[发明专利]一种基于光流场聚类的运动目标检测方法

摘要

本发明公开了一种基于光流场聚类的运动目标检测方法。本发明首先采用DeepFlow算法对视频的每帧图像生成稠密的光流场。其次对光流场利用DENCLUE算法进行聚类，将运动矢量类似的像素聚成blob。然后将运动矢量类似的blob进行合并。最后在时间上，对相邻多帧的blob进行合并，形成运动目标跟踪轨迹。本发明对光照变化，阴影，噪声，随机摆动等干扰有较好的鲁棒性。对运动矢量不一致的目标，能自然的进行分割，对后期分类，跟踪，检索等应用有较大价值。检测率高，只要是视频中人眼可辨的运动目标，都能较好的检测出来。

主权项

1.一种基于光流场聚类的运动目标检测方法，其特征在于该方法包括以下步骤：步骤1、采用DeepFlow算法对视频的每帧图像生成稠密的光流场，具体是利用DeepFlow算法得到每一帧的光流场，每帧的光流场分别由x方向和y方向两张图组成；步骤2、对光流场利用DENCLUE算法进行聚类，将运动矢量类似的像素聚成blob；具体是：对于每一帧的光流场，利用DENCLU算法在二维光流矢量上进行聚类，得到聚类blob，每个blob中所包含像素的光流均值，记为该blob的光流矢量；步骤3、将运动矢量类似的blob进行合并，具体是：对每个blob，遍历与其相邻接的blob，若发现有光流矢量的欧式距离小于1，则进行合并，合并后blob光流矢量按合并前blob的面积加权平均计算，重复遍历每个blob，直到再也无法发生合并；步骤4、在时间上，对相邻多帧的blob进行合并，形成运动目标跟踪轨迹，具体是：对每一帧的每个blob，在相邻的5帧内搜索是否有空间位置有重叠，如有重叠且光流矢量欧式距离小于1，则进行空间上的合并，空间上合并后的blob即可作为跟踪结果，输出为运动目标。