来减少配准带来的误差影响。并运用多种形态学方法去除差分后的噪声影响，最终实现了运动平台的实时目标检测。

具体技术方案如下：一种基于有效目标判断的无人机机动目标检测方法，所述目标检测方法应用基于BING特征的SVM分类器进行目标有效判断。

进一步地，所述目标检测方法包括以下步骤：

A)将上一帧图像与当前帧图像进行配准；

B)将配准结果与当前帧图像进行差分和边缘抑制；

C)对差分图像进行形态学处理，连通目标区域并去除噪点影响；

D)在步骤C)处理后的差分图像上检测目标区域，并对目标区域进行有效判断，提取出实际运动目标区域；

E)在原始图像中框选出有效运动目标并显示检测图像。

进一步地，所述步骤A)具体包括如下步骤：将上一帧图像f_i-1进行缩放因子为s的尺度放缩，图像f_i-1缩放前的宽为w，高为h，图像f_i-1缩放后的低分辨率图像f_i-1^s的宽为高为在图像f_i-1^s上选取以图像中心点为中心，宽和高均为l的矩形tR，其中l取值为：

其中为种中的最小值，将f_i-1^s图像上，tR区域的图像块f_i-1^tR作为低分辨率图像模板匹配的模块，在当前分辨率图像f_i^s匹配模版f_i-1^tR，得到在f_i^s上模版中心点的最佳匹配的位置(x，y)，应用如下公式计算两帧图像之间的水平和垂直方向上的偏移dx与dy：

根据偏移dx与dy对摄像机的平移运动进行补偿，重复操作完成对连续帧之间的平移运动补偿。