[发明专利]融合亮度-时序特征的卫星视频动态车辆目标提取方法

说明书

本发明公开了一种融合亮度‑时序特征的卫星视频动态车辆目标提取方法，该方法包括获取高分辨率卫星视频数据，对视频数据的视频帧中包含车辆目标的亮度梯度特征进行提取和简化，对提取和简化后的特征进行亮度梯度变化率检测，采用多帧多尺度的Vibe算法对车辆目标的多级运动区域进行检测，根据亮度梯度变化率检测结果和多级运动区域检测结果提取动态车辆目标。本发明基于动态小目标增强理念结合视频帧亮度变化率检测解决点传播效应明显的问题；本方法基于单帧初始化背景建模构建运动热图理念一定程度上解决了视频明暗变化明显的问题，并大幅度提升了目标检测结果的精度。

技术领域

本发明属于车辆目标提取技术领域，特别涉及一种融合亮度-时序特征的卫星视频动态车辆目标提取方法。

背景技术

目前交通运行状态分析的主要数据源主要来自地面固定的相机、传感器或者车载的GPS接收机，这类设备可覆盖的空间范围有限，并且大批地面监控设备的购买和维护给市政管理部门带来极大的不便。基于视频卫星数据的动态车辆目标检测技术作为遥感应用领域一个较新的研究方向，能够弥补传统的地面车辆目标检测方法带来的种种限制。然而，基于遥感视频的车辆目标检测也存在如下问题：

(1)点传播效应明显

传感器在高空获取视频数据的过程中，地表车辆目标相对较小、模糊，这也就导致“点传播效应”明显。例如，当地表两个真实的车辆目标较为接近时，两个目标与视频数据中对应像元位置较为接近且亮度特征差异较小，在目标识别的过程中极易导致目标的融合。

(2)目标-背景对比度低

获取的视频卫星数据，视频帧中移动目标与背景的对比度极低，并且地表部分地物的影像特征与目标影像特征较为相似，如果只根据目标的亮度特征进行车辆目标提取，会导致误检率的大幅度上升，降低检测结果的精确性。

(3)视频明暗变换明显

遥感平台在获取视频卫星数据的过程中处于高速的运动状态，并且，获取的视频数据时长具有90s-120s，这导致视频卫星数据在获取过程中视频帧出现明显明暗变化的问题，相邻视频帧整体亮度信息的变化给动态车辆目标的提取的参数设定造成极大困难。

(4)目标提取精度低

传统的动态目标提取方法有背景减法、帧间差分算法等等，然而这些方法的提取结果中存在较多的漏检和误检，提取精度极低。

发明内容

针对运动车辆目标提取过程中存在的上述难题，本发明提供了一种融合亮度-时序特征的卫星视频动态车辆目标提取方法，解决了传统方法“目标-背景对比度低”、点传播效应明显的问题和视频明暗变化明显的问题，并大幅度提升了检测结果的精度。

为了达到上述发明目的，本发明采用的技术方案为：

一种融合亮度-时序特征的卫星视频动态车辆目标提取方法，包括以下步骤：

S1、获取高分辨率卫星视频数据；

S2、对步骤S1获取的视频数据的视频帧中包含车辆目标的亮度梯度特征进行提取和简化；

S3、对步骤S2提取和简化后的特征进行亮度梯度变化率检测；

S4、采用多帧多尺度的Vibe算法对车辆目标的多级运动区域进行检测；

S5、根据步骤S3的亮度梯度变化率检测结果和步骤S4的多级运动区域检测结果提取动态车辆目标。

本发明的有益效果为：本发明基于视觉注意力机制通过亮度梯度特征要素提取解决了目标-背景对比度低的问题；本发明基于动态小目标增强理念结合视频帧亮度变化率检测解决点传播效应明显的问题；本发明基于单帧初始化背景建模构建运动热图理念一定程度上解决了视频明暗变化明显的问题，并大幅度提升了检测结果的精度。