[发明专利]一种基于TBD复杂环境下运动小目标检测方法

说明书

本发明公开了一种基于TBD复杂环境下运动小目标检测方法，本发明根据检测前跟踪(Tracking Before Detection,TBD)技术的基本思路，将背景建模、形态学处理等图像视频的处理算法与点/扩展点目标检测跟踪算法进行深度融合，提出了双阶段快速TBD算法。本发明考虑到背景噪声环境，利用运动目标的运动特性，用ViBe算法对运动区域初检测；然后用短时积累的方式，进行点迹检测；再利用长时积累的方式，生成运动目标航迹，提升了检测算法的性能，降低虚警率，提高了检测速度。

技术领域

本发明涉及目标检测领域，具体涉及一种基于TBD复杂环境下运动小目标检测方法。

背景技术

复杂环境下的运动小目标检测是目标检测领域的一个难点问题。复杂环境下的运动小目标检测受到三方面的因素的影响：1)环境因素：如某些地表或水下环境存在复杂的地形地貌；传感器因素：传感器的噪声水平；目标因素：包括目标的静态的物理尺寸/反射系数与动态的运动速度。地形地貌越复杂，传感器噪声越高，目标物理尺寸/反射系数越小，运动速度越慢，目标检测就越困难；当然当目标的速度超过一定阈值，造成传感器探测得到的目标运动轨迹断裂时，对目标检测也会造成另外的困难。

从信号的特性来分析，复杂环境中既存在着大量的静态干扰，又存在着比较强的动态干扰；同时目标本身的探测信号的强度相对弱，在噪声环境中属于“弱目标”。如何从强的、复合形态干扰信号中将目标快速检测出来，对目标检测算法提出了相当的挑战。

发明内容

本发明针对现有技术的不足，根据检测前跟踪(Tracking Before Detection,TBD)技术的基本思路，将背景建模、形态学处理等图像视频的处理算法与点/扩展点目标检测跟踪算法进行深度融合，提出了一种基于TBD复杂环境下运动小目标检测方法。

本发明一种基于TBD复杂环境下运动小目标检测方法，具体步骤流程如下：

步骤(1)、通过ViBe算法对运动区域初检测,得到3维数据序列D(x,y,k),k是序列个数；

1.1背景模型的初始化

通过ViBe算法对单帧视频序列初始化背景模型；即对于一帧图片任意一个像素点(x,y)，随机的选择它的邻居点的像素值作为它的模型样本值。M₀(x)＝{V₀(y|y∈N_G(x))},t＝0，初始时刻，V₀表示第一帧时的像素值，N_G(x)像素位置x的空间邻域，M₀(x)为初始时刻一个像素的模型样本值；

1.2前景检测过程

背景模型为每个背景点存储一个样本集，然后每个新的像素值和样本集比较判断是否属于背景。计算新像素值和样本集中每个样本值的距离，若距离小于阈值，则近似样本点数目增加。如果近似样本点数目大于阈值，则认为新的像素点为背景；

1.3背景模型的更新策略

本发明中采用的更新策略是随机的更新策略；

具体的更新方法：每一个背景点有1/φ的概率去更新自己的模型样本值，同时也有1/φ的概率去更新它的邻居点的模型样本值。同时当前景点计数达到临界值时将其变为背景，并有1/φ的概率去更新自己的模型样本值。

这样一个样本值在时刻t不被更新的概率是(N-1)/N,其中样本集大小为N，假设时间是连续的，那么在dt的时间过去后，样本值仍然保留的概率是：

通过更新，得到3维数据序列D(x,y,k)；

步骤(2)、短时积累:点迹检测