[发明专利]一种基于无人机平台的图像动目标实时检测方法

摘要

本发明公开了一种基于无人机平台的图像动目标实时检测方法，包括如下步骤：S1背景估计、S2动目标图像的阈值分割、S3动目标图像的形态滤波、S4区域扩展、S5目标识别、S6目标轨迹链的建立、S7目标数据的刷新、S8目标跟踪和S9目标预测。本发明的基于无人机平台的图像动目标实时检测方法能够使无人机无论在运动还是静止状态、相机的镜头是否变焦、目标是否突然运动，都能实时、有效的检测出场景中的运动目标。

主权项

1.一种基于无人机平台的图像动目标实时检测方法，其特征在于，包括如下步骤：S1、背景估计背景估计的基础是图像拼接，将连续图像映射到同一尺度、同一坐标系下，进行背景估计；为了降低运算量，对输入图像的行列两个方向各采用1/4降采样，按映射方程将输入图像像素位置映射到拼接图像位置上，各自累计输入图像与预设到拼接图像位置的±1的范围9点的误差绝对值，寻找误差绝对和最小位置点，则此位置是最佳偏差匹配位置；寻找到最佳偏差匹配位置后，对映射方程按最佳偏差匹配位置进行修正，再逐一对输入图像每个像素映射到最佳位置进行背景估计和计算差分图像；S2、动目标图像的阈值分割获得的动目标图像包含噪声和动目标，由于无人机平台观测图像中动目标所占面积小于10％，因此对动目标图像进行直方图统计；取图像分割阈值为直方图为90％像素值为图像分割阈值，假设像素值差大于一定值，才是动目标，若图像分割阈值小于一定值，则阈值等于一定值，确保分割出的动目标像素的虚警率少；S3、动目标图像的形态滤波由于分割出的动目标图像变换噪声和干扰，因此需对该图像进行形态滤波，进一步降低干扰和噪声，形态滤波器结构元为进行开闭运算；S4、区域扩展通过图像分割获得像素点是噪声、点、斑点或面目标，因此需对其进行位置相关处理，位置相关像素点进行合并处理，得到孤点、斑点及面目标，以得到其特征值：像素均值、像素值统计分布、面积、矩；S5、目标识别在目标识别中关键的是目标特征的提取，目标特征往往处于一个高维空间,目标自动识别需要将这些特性量化，并根据一定原则加以选择，通过映射的方法用低维空间来表示样本，形成一个特征空间矢量，包括目标的形状特征、纹理特征、灰度分布特征、运动特征；S6、目标轨迹链的建立目标链的建立可以随时观测潜在目标的运动变化，移入或移出视场；目标链为每一个分割区开辟了一个记录单元，各记录单元记录各区域的特征参数；当首次发现该目标，则清帧号逐帧计算；若该目标在当前动目标图像与前一帧可以匹配，则D＝D+1，否则D＝D‑1；当D≤0时，该目标在目标链中被删除；S7、目标数据的刷新由于目标在不断的运动，背景也在不断的变化，噪声或干扰也会成为潜在目标，这就需要对每个区域的记录不断更新；对于匹配成功的目标记录，用新区域参数代替原有的目标记录，对于置信度降为0的区域，则从目标链中剔除它的记录，对于新出现的区域，则在目标链中建立新的记录；该刷新过程在目标尚未确认或处于多目标跟踪时将继续下去，以保证不丢失任一目标，同时也便于目标暂时消失后的再进行捕获；S8、目标跟踪为消除目标以外其它区域对跟踪的影响，采用跟踪窗的办法，将目标附近的区域用窗口套住，所有的计算都在窗口内进行；在跟踪窗内，由特征序列匹配算法抽取图像中足以表示目标信息的一组特征序列，与标准特征序列相配准，以确定目标及其在图像中的位置；S9、目标预测当跟踪目标没有匹配轨迹，则采用Kalman滤波方法进行跟踪目标当前位置，并减小跟踪目标的置信度，当连续3秒跟踪目标都没有匹配轨迹，则表示丢失目标，当3秒内跟踪目标与潜在目标匹配，则重新捕获并跟踪目标。