CN103729857A - 一种基于二次补偿的移动相机下运动目标检测方法 - Google Patents
一种基于二次补偿的移动相机下运动目标检测方法 Download PDFInfo
- Publication number
- CN103729857A CN103729857A CN201310662856.0A CN201310662856A CN103729857A CN 103729857 A CN103729857 A CN 103729857A CN 201310662856 A CN201310662856 A CN 201310662856A CN 103729857 A CN103729857 A CN 103729857A
- Authority
- CN
- China
- Prior art keywords
- background
- moving target
- homography matrix
- compensation
- match point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于二次补偿的移动相机下运动目标检测方法。本发明方法将输入的视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿,从而估计并消除相机移动所引起的图像背景运动,将运动背景下的目标检测转化为静止背景下的目标检测,在静止背景下检测出运动目标。本发明方法具有检测精度高、计算速度快、鲁棒性高等优点。
Description
技术领域
本发明属于图像探测与处理领域,具体涉及一种基于二次补偿的移动相机下运动目标检测方法。
背景技术
移动相机下的目标检测技术,可以通过运动补偿技术消除图像序列中的背景运动,将移动背景下的运动目标检测问题转化为静止背景下的运动目标检测问题。目前运动补偿技术是采用特征点匹配的方法进行的,首先对相邻两帧图像进行特征点检测,然后通过特征点匹配的方法获得匹配点对,从而得到相邻两帧之间的变换矩阵,最后进行运动补偿。一种典型的运动补偿技术是在两帧图像上寻找特征点,例如Harris、SIFT或SURF特征点,并生成128维的特征描述向量,然后在两个特征点集合之间按照特征描述向量的欧氏距离最小准则进行最邻近搜索,这种方法虽然可以获得较高精度的点匹配,但是却有很大的时间消耗,单次匹配时间达到了秒量级,明显不适于实时性要求较高的场合。另外一种典型的运动补偿方法是计算图像序列的金字塔LK光流,通过计算图像KLT特征点的位移量(光流),得到两幅图像间的匹配点对。由于采用了最优化搜索的方法,使得匹配工作不需要全局进行,从而一定程度上提高了算法的速度,但图像金字塔部分是算法的瓶颈,复杂度仍然很高。
发明内容
本发明提供一种基于二次补偿的移动相机下运动目标检测方法,解决了传统方法计算复杂度高、运算耗时的问题。
本发明为解决上述技术问题的技术方案是,提出一种基于二次补偿的移动相机下运动目标检测方法,将视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿,从而估计并消除相机移动所引起的图像背景运动,将运动背景下的目标检 测转化为静止背景下的目标检测,然后在静止背景下检测出运动目标。
本发明与现有技术相比,其显著优点为:(1)该方法将图像序列的背景运动分为平移分量和仿射分量两部分,分别利用相位相关法和LK光流法进行补偿。其复杂度有较明显的减少,从而使得本发明方法的硬件实时实现成为可能。(2)本发明方法提出分层求解算法,充分利用RANSAC的鲁棒性以及图像的背景特征,能够快速获得单应矩阵估计。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明方法流程图。
图2是待处理的视频图像序列的相邻两帧图像,其中,图2(a)是前帧图像,图2(b)是后帧图像。
图3是使用本发明方法获得的运动目标检测效果图。
图4是使用本发明方法获得运动目标之后在图2(a)中对运动目标进行标示。
具体实施方式
结合图1,本发明提出的基于二次补偿的移动相机下运动目标检测方法,通过将输入的视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿,从而估计并消除相机移动所引起的图像背景运动,将运动背景下的目标检测转化为静止背景下的目标检测,在静止背景下检测出运动目标。
实现上述基于二次补偿的移动相机下运动目标检测方法的具体实施步骤如下:
(1)计算相邻两帧图像Ik(x,y)和Ik+1(x,y)的互功率谱,计算方式如下:
根据傅里叶变换的时域平移特性,互功率谱又可以写为
cps(ξ,η)=e-j2π(ξu+ηv),
对上式进行傅里叶逆变换可得相位相关函数
cps(x,y)=δ(x-u,y-v),
相位相关函数是一个在平移量(u,v)处的单位脉冲函数,它在(u,v)处不为0,而在其他位置都是0。求取相位相关函数的峰值位置即得到两幅图像之间的平移量(u,v),并对图像Ik(x,y)进行平移变换消除图像序列背景运动中的平移分量,实现一次补偿。
(2)检测一次补偿后图像的KLT角点,根据下式计算图像序列的LK光流d,从而获得相邻两幅图像之间的匹配点对,
Zd=e
(3)利用相邻图像间的匹配点来估算单应矩阵通常采用RANSAC方法。考虑到实际视频中存在背景聚集效应,匹配率不会太低,如此RANSAC迭代方法较为耗时。本发明提出了一种分层求解算法,充分利用RANSAC的鲁棒性以及图像的背景特征,能够快速获得单应矩阵估计,流程如下:
(i)利用RANSAC方法计算当前KLT匹配点所满足的单应矩阵H;
(ii)将KLT匹配点代入下式,计算KLT匹配点的单应矩阵残差ε,
ε=|xk+1-Hxk]
其中,xk和xk+1分别为相邻两帧图像上的匹配点。若单应矩阵残差ε小于预先设定的残差判断阈值T1,则保留该匹配点,否则予以剔除;
(iii)若步骤(ii)保留的匹配点数量大于预先设定的匹配点数量判断阈值T2,则直接输出步骤(i)中计算获得的单应矩阵H,流程结束;否则重复(i)和(ii)直至步骤(ii)保留的全部KLT匹配点的单应矩阵残差ε小于残差判断阈值T1时,输出步骤(i)中计算获得的单 应矩阵H。
(4)获得单应矩阵H之后,对图像序列进行单应矩阵变换消除图像序列背景运动中的仿射分量,实现二次补偿,然后在静止背景下检测运动目标。
本发明采用运动历史图像(MHI)方法在静止背景下检测运动目标。
首先,如下式计算帧间差分图像
Dk=|Ik-Ik±Δ|
其中,减号表示前向MHI,而加号表示后向MHI,Δ表示差分间隔,一般可以取1,Ik和Ik±Δ为运动补偿后的图像。求取MHI是一个不断更新的过程,以前向MHI图像HFk为例,其计算过程递推如下
上式中的τ为衰减量,表示离当前帧越远的图像对最终目标检测的影响将会越来越小,一般可取τ=255/L,其中L为MHI长度,T为差分图像灰度阈值。MHI图像初始值可以为0,即
HFk-(L-1)=0,HBk+(L-1)=0
求得了前向MHI图像HFk和后向MHI图像HBk之后,对这两幅图像中值滤波,滤除椒盐噪声,取它们中的较小值作为最终的检测结果,计算方式如下:
Mk=min(medfilt(HFk),medfilt(HBk))
本发明的效果可以通过以下仿真结果作进一步说明:
图2是从拍摄的公路上运动车辆的视频中截取出来的相邻两帧图像,可以明显看出,相机移动导致原来静止的背景也有一定的运动。根据本发明提出的基于二次补偿的移动相机下运动目标检测方法,检测结果Mk如图3所示,视频图像中运动的汽车能够被有效地检测出来,图4将检测出的目标用矩形框框出。
为了说明本发明在计算速度上的优势,使用本发明方法、Harris角点配准方法和金字塔LK光流方法进行仿真实验,各方法对相同的100帧图像进行目标检测,如图5统计了各方法对每帧图像进行处理时的运算时间。Harris角点配准方法处理单帧图像的 平均运算时间约为8.785s,金字塔LK光流算法处理单帧图像的平均运算时间约为3.172s,而本发明方法处理单帧图像的平均运算时间约为1.066s。可以看出,本发明方法的计算速度相对于Harris角点配准方法提高了8倍,相对于金字塔LK光流算法提高了1倍多。
Claims (4)
1.一种基于二次补偿的移动相机下运动目标检测方法,其特征在于,将视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿,从而估计并消除相机移动所引起的图像背景运动,将运动背景下的目标检测转化为静止背景下的目标检测,然后在静止背景下检测出运动目标。
2.根据权利要求1所述的基于二次补偿的移动相机下运动目标检测方法,其特征在于,输入视频图像序列的相邻两帧图像Ik和Ik+1,利用相位相关法计算两帧图像之间的平移量(u,v),并对图像Ik进行平移变换消除图像序列背景运动中的平移分量,实现一次补偿;计算一次补偿后图像序列中每帧图像的KLT角点以及相邻两帧图像之间的LK光流,获得相邻两帧图像之间的KLT匹配点;估计出相邻两帧图像之间的单应变换矩阵H,对图像序列进行单应矩阵变换消除图像序列背景运动中的仿射分量,实现二次补偿,然后在静止背景下检测运动目标。
3.根据权利要求2所述的基于二次补偿的移动相机下运动目标检测方法,其特征在于,估计相邻两帧图像之间的单应变换矩阵H的过程为,
3.1利用RANSAC方法计算当前KLT匹配点所满足的单应矩阵H;
3.2计算KLT匹配点的单应矩阵残差ε,若单应矩阵残差ε小于预先设定的残差判断阈值T1,则保留该匹配点,否则予以剔除,计算KLT匹配点的单应矩阵残差ε的计算公式如下所示:
ε=|xk+1-Hxk]
式中,xk和xk+1分别为相邻两帧图像的匹配点;
3.3计算步骤3.2中保留的匹配点的数量,若保留的匹配点的数量大于预先设定的匹配点数量判断阈值T2,则直接输出步骤3.1中计算获得的单应矩阵H,步骤3结束;否则,重复步骤3.1和3.2直至步骤3.2保留的全部KLT匹配点的单应矩阵残差ε小于残差判断阈值T1时,输出步骤3.1中计算获得的单应矩阵H。
4.根据权利要求2所述的基于二次补偿的移动相机下运动目标检测方法,其特征在于,使用运动历史图像在静止背景下检测运动目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310662856.0A CN103729857B (zh) | 2013-12-09 | 2013-12-09 | 基于二次补偿的移动相机下运动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310662856.0A CN103729857B (zh) | 2013-12-09 | 2013-12-09 | 基于二次补偿的移动相机下运动目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729857A true CN103729857A (zh) | 2014-04-16 |
CN103729857B CN103729857B (zh) | 2016-12-07 |
Family
ID=50453918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310662856.0A Expired - Fee Related CN103729857B (zh) | 2013-12-09 | 2013-12-09 | 基于二次补偿的移动相机下运动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729857B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469421A (zh) * | 2014-09-04 | 2016-04-06 | 南京理工大学 | 一种基于周视系统实现地面运动目标监测的方法 |
CN106033614A (zh) * | 2015-03-20 | 2016-10-19 | 南京理工大学 | 一种强视差下的移动相机运动目标检测方法 |
CN106485245A (zh) * | 2015-08-24 | 2017-03-08 | 南京理工大学 | 一种基于可见光和红外图像的全天候目标实时跟踪方法 |
CN106534614A (zh) * | 2015-09-10 | 2017-03-22 | 南京理工大学 | 移动摄像机下运动目标检测的快速运动补偿方法 |
CN110210584A (zh) * | 2019-05-14 | 2019-09-06 | 武汉工程大学 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
CN110782477A (zh) * | 2019-10-10 | 2020-02-11 | 重庆第二师范学院 | 基于序列图像的运动目标快速检测方法、计算机视觉系统 |
CN111476163A (zh) * | 2020-04-07 | 2020-07-31 | 浙江大华技术股份有限公司 | 一种高空抛物监控方法、装置以及计算机存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060098967A1 (en) * | 2003-06-09 | 2006-05-11 | Olympus Corporation | Image capture device |
CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
-
2013
- 2013-12-09 CN CN201310662856.0A patent/CN103729857B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060098967A1 (en) * | 2003-06-09 | 2006-05-11 | Olympus Corporation | Image capture device |
CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
Non-Patent Citations (3)
Title |
---|
HAIMEI GONG等: "The Research of moving object detection with a moving camera", 《INTERNATIONAL SYMPOSIUM ON PHOTOELECTRONIC DETECTION AND IMAGING 2013: INFRARED IMAGING》, vol. 8907, 11 September 2013 (2013-09-11), pages 1 - 8 * |
贾海涛: "运动目标检测与识别算法的研究", 《万方学位论文数据库》, 27 July 2006 (2006-07-27), pages 60 - 67 * |
陈海欣等: "一种快速的单目移动相机下运动目标检测方法", 《HTTP://WWW.CNKI.NET/KCMS/DETAIL/61.1235.O4.20131014.1033.001.HTML》, 14 October 2013 (2013-10-14), pages 1 - 7 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469421A (zh) * | 2014-09-04 | 2016-04-06 | 南京理工大学 | 一种基于周视系统实现地面运动目标监测的方法 |
CN106033614A (zh) * | 2015-03-20 | 2016-10-19 | 南京理工大学 | 一种强视差下的移动相机运动目标检测方法 |
CN106033614B (zh) * | 2015-03-20 | 2019-01-04 | 南京理工大学 | 一种强视差下的移动相机运动目标检测方法 |
CN106485245A (zh) * | 2015-08-24 | 2017-03-08 | 南京理工大学 | 一种基于可见光和红外图像的全天候目标实时跟踪方法 |
CN106534614A (zh) * | 2015-09-10 | 2017-03-22 | 南京理工大学 | 移动摄像机下运动目标检测的快速运动补偿方法 |
CN110210584A (zh) * | 2019-05-14 | 2019-09-06 | 武汉工程大学 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
CN110210584B (zh) * | 2019-05-14 | 2022-10-21 | 武汉工程大学 | 一种基于改进surf复合算法的高速动态二维码识别方法 |
CN110782477A (zh) * | 2019-10-10 | 2020-02-11 | 重庆第二师范学院 | 基于序列图像的运动目标快速检测方法、计算机视觉系统 |
CN111476163A (zh) * | 2020-04-07 | 2020-07-31 | 浙江大华技术股份有限公司 | 一种高空抛物监控方法、装置以及计算机存储介质 |
CN111476163B (zh) * | 2020-04-07 | 2022-02-18 | 浙江大华技术股份有限公司 | 一种高空抛物监控方法、装置以及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103729857B (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729857A (zh) | 一种基于二次补偿的移动相机下运动目标检测方法 | |
CN110490928B (zh) | 一种基于深度神经网络的相机姿态估计方法 | |
CN103325112B (zh) | 动态场景中运动目标快速检测方法 | |
CN101923719B (zh) | 一种基于粒子滤波和光流矢量的视频目标跟踪方法 | |
CN101551903A (zh) | 步态识别中的超分辨率图像恢复方法 | |
CN105847804A (zh) | 一种基于稀疏冗余表示模型的视频帧率上转换方法 | |
CN101551901B (zh) | 动态遮挡图像的实时补偿和增强方法 | |
Ruchay et al. | A novel switching bilateral filtering algorithm for depth map | |
CN104408742A (zh) | 一种基于空间-时间频谱联合分析的运动目标检测方法 | |
CN105447828B (zh) | 沿运动模糊路径进行一维反卷积的单视点图像去模糊方法 | |
CN102201122B (zh) | 一种运动捕捉的数据降噪方法、系统及运动捕捉系统 | |
CN104200492A (zh) | 基于轨迹约束的航拍视频目标自动检测跟踪方法 | |
CN105354863A (zh) | 基于特征滤波和快速运动检测模板预测的自适应尺度图像序列目标跟踪方法 | |
KR20160123871A (ko) | 영상 광류를 추정하는 방법 및 이를 위한 장치 | |
CN103514610B (zh) | 一种背景静止的运动目标分割方法 | |
CN101453557B (zh) | 一种基于运动矢量对消和差分原理的快速全局运动估计方法 | |
CN106534614A (zh) | 移动摄像机下运动目标检测的快速运动补偿方法 | |
CN104574276A (zh) | 一种基于光流法的图像对齐的方法和装置 | |
CN103411562B (zh) | 一种基于动态规划和均值漂移的结构光光条中心提取方法 | |
Shang et al. | Lane detection using steerable filters and FPGA-based implementation | |
CN104392469A (zh) | 一种基于软特征理论的目标跟踪方法 | |
CN102663746B (zh) | 一种基于视频的背景检测方法 | |
Xia et al. | Moving vehicle tracking based on double difference and camshift | |
CN103823973A (zh) | 一种基于MeanShift算法的目标跟踪方法 | |
CN105163004A (zh) | 一种消除误匹配点的视频补偿方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161207 Termination date: 20191209 |