[发明专利]一种基于视频检测的运动小目标检测跟踪方法

说明书

本发明公开了一种基于视频检测的运动小目标检测跟踪方法，属于视频图像处理技术领域。包括以下步骤：首先，对用摄像头拍摄到的图像采集和预处理，对拍摄到的图像通过网线连接传输到PC机的客户端；然后，对图像进行9_7小波变换，将图像信息从空间域变换到频率域，使用小波变换提升结构算法进行处理，再将处理的图像频谱逆变换到空间域；增强目标和背景的对比度；最后，对图像进行分割标记，依次判断每个区域的像素个数并结合运动小目标的几何特征，去除歧义目标之后，利用区域生长算法找到目标并输出。

技术背景

本发明属于视频图像处理技术领域，涉及一种基于视频检测的运动小目标检测跟踪方法。

背景技术

随着近年来对低空空域管制逐步放开和“低慢小”飞行器的飞速发展，利用“低慢小”飞行器违规飞行和恐怖袭击事件日益上升，这些事件扰乱了正常航空秩序造成了较大的经济损失和负面影响，因此，对“低慢小”飞行器进行合理有效的检测管控成为了刻不容缓的目标。目前常用的动目标检测跟踪算法都是属于在空域对图像进行处理，但是当处理较大的图像数据时，如果没有高效的算法，计算会变得非常复杂，处理时间变长而且可能需要额外的硬件支持，这样就很难应用在实时目标检测跟踪环境中。

经典运动目标检测方法有背景差分法和帧间差分法，背景差分算法适用于摄像机静止的拍摄场景，该方法对背景的依赖性较高，易受外界环境变化影响，如当环境中光线发生变化或者背景中有飞鸟、树枝晃动时，当前的背景图像就与建立的背景模型发生了巨大变化，而这些变化就会被系统认为是运动目标并影响对真实目标的检测；帧间差分法由于图像序列中帧间的间隔很小，造成背景图像一般差异不大，避免了背景差分中的因前后背景模型变化较大时造成的影响，但是算法的不足之处是阈值的选取非常难，可以说阈值的取值是否合理直接决定目标的检测是否有效，阈值过低则不能消除背景中的噪声影响，过高则会消除目标，仿真结果表明此算法不能适用于运动速度变换较大的目标检测，而应用场景是检测跟踪具有机动性非常灵活的小型无人机，所以帧间差分法也不适用。运动目标跟踪方面：经典的“Mean-shift目标跟踪算法”当目标跟踪区域已知时，跟踪可以实时完成，但算法也有明显的缺点。

1、缺少模板更新算法，搜索窗口的大小在整个跟踪过程中保持不变。如果目标尺寸改变，跟踪目标可能会丢失。

2、当背景和跟踪目标的颜色直方图相似时，跟踪目标也可能丢失。

3、当目标运动速度较快时，跟踪效果较差。

4、传统算法复杂，代码量大，检测准确率低，而且算法留有大量图像处理接口适用性差。

5、目标与背景间的照度差异较小，对歧义目标无法进行筛选和粗判，无法根据目标几何特征、背景光强确定单帧图像中的目标位置，无法利用多帧图像进行关联来剔除多目标。

发明内容

本发明解决的问题在于提供一种基于视频检测的运动小目标检测跟踪方法，可以对监控区域的小型无人机进行有效的检测跟踪。

本发明是通过以下技术方案来实现：

一种基于视频检测的运动小目标检测跟踪方法，包括以下步骤：

S1：对拍摄到的图像采集和预处理后通过网线连接传输到PC机的客户端；

S2：对图像进行9_7小波变换，将图像信息从空间域变换到频率域，使用小波变换提升结构算法进行处理，再将处理的图像频谱逆变换到空间域；增强目标和背景的对比度；

S3：对图像进行分割标记，依次判断每个区域的像素个数并结合运动小目标的几何特征，去除歧义目标之后，利用区域生长算法找到目标并输出；

S4:运用MATLAB软件平台实现对9_7小波变换和区域生长结合检测动目标算法的实现。

进一步地，在步骤S1中，处理流程如下：