[发明专利]一种时空域统计匹配局部特征的运动目标检测方法

权利要求书

1.一种时空域统计匹配局部特征的运动目标检测方法，其特征在于，包括以下步骤：

步骤1、提出3-D LWR算子：根据邻域像素点距离中心像素点的距离远近，设置基于圆域滤波器的时空权重滤波器f，结合现有的局部自适应回归核，得到时空局部带权重的回归核3-D LWR算子；

步骤2、构建复合模板集：将模板视频转成灰度图片序列，然后将图片序列去背景，选取运动半身和多尺度缩放处理，再用3-D LWR算子提取模板的局部特征，最后用主成分分析法和向量余弦匹配法对模板局部特征做冗余去除处理；

步骤3、待测视频预处理：将待测视频转换为灰度图片序列，并提取显著性区域，提取显著视频的3-D LWR特征，并用主成分分析法进行去冗余处理；

步骤4、时空域相似性评估：将待测视频显著区域内每一像素点对应的3-D LWR特征向量，与复合模板集的所有特征向量进行余弦匹配，记录最大匹配值对应的模板中向量的位置；

步骤5、时空域整体相似度统计：设立时空统计窗口，统计窗口内不同的位置数目，得到运动目标存在的概率矩阵；

步骤6、根据统计概率矩阵，用非极大值抑制的方法，逐帧提取出运动目标位置，并恢复成视频；

步骤1中所述时空权重滤波器f的大小为5×5×3，中间第二帧为圆域均值滤波器，第一帧和第三帧相同，具体为：

步骤1-1、3-D LWR特征基于的局部自适应回归算子，公式为：

其中，x_l是时空中心点，x_i是中心点时空邻域窗口内的像素点，h是全局平滑参数，C_l∈R^3×3是基于行、列和时间方向上的梯度向量的协方差矩阵；计算C_l∈R^3×3时需要另取一个时空邻域范围，设为5×5×3，邻域范围内的像素点被同等的选取，且C_l∈R^3×3计算公式为：

式中，m＝5×5×3＝75，梯度向量矩阵J公式为

步骤1-2、区分中心点周围像素点的重要性，将协方差矩阵与时空权重滤波器f结合，其公式为：

J_new＝J_l×f，∈5×5×3

步骤1-3、时空权重滤波器f∈5×5×3，中间第二帧为半径为5的圆域均值滤波器，如下式f(：，：，2)所示；第一帧和第三帧由基于圆域均值滤波器乘以权重因子0.6变形而成；由于C_l∈R^3×3在计算的过程中要使用奇异值分解，用于降低维度的主成分分析法PCA中要使用特征值分解，数值为0则不必经历奇异值分解和特征值分解，由于0.2138乘以权重因子0.6后的数值接近于0，因此将其设置为0，将小数点后面第二位的数字忽略，得到权重矩阵的第一和第三帧，如下式f(：，：，1)所示，具体公式为：

步骤1-4、对步骤1中所述的3-D LWR，其中协方差矩阵公式为：

使用带权重的C_lnew代替原来的C_l，得到整个视频中每个点的核值K，再进行归一化，将归一化之后窗口内的各像素点对应的元素值按序排成一列，得到该点的局部自适应回归核特征向量Wⁱ，即3-D LWR，公式为：

其中，i为任意一点，M为视频内总像素点的数目。