[发明专利]一种机场围界巡检机器人动态背景目标检测方法

权利要求书

1.一种机场围界巡检机器人动态背景目标检测方法，其特征在于，包括以下步骤：

步骤1、根据摄像机的平移量、旋转角度、缩放系数，建立仿射六参数模型；

步骤2、利用SIFT算法对采集到的视频图像帧进行特征提取与特征匹配，进行全局运动估计，获得图像序列的帧间运动矢量；

步骤3、利用全局运动补偿算法，对齐参考帧与补偿帧的背景，消除背景的运动，使动态背景转化为静态背景；

步骤4、利用帧间差分法进行目标检测，完成动态场景目标检测。

2.根据权利要求1所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，所述仿射六参数模型用于估算机场巡检机器人摄像头的运动特征，摄像头的运动特征包括摄像机平移，旋转，以及图像缩放三种运动。

3.根据权利要求1所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，所述仿射六参数模型具体为：

其中，r为缩放参数，θ为旋转角度，c,d为拍摄图像沿x轴和y轴方向的偏移量，a,b描述的是摄像机的缩放和旋转运动。

4.根据权利要求1所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，利用SIFT算法对采集到的视频图像帧进行特征提取与特征匹配，进行全局运动估计，获得图像序列的帧间运动矢量的具体方法如下：

步骤2.1、通过对原始图像进行尺度变换，获得图像在不同尺度下的图像序列，构成尺度空间；

步骤2.2、将视频图像像素点和同层金字塔的8个像素点、金字塔分层图像中上下层中相邻的各9个像素点进行比较，如果叉点的灰度值是其他像素点中的极值点，则把视频图像像素点当作侯选特征点提取出来，否则按此规则继续比较其他的视频图像像素点；

步骤2.3、过滤小于设定阈值R₁的特征点和边缘处的特征点；

步骤2.4、统计每个特征点的方向参数，所述方向参数为特征点邻域像素点的共同梯度方向和大小；

步骤2.5、为每个特征点建立一个描述符；

步骤2.6、采用最近邻法进行特征匹配。

5.根据权利要求4所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，生成尺度空间的具体方法为：

构建一共有O组，每组有S层的图像高斯差分金字塔，具体为：

构建尺度空间坐标(σ)，组坐标(O)，层坐标(S)，对上一组图像利用高斯函数模糊并且降采样得到下一组的图像，高斯函数模糊计算过程为：

σ(o,s)＝σ₀2^o+s/S,o∈[0,O-1],O∈N,s∈[0,S+2]

其中o为组索引序号，O为金字塔组数，s为层索引序号，S为高斯差分金字塔每组层数，σ₀为高斯模糊初始值。

构建每层图像像素的空间坐标x，原始图像像素的空间坐标x₀，则降采样过程具体为：

x＝2°x₀,o∈Z,x₀∈[0,…,M₀-1]×[0,…,N₀-1]

式中，图像原始尺寸为M₀×N₀，金字塔中每组图像尺寸为M_o×N_o。

6.根据权利要求4所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，每个邻域像素点L(x,y)的梯度值m(x,y)和方向θ(x,y)计算方式如下：

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1))/(L(x+1,y)-L(x-1,y)))。

7.根据权利要求1所述的机场围界巡检机器人动态背景目标检测方法，其特征在于，步骤3利用全局运动补偿算法，对齐参考帧与补偿帧的背景，使动态背景转化为静态背景的具体方法如下：

步骤3.1、将仿射六参数模型表达成矩阵形式：

即P′＝AP；

步骤3.2、根据最小二乘法求得矩阵A为：

A＝(P′)^TP′P(P′)^T

步骤3.3、将相机运动实际参数代入矩阵形式的仿射六参数模型进行运动补偿，使得当前帧和参考帧背景对齐。