[发明专利]基于序列图像的运动目标快速检测方法、计算机视觉系统

说明书

本发明属于序列图像的运动目标检测技术领域，公开了一种基于序列图像的运动目标快速检测方法、计算机视觉系统，序列图像的预处理，在序列图像的采集过程中，采用图像灰度化、二值化、中值滤波进行处理；针对低照度的图像，采用Gamma变换增强图像；结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测；基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。本发明正检率达到了96.3％，误检率为1.3％，相比于背景差分法和帧间差分法，提升都比较大；性能在正检率、误检率和处理时间三个方面都提升很明显。其中本发明方法的正检率为92.7％；误检率为1.9％；处理时间为7.2s。

技术领域

本发明属于序列图像的运动目标检测技术领域，尤其涉及一种基于序列图像的运动目标快速检测方法、计算机视觉系统。

背景技术

目前，最接近的现有技术：运动目标的自动检测技术一直都是计算机视觉领域的研究热点和极具挑战性的难题。该技术将图像处理、自动控制、信息科学等技术进行有机结合，成为实际工程应用中诸多计算机视觉系统的底层关键技术，如精确打击武器制导系统、计算机辅助驾驶系统、导弹的地形和地图匹配系统、工业流水线自动监测系统、智能房间、智能机器人、医用图像系统、智能交通系统等等领域的应用。

基于图像的目标检测是一个较为复杂的过程，应用环境和算法方案的不同将极大影响目标检测效果。而随着图像技术的进一步发展和工程应用的需要，利用先进的数字图像技术实现对序列图像中感兴趣目标的有效检测已成为图像检测技术研究的难点。实际应用中存在的光照是否变化、地形是否复杂、能见度高低、摄像机是否移动和传感器的类型等都将影响检测过程中目标的形体特征和运动特性。这导致传统算法方案在实现目标检测时变得困难，进而影响检测系统的准确性和稳定性。因此，如何选择具有针对性的高效、稳定算法或者对已有检测算法进行优化改进，实现对感兴趣目标的自动检测定位无疑是一项既有理论意义又有实用价值的课题。

基于序列图像的运动目标检测，目的是要将图像序列中的运动区域和背景区域分离开。自序列图像运动目标检测理论发展以来，至今已经提出了许多不同的目标检测方法。常见的算法主要有光流法、图像差分法、扩展的EM算法、基于小波变换的方法、运动能量检测法、基于人工神经网络的方法等。其中最经典的检测算法有三类：光流法、帧间差分法和背景差分法。

光流法：Gibson于1950年提出了光流的概念。光流是指图像序列中用来表示连续的两帧图像移动前后的对应像素点的向量。它包含了图像序列中运动目标丰富的结构和运动信息。

差分法：差分法是利用待检测的图像与选定的参考图像进行对应像素点相减来进行运动目标检测的方法。差分法通常可分为帧间差分和背景差分。帧间差分就是直接比较连续的两帧图像或几帧图像对应像素点的灰度值，从图像序列中提取灰度值不同的像素点，作为运动目标的信息。背景差分的主要原理是用待检测图像与背景图像进行差分，然后根据所选定的阈值比较，若差分图像的像素值大于选定的阈值，则判定该点属于运动目标区域，否则为背景区域。

以上是三种经典的运动目标检测算法，在此基础上人们也提出了许多不同的改进方法。例如多帧差分就是在差分法的基础上提出的。最常使用的有三帧差分和五帧差分。

一般而言，运动检测与跟踪研究的难点在于：运动物体的正确检测与分割、物体之间的遮挡与重叠、初始运动参量的确定。

在摄像机运动的情况下检测运动对象是一项具有挑战性的研究。现有技术的问题如下：

(1)当摄像机处于运动状态时，序列图像中背景和目标都处于运动状态，如何从运动的背景中检测出运动目标是一项较为复杂的工作。目前的方法对于已知背景运动规律的情况，可以将运动背景校正为静止背景；如果背景运动未知，往往采取背景运动估计的方法求出背景的运动情况。但是背景运动的估计本身就是个较难解决的问题。