CN107067417A - Lk光流法和三帧差法结合的运动目标检测方法 - Google Patents
Lk光流法和三帧差法结合的运动目标检测方法 Download PDFInfo
- Publication number
- CN107067417A CN107067417A CN201710328411.7A CN201710328411A CN107067417A CN 107067417 A CN107067417 A CN 107067417A CN 201710328411 A CN201710328411 A CN 201710328411A CN 107067417 A CN107067417 A CN 107067417A
- Authority
- CN
- China
- Prior art keywords
- region
- difference
- threshold
- moving target
- optical flow
- 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.)
- Withdrawn
Links
Classifications
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种LK光流法和三帧差法结合的运动目标检测方法,包括以下步骤:1)由金字塔型LK光流法确定出视频帧中可能存在运动目标的区域;2)利用步骤1)中确定的区域,在该区域内,三帧差分的阈值选取一个较低值,在该区域外,三帧差分的阈值则选取一个较高值,定义阈值差为较高阈值与较低阈值的差值;3)在低阈值区域,选取LK光流法计算得到的光流矢量的起始角点,将部分错误的角点信息去除掉后与三帧差分法检测得到的区域共同做为运动目标;4)在低阈值区域,通过连通分析的方式进行处理,就是指计算每个连通区域的面积,并对面积设定一个较小的阈值,若面积小于该阈值,则将滤除掉该连通区域。
Description
技术领域
本发明具体涉及一种LK光流法和三帧差法结合的运动目标检测方法。
背景技术
运动目标检测就是将视频序列中的运动目标与所在的背景图像相分离,从而可以获得目标的前景,也就是确切的运动目标。它是计算机视觉研究领域的一项关键技术,属于智能视频监控与目标跟踪系统中的最底层,检测结果的优良程度与后续目标跟踪与行为理解的效果有密切关系。
目前比较常用的运动目标检测算法有背景减除法、光流法和帧间差分法。光流法是通过估计视频帧中物体运动过程中产生的运动场,并分析其变化,由于背景物体的运动场和运动物体的运动场有所区别,从而把运动目标从背景中分离出来。该方法的检测精度相对较高,但是光流场的计算却十分复杂,在不做任何改进的情况下很难达到实时性。帧间差分法的基本思想是在视频序列中的相邻两帧或者相邻三帧之间利用运动目标的差异进行差分运算,并对结果作阈值化处理并提取出运动目标,视频帧相减可以去掉灰度值未发生变化的部分。该算法最大的优点就是速度快,背景不用进行积累,而且对光照变化不敏感,算法复杂度较低,但是对环境噪声十分敏感,阈值选取较低会使噪声增大,而选取较高则会使运动目标不完整,所以既要抑制住图像中的噪声还要保留有效且完整的运动目标就有一定的困难。
发明内容
本发明要解决的技术问题是提供一种LK光流法和三帧差法结合的运动目标检测方法。
LK光流法和三帧差法结合的运动目标检测方法,包括以下步骤:
1)由金字塔型LK光流法确定出视频帧中可能存在运动目标的区域;
2)利用步骤1)中确定的区域,在该区域内,三帧差分的阈值选取一个较低值,在该区域外,三帧差分的阈值则选取一个较高值,定义阈值差为较高阈值与较低阈值的差值;
3)在低阈值区域,选取LK光流法计算得到的光流矢量的起始角点,将部分错误的角点信息去除掉后与三帧差分法检测得到的区域共同做为运动目标;
4)在低阈值区域,通过连通分析的方式进行处理,就是指计算每个连通区域的面积,并对面积设定一个较小的阈值,若面积小于该阈值,则将滤除掉该连通区域。
进一步的,LK光流法计算的具体流程如下:
1)在帧序列中应用角点检测算法检测出当前帧的所有角点;
2)利用这些角点做为特征点来计算当前帧的光流;
3)将上一步计算出的光流矢量进行阈值化处理,选取合理的阈值,去掉超出阈值范围的所有光流矢量;
4)选择合适的参数将上一步的结果做膨胀运算,之后在得到的二值化图像上做所得到图形的外接矩形,记录下相应的位置坐标,以便于可以在算法的后续过程中使用。
本发明的有益效果是:
1)分级阈值的应用使得该算法的场景通用性大大提高,减弱了噪声对检测结果产生的影响,具有很强的抗干扰能力;
2)加入的光流角点信息可以完善目标的外部轮廓,改善了原始三帧差分算法目标内部存在空洞的现象,从而得到完整的运动目标。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
LK光流法和三帧差法结合的运动目标检测方法,包括以下步骤:
1)由金字塔型LK光流法确定出视频帧中可能存在运动目标的区域;
2)利用步骤1)中确定的区域,在该区域内,三帧差分的阈值选取一个较低值,在该区域外,三帧差分的阈值则选取一个较高值,定义阈值差为较高阈值与较低阈值的差值;
3)在低阈值区域,选取LK光流法计算得到的光流矢量的起始角点,将部分错误的角点信息去除掉后与三帧差分法检测得到的区域共同做为运动目标;
4)在低阈值区域,通过连通分析的方式进行处理,就是指计算每个连通区域的面积,并对面积设定一个较小的阈值,若面积小于该阈值,则将滤除掉该连通区域。
LK光流法计算的具体流程如下:
1)在帧序列中应用角点检测算法检测出当前帧的所有角点;
2)利用这些角点做为特征点来计算当前帧的光流;
3)将上一步计算出的光流矢量进行阈值化处理,选取合理的阈值,去掉超出阈值范围的所有光流矢量;
4)选择合适的参数将上一步的结果做膨胀运算,之后在得到的二值化图像上做所得到图形的外接矩形,记录下相应的位置坐标,以便于可以在算法的后续过程中使用。
Claims (2)
1.LK光流法和三帧差法结合的运动目标检测方法,其特征在于,包括以下步骤:
1)由金字塔型LK光流法确定出视频帧中可能存在运动目标的区域;
2)利用步骤1)中确定的区域,在该区域内,三帧差分的阈值选取一个较低值,在该区域外,三帧差分的阈值则选取一个较高值,定义阈值差为较高阈值与较低阈值的差值;
3)在低阈值区域,选取LK光流法计算得到的光流矢量的起始角点,将部分错误的角点信息去除掉后与三帧差分法检测得到的区域共同做为运动目标;
4)在低阈值区域,通过连通分析的方式进行处理,就是指计算每个连通区域的面积,并对面积设定一个较小的阈值,若面积小于该阈值,则将滤除掉该连通区域。
2.根据权利要求1所述的运动目标检测方法,其特征在于,LK光流法计算的具体流程如下:
1)在帧序列中应用角点检测算法检测出当前帧的所有角点;
2)利用这些角点做为特征点来计算当前帧的光流;
3)将上一步计算出的光流矢量进行阈值化处理,选取合理的阈值,去掉超出阈值范围的所有光流矢量;
4)选择合适的参数将上一步的结果做膨胀运算,之后在得到的二值化图像上做所得到图形的外接矩形,记录下相应的位置坐标,以便于可以在算法的后续过程中使用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328411.7A CN107067417A (zh) | 2017-05-11 | 2017-05-11 | Lk光流法和三帧差法结合的运动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328411.7A CN107067417A (zh) | 2017-05-11 | 2017-05-11 | Lk光流法和三帧差法结合的运动目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107067417A true CN107067417A (zh) | 2017-08-18 |
Family
ID=59597386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328411.7A Withdrawn CN107067417A (zh) | 2017-05-11 | 2017-05-11 | Lk光流法和三帧差法结合的运动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067417A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062525A (zh) * | 2017-12-14 | 2018-05-22 | 中国科学技术大学 | 一种基于手部区域预测的深度学习手部检测方法 |
CN109684996A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 基于视频的实时车辆进出识别方法 |
CN109740558A (zh) * | 2019-01-10 | 2019-05-10 | 吉林大学 | 一种基于改进光流法的移动目标检测方法 |
CN111801706A (zh) * | 2018-03-22 | 2020-10-20 | 德克萨斯仪器股份有限公司 | 视频对象检测 |
CN113916136A (zh) * | 2021-11-19 | 2022-01-11 | 招商局重庆交通科研设计院有限公司 | 一种基于无人机航拍的高耸结构动位移测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297321A (zh) * | 2005-10-25 | 2008-10-29 | 布拉科成像S.P.A.公司 | 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法 |
CN101710448A (zh) * | 2009-12-29 | 2010-05-19 | 浙江工业大学 | 基于全方位计算机视觉的道路交通状态检测装置 |
-
2017
- 2017-05-11 CN CN201710328411.7A patent/CN107067417A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297321A (zh) * | 2005-10-25 | 2008-10-29 | 布拉科成像S.P.A.公司 | 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法 |
CN101710448A (zh) * | 2009-12-29 | 2010-05-19 | 浙江工业大学 | 基于全方位计算机视觉的道路交通状态检测装置 |
Non-Patent Citations (1)
Title |
---|
谢红 等: ""LK 光流法和三帧差分法的运动目标检测算法"", 《应用科技》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062525A (zh) * | 2017-12-14 | 2018-05-22 | 中国科学技术大学 | 一种基于手部区域预测的深度学习手部检测方法 |
CN108062525B (zh) * | 2017-12-14 | 2021-04-23 | 中国科学技术大学 | 一种基于手部区域预测的深度学习手部检测方法 |
CN111801706A (zh) * | 2018-03-22 | 2020-10-20 | 德克萨斯仪器股份有限公司 | 视频对象检测 |
CN109684996A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 基于视频的实时车辆进出识别方法 |
CN109740558A (zh) * | 2019-01-10 | 2019-05-10 | 吉林大学 | 一种基于改进光流法的移动目标检测方法 |
CN113916136A (zh) * | 2021-11-19 | 2022-01-11 | 招商局重庆交通科研设计院有限公司 | 一种基于无人机航拍的高耸结构动位移测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067417A (zh) | Lk光流法和三帧差法结合的运动目标检测方法 | |
Zhang et al. | Three-frame difference algorithm research based on mathematical morphology | |
WO2017000466A1 (zh) | 一种基于光流法的运动目标跟踪方法及系统 | |
TWI420401B (zh) | 一種回授式物件偵測演算法 | |
KR101087592B1 (ko) | Ir 영상추적기의 단일표적 추적성능 향상 방법 | |
CN104992453A (zh) | 基于极限学习机的复杂背景下目标跟踪方法 | |
CN103226712B (zh) | 一种基于有限状态机的遗留物检测方法 | |
CN101483001A (zh) | 基于视频的入侵检测方法、检测装置、芯片 | |
CN102982537A (zh) | 一种检测场景变换的方法和系统 | |
CN103942812A (zh) | 基于混合高斯与边缘检测的运动目标检测方法 | |
CN107993254A (zh) | 基于关联帧差分法的运动目标检测方法 | |
CN110853077B (zh) | 一种基于形态变化估计的自适应红外动态帧特征提取方法 | |
CN110688969A (zh) | 视频帧人体行为识别方法 | |
Zheng et al. | An automatic moving object detection algorithm for video surveillance applications | |
CN112084957A (zh) | 一种移动目标滞留检测方法及系统 | |
Zhao et al. | A novel method for moving object detection in intelligent video surveillance systems | |
Lu et al. | Background subtraction based segmentation using object motion feedback | |
Lei et al. | Traffic jam detection based on corner feature of background scene in video-based ITS | |
Nasrullah et al. | A novel algorithm for real time moving object tracking | |
CN106887013A (zh) | 基于连通区域结合最近邻和粒子滤波的多目标跟踪方法 | |
Lee et al. | Real-time pedestrian and vehicle detection in video using 3d cues | |
Cao et al. | An improved detection algorithm of moving vehicles based on computer vision | |
Nema et al. | Modified approach for object detection in video sequences | |
Wang et al. | Object detection and tracking for night surveillance based on salient contrast analysis | |
Lai et al. | Detection and classification of object movement-an application for video surveillance system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170818 |