[发明专利]基于模板光流的前景目标检测方法

说明书

本发明公开了一种基于模板光流的前景目标检测方法，涉及计算机视觉目标检测技术领域，技术方案为，包括S1、选取初始模板；S2、获取模板图片与后续视频流中每一帧图片之间的光流场；S3、计算S2获取到的光流场，统计光流场的矢量长度大小，当统计结果大于阈值时，判定当前帧存在不同于模板的目标；S3、模板更新；每间隔时间T，设置当前帧图片为新的模板。本发明的有益效果是：光流法对机器配置要求较低，节约成本。不需要大量的带标签数据，所以相比较基于深度学习的目标检测方法，技术简单，节约时间，实用性强。通过更新模板，可以适应视频背景图像缓慢变化的情况。

技术领域

本发明涉及计算机视觉目标检测技术领域，特别涉及一种基于模板光流的前景目标检测方法。

背景技术

准静态背景中的前景目标检测属于计算机视觉范畴，在各行各业中都具有巨大的实际应用需求，如生产车间、铁路轨道、机场停机坪、家庭安防等环境都以检测闯入特定区域的目标作为核心功能。

在通用目标检测研究领域，近年快速发展的深度学习技术，已经在性能上满足实际使用需求，这些技术方法包括但不限于YOLO(you only look once)、SSD(Single ShotMultiBox Detector)。基于深度学习的目标检测方法普遍需要大量带标签数据(非常耗费时间和资金)进行模型预训练，同时需要高配置的硬件环境(高性能显卡等)，这些困难限制了其在对成本敏感行业的应用。

有鉴于此，如何高效、低成本地实现目标检测成为了一个有价值的研究问题。

发明内容

为了实现上述发明目的，针对上述技术问题，本发明提供一种基于模板光流的前景目标检测方法。

其技术方案为本方法基于视频流每帧图片的光流场矢量统计分析，用以检测前景目标，包括：

S1、选取初始模板；

在视频流的起始阶段的一小段时间内，随机指定一帧图片作为模板，如果该图片中已存在待检测的前景目标，那么当前模板作废，需等待视频流中不存在前景目标时，再次设定模板；

S2、获取模板图片与后续视频流中每一帧图片之间的光流场；

S3、计算S2获取到的光流场，统计光流场的矢量长度大小，当统计结果大于阈值时，判定当前帧存在不同于模板的目标；按照预训练的的实验数据结果设定阈值。

S4、模板更新；

当存在光线变化、摄像机偏移或振动等情况时，实时视频流中的图片与模板图片的差值将逐渐放大，进而可能引起误检测，为解决此问题，需适时更新模板。具体地，每间隔时间T，若当前帧不存在前景目标时，设置当前帧图片为新的模板，若当前帧存在前景目标，则按视频流顺延，直至当前帧不存在前景目标时更新模板。

优选为，所述S3中，光流场的统计方法为：

应用经典光流法(为提高计算效率，优先使用金字塔Lucas Kanade光流法)，将视频流中的每帧图像与S1获得的模板图像进行光流计算，计算光流场中所有光流矢量的长度的平均值即：

其中，n为光流场中光流矢量的总数量；i为光流矢量下标，表示对应的第i个光流矢量。

当光流矢量平均值急剧增加时，判定存在前景目标。这是因为该帧图片与模板图片存在很大差异，导致光流法计算得到的是错配的光流场(模板图片背景中的某个特征点与实时视频流中前景目标的某个不相关的特征点之间构成错配的光流)，其不能反映光流法一般意义上同一物质点的位移情况，却可以被用来判断是否存在新物体。

优选为，通过预训练设定一个阈值V，当时即判定存在前景目标。