CN106340032B - 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
- CN106340032B CN106340032B CN201610733033.6A CN201610733033A CN106340032B CN 106340032 B CN106340032 B CN 106340032B CN 201610733033 A CN201610733033 A CN 201610733033A CN 106340032 B CN106340032 B CN 106340032B
- Authority
- CN
- China
- Prior art keywords
- blob
- optical flow
- flow field
- algorithm
- light stream
- 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.)
- Active
Links
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
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 (1)
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。
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 CN106340032A (zh) | 2017-01-18 |
CN106340032B true CN106340032B (zh) | 2019-03-15 |
Family
ID=57822276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610733033.6A Active 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) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3694206A1 (en) * | 2017-10-02 | 2020-08-12 | Sony Corporation | Image processing device and image processing method |
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 |
CN111105434A (zh) * | 2018-10-25 | 2020-05-05 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
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 |
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 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
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 |
---|
DeepFlow: Large displacement optical flow with deep matching;Philippe Weinzaepfel,et,al.;《2013 IEEE International Conference on Computer Vision》;20131231;第1385-1392页 |
基于矢量量化的动态场景中运动车辆的检测;高磊等;《电子测量技术》;20141031;第37卷(第10期);第66-70页 |
Also Published As
Publication number | Publication date |
---|---|
CN106340032A (zh) | 2017-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106340032B (zh) | 一种基于光流场聚类的运动目标检测方法 | |
CN103530874B (zh) | 基于Kinect的人流计数方法 | |
CN106570454B (zh) | 基于移动激光扫描的行人交通参数提取方法 | |
CN102043953A (zh) | 一种实时鲁棒的针对特定场景的行人检测方法 | |
CN103400157B (zh) | 一种基于视频分析的道路行人及非机动车检测方法 | |
CN104239865A (zh) | 一种基于多级检测的行人检测与跟踪方法 | |
CN102945375A (zh) | 多约束下的多视角监控视频行为检测和识别方法 | |
CN110049206A (zh) | 图像处理方法及装置 | |
CN105760846A (zh) | 基于深度数据的目标检测与定位方法及系统 | |
CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
CN105243356B (zh) | 一种建立行人检测模型的方法及装置及行人检测方法 | |
CN102298781A (zh) | 基于颜色和梯度特征的运动阴影检测方法 | |
CN102222346A (zh) | 一种车辆检测和跟踪方法 | |
CN103759724B (zh) | 一种基于灯饰特征的室内导航方法及系统 | |
CN103295221A (zh) | 模拟复眼视觉机制和偏振成像的水面目标运动检测方法 | |
Liu et al. | Visual slam based on dynamic object removal | |
CN105046316B (zh) | 一种基于高斯过程回归的激光双向行人计数方法 | |
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 | |
CN104778676A (zh) | 基于深度测距的运动目标检测方法及系统 | |
CN103577804A (zh) | 基于sift流和隐条件随机场的人群异常行为识别方法 | |
CN109544632A (zh) | 一种基于层次主题模型的语义slam对象关联方法 | |
CN106683116B (zh) | 一种基于支持向量机的粒子滤波联合跟踪方法 | |
CN106570523A (zh) | 一种多特征联合的机器人足球识别方法 | |
Guangyun et al. | An improved ORB feature extraction and matching algorithm | |
Dong et al. | An automatic object detection and tracking method based on video surveillance |
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 | ||
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 |