CN106340032A - 一种基于光流场聚类的运动目标检测方法 - Google Patents
一种基于光流场聚类的运动目标检测方法 Download PDFInfo
- Publication number
- CN106340032A CN106340032A CN201610733033.6A CN201610733033A CN106340032A CN 106340032 A CN106340032 A CN 106340032A CN 201610733033 A CN201610733033 A CN 201610733033A CN 106340032 A CN106340032 A CN 106340032A
- Authority
- CN
- China
- Prior art keywords
- blob
- optical flow
- flow field
- moving target
- method based
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 18
- 238000005286 illumination Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010010356 Congenital anomaly Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
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。
Description
技术领域
本发明属于智能视频监控技术领域,涉及一种基于光流场聚类的运动目标检测方法。
背景技术
目前基于视频的运动目标检测方法大致可以分为以下几类:
基于背景建模的方法。例如专利[200910077433.6],这种方法的缺点主要是对于局部光照,深影子误检等难点无法克服,而且对于距离较近的目标,容易出现粘连,这对后续的跟踪,分类等会造成较大的干扰。
基于机器学习的目标检测器方法。例如专利[201510323680.5],这种方法的缺点,主要是检测器效果完全依赖于训练样本,而由于实际场景的目标千变万化,训练样本无法做到完全覆盖,所以在实际使用时,往往会对相机有诸多限制,而且容易出现漏检。
基于光流场的方法。现有的方法大多将光流场作为背景建模或目标检测器的一个补充,例如专利[200910236053.2],并没有充分利用光流的有效信息,其主要原因,一方面是已有的光流算法精度不高,另一方面是计算耗时限制了对光流场的进一步建模。
但事实上,光流场先天带有目标每个像素的运动信息,如果能自底向上形成目标结构,可以非常自然的将检测与跟踪融为一体,而且对于光照等有很强的鲁棒性,同时,由于是利用运行信息自底向上来组成目标,对于运动方向或运动速度不同的目标,将非常容易进行分割,这对后续的目标分类等工作有非常大的益处。
发明内容
本发明针对现有技术的不足,提供了一种基于光流场聚类的运动目标检测方法。
本发明方法包括以下步骤:
步骤1、采用DeepFlow算法对视频的每帧图像生成稠密的光流场。
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。
步骤3、将运动矢量类似的blob进行合并。
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。
本发明的有益效果:
1、对光照变化,阴影,噪声,随机摆动等干扰有较好的鲁棒性。
2、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。
3、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。
附图说明
图1为本发明方法流程图。
具体实施方式
以下结合实施例和附图1对本发明作进一步说明:
对于一段100帧的视频,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。
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。
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的,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。
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,且光流矢量欧式距离小于1的blob,若有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。
综上,本发明利用了高精度光流算法产生稠密的光流场,然后对其进行自底向上的聚类,在时空上直接形成跟踪好的运动目标,并对运动速度,方向不同的目标进行自然分割,从而实现高准确率的运动目标检测效果,并对光照,阴影,随机摆动等问题有很强的鲁棒性。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围,应带理解,本发明并不限于这里所描述的实现方案,这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。
Claims (5)
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;
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;
步骤3、将运动矢量类似的blob进行合并;
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。
2.根据权利要求1所述的一种基于光流场聚类的运动目标检测方法,其特征在于:步骤1中利用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。
3.根据权利要求1所述的一种基于光流场聚类的运动目标检测方法,其特征在于:步骤2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。
4.根据权利要求1所述的一种基于光流场聚类的运动目标检测方法,其特征在于:步骤3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。
5.根据权利要求1所述的一种基于光流场聚类的运动目标检测方法,其特征在于:步骤4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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610733033.6A CN106340032B (zh) | 2016-08-27 | 2016-08-27 | 一种基于光流场聚类的运动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610733033.6A CN106340032B (zh) | 2016-08-27 | 2016-08-27 | 一种基于光流场聚类的运动目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106340032A true CN106340032A (zh) | 2017-01-18 |
CN106340032B CN106340032B (zh) | 2019-03-15 |
Family
ID=57822276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610733033.6A Expired - Fee Related CN106340032B (zh) | 2016-08-27 | 2016-08-27 | 一种基于光流场聚类的运动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106340032B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109102530A (zh) * | 2018-08-21 | 2018-12-28 | 北京字节跳动网络技术有限公司 | 运动轨迹绘制方法、装置、设备和存储介质 |
WO2020082866A1 (zh) * | 2018-10-25 | 2020-04-30 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
CN111160160A (zh) * | 2019-12-18 | 2020-05-15 | 河海大学 | 一种基于邻域盒的团块获取的计算方法 |
CN111382784A (zh) * | 2020-03-04 | 2020-07-07 | 厦门脉视数字技术有限公司 | 一种运动目标跟踪方法 |
EP3694206A4 (en) * | 2017-10-02 | 2020-08-12 | Sony Corporation | IMAGE PROCESSING DEVICE AND METHOD |
CN113759197A (zh) * | 2021-09-09 | 2021-12-07 | 国网上海市电力公司 | 一种电力变压器状态监测装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156976A (zh) * | 2013-05-13 | 2014-11-19 | 哈尔滨点石仿真科技有限公司 | 一种抗遮挡目标检测的多特征点跟踪方法 |
CN104156932A (zh) * | 2013-05-13 | 2014-11-19 | 哈尔滨点石仿真科技有限公司 | 一种基于光流场聚类的运动目标分割方法 |
CN104268851A (zh) * | 2014-09-05 | 2015-01-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于深度信息的atm自助营业厅行为分析方法 |
CN105096344A (zh) * | 2015-08-18 | 2015-11-25 | 上海交通大学 | 基于cd运动特征的群体行为识别方法及系统 |
-
2016
- 2016-08-27 CN CN201610733033.6A patent/CN106340032B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156976A (zh) * | 2013-05-13 | 2014-11-19 | 哈尔滨点石仿真科技有限公司 | 一种抗遮挡目标检测的多特征点跟踪方法 |
CN104156932A (zh) * | 2013-05-13 | 2014-11-19 | 哈尔滨点石仿真科技有限公司 | 一种基于光流场聚类的运动目标分割方法 |
CN104268851A (zh) * | 2014-09-05 | 2015-01-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于深度信息的atm自助营业厅行为分析方法 |
CN105096344A (zh) * | 2015-08-18 | 2015-11-25 | 上海交通大学 | 基于cd运动特征的群体行为识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
PHILIPPE WEINZAEPFEL,ET,AL.: "DeepFlow: Large displacement optical flow with deep matching", 《2013 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
高磊等: "基于矢量量化的动态场景中运动车辆的检测", 《电子测量技术》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3694206A4 (en) * | 2017-10-02 | 2020-08-12 | Sony Corporation | IMAGE PROCESSING DEVICE AND METHOD |
US11468574B2 (en) | 2017-10-02 | 2022-10-11 | Sony Corporation | Image processing apparatus and image processing method |
CN109102530A (zh) * | 2018-08-21 | 2018-12-28 | 北京字节跳动网络技术有限公司 | 运动轨迹绘制方法、装置、设备和存储介质 |
CN109102530B (zh) * | 2018-08-21 | 2020-09-04 | 北京字节跳动网络技术有限公司 | 运动轨迹绘制方法、装置、设备和存储介质 |
US11514625B2 (en) | 2018-08-21 | 2022-11-29 | Beijing Bytedance Network Technology Co., Ltd. | Motion trajectory drawing method and apparatus, and device and storage medium |
WO2020082866A1 (zh) * | 2018-10-25 | 2020-04-30 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
CN111160160A (zh) * | 2019-12-18 | 2020-05-15 | 河海大学 | 一种基于邻域盒的团块获取的计算方法 |
CN111160160B (zh) * | 2019-12-18 | 2022-08-05 | 河海大学 | 一种基于邻域盒的团块获取的计算方法 |
CN111382784A (zh) * | 2020-03-04 | 2020-07-07 | 厦门脉视数字技术有限公司 | 一种运动目标跟踪方法 |
CN111382784B (zh) * | 2020-03-04 | 2021-11-26 | 厦门星纵智能科技有限公司 | 一种运动目标跟踪方法 |
CN113759197A (zh) * | 2021-09-09 | 2021-12-07 | 国网上海市电力公司 | 一种电力变压器状态监测装置及方法 |
CN113759197B (zh) * | 2021-09-09 | 2024-04-30 | 国网上海市电力公司 | 一种电力变压器状态监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106340032B (zh) | 2019-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106340032A (zh) | 一种基于光流场聚类的运动目标检测方法 | |
Xiao et al. | Dynamic-SLAM: Semantic monocular visual localization and mapping based on deep learning in dynamic environment | |
CN103530874B (zh) | 基于Kinect的人流计数方法 | |
CN103473554B (zh) | 人流统计系统及方法 | |
CN104183127B (zh) | 交通监控视频检测方法和装置 | |
Barnes et al. | Driven to distraction: Self-supervised distractor learning for robust monocular visual odometry in urban environments | |
CN105513349B (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
CN101950426B (zh) | 一种多摄像机场景下车辆接力跟踪方法 | |
CN102750527B (zh) | 一种银行场景中长期稳定的人脸检测与跟踪方法及装置 | |
CN105760846B (zh) | 基于深度数据的目标检测与定位方法及系统 | |
CN104767911A (zh) | 图像处理方法及装置 | |
CN104239865A (zh) | 一种基于多级检测的行人检测与跟踪方法 | |
CN102043953A (zh) | 一种实时鲁棒的针对特定场景的行人检测方法 | |
CN103150559A (zh) | 基于Kinect三维深度图像的头部识别与跟踪方法 | |
CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
CN104091348A (zh) | 融合显著特征和分块模板的多目标跟踪方法 | |
CN102298781A (zh) | 基于颜色和梯度特征的运动阴影检测方法 | |
CN104331901A (zh) | 一种基于tld的多视角目标跟踪装置及方法 | |
CN103759724B (zh) | 一种基于灯饰特征的室内导航方法及系统 | |
CN102521842A (zh) | 一种实现快速移动检测的方法和装置 | |
CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及系统 | |
CN104778676A (zh) | 基于深度测距的运动目标检测方法及系统 | |
Karbasi et al. | Real-time hands detection in depth image by using distance with Kinect camera | |
CN103456012B (zh) | 基于最大稳定曲率区域的视觉人手检测跟踪方法及系统 | |
CN112432653B (zh) | 基于点线特征的单目视觉惯性里程计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Moving target detection method based on optical flow field clustering Effective date of registration: 20190821 Granted publication date: 20190315 Pledgee: Hangzhou Yuhang Small and Medium-sized Enterprise Transfer Service Co.,Ltd. Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd. Registration number: Y2019330000020 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190315 |