[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

说明书

本发明公开了一种机场围界巡检机器人动态背景目标检测方法，包括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；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；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；利用帧间差分法进行目标检测，完成动态场景目标检测。本发明能够在摄像机运动的情况下，检测到视频中正在运动的目标物体，消除了背景运动的干扰，提高了目标检测的准确性，而且将静态的目标检测方法运用到动态背景下，增加了该方法的适应性。

技术领域

本发明属于图像目标检测技术，具体为一种机场围界巡检机器人动态背景目标检测方法。

背景技术

当前国内机场巡检主要采取的是人防物防相结合的手段，即利用围栏或围墙，并结合工作人员巡检或定点岗哨的形式来实现防入侵监测功能。某些机场安装定点摄像头实时监控，但无法保证自动检测动态入侵目标，只能依靠工作人员肉眼分辨，实时性和准确率都不能保证，而且定点的摄像机监视范围小，视野受阻。目前大多数目标检测主要是在静态背景下，考虑到机场围界巡检机器人的运动特性，其摄像头也与背景发生相对运动，因此无法在动态场景下进行运动目标的检测。

发明内容

本发明的目的在于提供一种机场围界巡检机器人动态背景目标检测方法。

实现本发明目的的技术解决方案为：一种机场围界巡检机器人动态背景目标检测方法，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。

优选地，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。

优选地，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。

优选地，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。

优选地，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：