CN108257188A - 一种运动目标检测方法 - Google Patents

一种运动目标检测方法 Download PDF

Info

Publication number
CN108257188A
CN108257188A CN201711480011.4A CN201711480011A CN108257188A CN 108257188 A CN108257188 A CN 108257188A CN 201711480011 A CN201711480011 A CN 201711480011A CN 108257188 A CN108257188 A CN 108257188A
Authority
CN
China
Prior art keywords
image
moving target
optical flow
moving object
rows
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.)
Pending
Application number
CN201711480011.4A
Other languages
English (en)
Inventor
郑光胜
谭鹏
郑侃
樊清涛
徐林
樊晏如
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Rui Nada Automation Technology Co Ltd
Original Assignee
Chongqing Rui Nada Automation Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Rui Nada Automation Technology Co Ltd filed Critical Chongqing Rui Nada Automation Technology Co Ltd
Priority to CN201711480011.4A priority Critical patent/CN108257188A/zh
Publication of CN108257188A publication Critical patent/CN108257188A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种运动目标检测方法，包括以下步骤：(1)利用图像传感器捕捉每一帧图像；(2)针对前后两帧图像进行光流场计算；(3)进行光流场阈值计算；(4)运动目标轮廓确定。本发明提供了一种快速且较精确的检测运动目标的方法，通过对识别过程中非必要因素进行等效，有效提高机器人或者运动目标装置的识别效率，同时采取了精度补充措施，使利用本方法能够快速且较精确地实现对运动目标的识别。

Description

一种运动目标检测方法
技术领域
本发明涉及机器人技术领域，特别是涉及一种运动目标检测方法。
背景技术
现有技术中，缺少一种运算效率较高的检测运动目标的方法，使机器人在面对运动目标时，能够快速精确地检测运动目标轮廓，并在机器人主体内生成运动目标模型。进而针对目标模型能够进行后续识别或跟踪等操作。
因此本领域技术人员致力于开发一种运算效率较高的检测运动目标的方法，使机器人在面对运动目标时，能够快速精确地检测运动目标轮廓，并在机器人主体内生成运动目标模型。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种精确而快速的检测运动目标的方法，使机器人在面对运动目标时，能够快速精确地检测运动目标轮廓，并在机器人主体内生成运动目标模型。
为实现上述目的，本发明提供了一种运动目标检测方法，包括以下步骤：
(1)利用图像传感器捕捉每一帧图像；
(2)针对前后两帧图像进行光流场计算；
(3)进行光流场阈值计算；
(4)运动目标轮廓确定。
较优的，所述步骤(2)中，按照以下步骤进行光流场计算：
21)对前后两帧中图像的每个元素偏移量ni进行排序；
22)按照下列公式进行光流场分析检测点的计算：
其中，为前后两帧的图像平均光流位移；
ni为前后两帧图像中的元素最小偏移量；
rows:图像行数；
cols：图像列数。
较优的，所述步骤22)中，用以下公式等效替换原公式：
E＝2*(n0+nrows*clos)/rows*cols
E为等效后的前后两帧的图像平均光流位移；
n0为前后两帧图像中的元素最小偏移量；
nrows*cols为前后两帧图像中的元素最大偏移量；
rows:图像行数；
cols：图像列数。
通过本方法进行等效后，计算量更小，使机器人或目标识别装置能够更加有效率地实现对光流场的计算，同时由于前后两帧的光流运动量较小，故其进行等差变换后，其对精度的影响是有限的，但对计算效率乃至反应速度的提升是较为明显的。
较优的，所述步骤(3)中，按照下列步骤进行光流场阈值计算：
31)按照下列公式对前后两帧图像的偏移量方差进行计算；
其中：为前后两帧的图像平均光流位移；
为前后两帧图像的位移方差；
32)根据下列公式确定有效光流阈值：
其中：为有效光流阈值。
较优的，所述步骤(4)中，找出满足下列公式的{ni}，作为运动目标的区域：
本技术方案通过方差计算运动目标阈值，能够较为精确地实现运动目标区域的检测，使运动目标识别精度更高。
所述步骤(4)中，按照下列步骤计算运动目标的轮廓模型：
41)按照下列公式截取运动目标区域的最大内接圆：
(xi,yi)为区域{ni}上的顶点。
其中，A为运动目标区域面积；
(xi,yi)为区域{ni}上的顶点ni；
(xi+1,yi+1)为顶点ni的后一个顶点ni+1坐标；
Cx为运动目标区域多边形中心的X轴坐标；
Cy为运动目标区域多边形中心的Y轴坐标；
r为运动目标区域多边形最大内接圆半径；
42)根据步骤(1)中的最大内接圆计算该圆的最大内接矩形S：
43)设定步骤2)中的内接圆的最大内接矩形作为运动目标的轮廓模型。
本发明还提供了一种简化模型对运动目标区域进行等效方法，等效后如果直接对运动目标区域模型进行计算，则可以使识别过程更加简单有效率，同时通过对运动目标区域内的RGB均值进行计算存档，与运动区域模型进行对应，是为了减少运动目标区域的其他干扰，提高对运动目标区域识别的精确性，在增加识别效率的同时保证了识别精度。
较优的，还包括以下步骤：
(5)按照下列公式计算运动区域或运动区域模型的RGB均值，并进行记录：
其中为运动区域内的红色分量平均强度；
Rn为运动目标区域内第n个元素红色分量平均强度；
为运动区域内的绿色分量平均强度；
Gn为运动目标区域内第n个元素绿色分量平均强度；
为运动区域内的蓝色分量平均强度；
Bn为运动目标区域内第n个元素红蓝色分量平均强度；
n为运动区域内总分量数。
本发明的有益效果是：本发明提供了一种快速且较精确的检测运动目标的方法，通过对识别过程中非必要因素进行等效，有效提高机器人或者运动目标装置的识别效率，同时采取了精度补充措施，使利用本方法能够快速且较精确地实现对运动目标的识别。
附图说明
图1是本发明一具体实施方式的步骤流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
如图1所示，一种运动目标检测方法，包括以下步骤：
(1)利用图像传感器捕捉每一帧图像；
(2)针对前后两帧图像进行光流场计算；
(3)进行光流场阈值计算；
(4)运动目标轮廓确定。
特别的，所述步骤(2)中，按照以下步骤进行光流场计算：
21)对前后两帧中图像的每个元素偏移量ni进行排序；
22)按照下列公式进行光流场分析检测点的计算：
其中，为前后两帧的图像平均光流位移；
ni为前后两帧图像中的元素最小偏移量；
rows:图像行数；
cols：图像列数。
特别的，所述步骤22)中，用以下公式等效替换原公式：
E＝2*(n0+nrows*clos)/rows*cols
E为等效后的前后两帧的图像平均光流位移；
n0为前后两帧图像中的元素最小偏移量；
nrows*cols为前后两帧图像中的元素最大偏移量；
rows:图像行数；
cols：图像列数。
特别的，所述步骤(3)中，按照下列步骤进行光流场阈值计算：
31)按照下列公式对前后两帧图像的偏移量方差进行计算；
其中：为前后两帧的图像平均光流位移；
为前后两帧图像的位移方差；
32)根据下列公式确定有效光流阈值：
其中：为有效光流阈值。
特别的，所述步骤(4)中，找出满足下列公式的{ni}，作为运动目标的区域：
特别的，所述步骤(4)中，按照下列步骤计算运动目标的轮廓模型：
41)按照下列公式截取运动目标区域的最大内接圆：
(xi,yi)为区域{ni}上的顶点。
其中，A为运动目标区域面积；
(xi,yi)为区域{ni}上的顶点ni；
(xi+1,yi+1)为顶点ni的后一个顶点ni+1坐标；
Cx为运动目标区域多边形中心的X轴坐标；
Cy为运动目标区域多边形中心的Y轴坐标；
r为运动目标区域多边形最大内接圆半径；
42)根据步骤(1)中的最大内接圆计算该圆的最大内接矩形S：
43)设定步骤2)中的内接圆的最大内接矩形作为运动目标的轮廓模型。特别的，还包括以下步骤：
(5)按照下列公式计算运动区域或运动区域模型的RGB均值，并进行记录：
其中为运动区域内的红色分量平均强度；
Rn为运动目标区域内第n个元素红色分量平均强度；
为运动区域内的绿色分量平均强度；
Gn为运动目标区域内第n个元素绿色分量平均强度；
为运动区域内的蓝色分量平均强度；
Bn为运动目标区域内第n个元素红蓝色分量平均强度；
n为运动区域内总分量数。
工作时，跟随目标检测使用的是光流Farneback算法，该算法是密集光流算法，是对图像中每一个点进行光流计算。光流算法是通过相邻的前后两帧相同大小的图像矩阵中的每一个元素的两个值进行计算，分别表示这个像素点在x方向和y方向的运动量，这两帧的图像的关系式为：
prevImg(y,x)～nextImg(y+flow(y,x))[1],x+flow(y,x)[0])
通过对密集光流场的动态的阈值设计，可以过滤掉干扰光流点，得到需要跟随目标的光流场，并计算出跟随目标的RGB和轮廓。进而实现对运动目标的检测。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (7)

1.一种运动目标检测方法，其特征是：包括以下步骤：
(1)利用图像传感器捕捉每一帧图像；
(2)针对前后两帧图像进行光流场计算；
(3)进行光流场阈值计算；
(4)运动目标轮廓确定。
2.如权利要求1所述的运动目标检测方法，其特征是：所述步骤(2)中，按照以下步骤进行光流场计算：
21)对前后两帧中图像的每个元素偏移量ni进行排序；
22)按照下列公式进行光流场分析检测点的计算：
其中，为前后两帧的图像平均光流位移；
ni为前后两帧图像中的元素最小偏移量；
rows:图像行数；
cols：图像列数。
3.如权利要求2所述的运动目标检测方法，其特征是：所述步骤22)中，用以下公式等效替换原公式：
E＝2*(n0+nrows*clos)/rows*cols
E为等效后的前后两帧的图像平均光流位移；
n0为前后两帧图像中的元素最小偏移量；
nrows*cols为前后两帧图像中的元素最大偏移量；
rows:图像行数；
cols：图像列数。
4.如权利要求1所述的运动目标检测方法，其特征是：所述步骤(3)中，按照下列步骤进行光流场阈值计算：
31)按照下列公式对前后两帧图像的偏移量方差进行计算；
其中：为前后两帧的图像平均光流位移；
n为前后两帧图像的位移方差；
32)根据下列公式确定有效光流阈值：
其中：为有效光流阈值。
5.如权利要求1所述的运动目标检测方法，其特征是：所述步骤(4)中，找出满足下列公式的{ni}，作为运动目标的区域：
6.如权利要求1或4所述的运动目标检测方法，其特征是：所述步骤(4)中，按照下列步骤计算运动目标的轮廓模型：
41)按照下列公式截取运动目标区域的最大内接圆：
(xi,yi)为区域{ni}上的顶点。
其中，A为运动目标区域面积；
(xi,yi)为区域{ni}上的顶点ni；
(xi+1,yi+1)为顶点ni的后一个顶点ni+1坐标；
Cx为运动目标区域多边形中心的X轴坐标；
Cy为运动目标区域多边形中心的Y轴坐标；
r为运动目标区域多边形最大内接圆半径；
42)根据步骤(1)中的最大内接圆计算该圆的最大内接矩形S：
43)设定步骤2)中的内接圆的最大内接矩形作为运动目标的轮廓模型。
7.如权利要求1所述的运动目标检测方法，其特征是：还包括以下步骤：
(5)按照下列公式计算运动区域或运动区域模型的RGB均值，并进行记录：
其中为运动区域内的红色分量平均强度；
Rn为运动目标区域内第n个元素红色分量平均强度；
为运动区域内的绿色分量平均强度；
Gn为运动目标区域内第n个元素绿色分量平均强度；
为运动区域内的蓝色分量平均强度；
Bn为运动目标区域内第n个元素红蓝色分量平均强度；
n为运动区域内总分量数。
CN201711480011.4A 2017-12-29 2017-12-29 一种运动目标检测方法 Pending CN108257188A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711480011.4A CN108257188A (zh) 2017-12-29 2017-12-29 一种运动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711480011.4A CN108257188A (zh) 2017-12-29 2017-12-29 一种运动目标检测方法

Publications (1)

Publication Number Publication Date
CN108257188A true CN108257188A (zh) 2018-07-06

Family

ID=62725178

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711480011.4A Pending CN108257188A (zh) 2017-12-29 2017-12-29 一种运动目标检测方法

Country Status (1)

Country Link
CN (1) CN108257188A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110530499A (zh) * 2019-08-27 2019-12-03 中国科学院声学研究所 一种测量动态光弹图像中声传播方向的方法
CN111951558A (zh) * 2020-08-21 2020-11-17 齐鲁工业大学 应用于交通预警机器人的机器视觉系统及方法
CN112464785A (zh) * 2020-11-25 2021-03-09 浙江大华技术股份有限公司 一种目标检测方法、装置、计算机设备及存储介质
CN113408352A (zh) * 2019-05-28 2021-09-17 浙江大华技术股份有限公司 行人异常行为检测方法、图像处理装置及存储装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339602A (zh) * 2008-07-15 2009-01-07 中国科学技术大学 一种基于光流法的视频火灾烟雾图像识别方法
CN101435732A (zh) * 2008-12-09 2009-05-20 华中科技大学 一种基于双目光流的空间目标旋转轴及质心估计方法
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
CN101794450A (zh) * 2009-11-13 2010-08-04 北京智安邦科技有限公司 视频图像序列中烟雾的检测方法及装置
CN102340620A (zh) * 2011-10-25 2012-02-01 重庆大学 基于马氏距离的视频图像背景检测方法
US20130243343A1 (en) * 2012-03-16 2013-09-19 Nec (China) Co., Ltd. Method and device for people group detection
US20150332480A1 (en) * 2012-11-15 2015-11-19 Thomson Licensing Method for superpixel life cycle management
CN107154050A (zh) * 2017-05-03 2017-09-12 魏玉震 一种基于机器视觉的石材几何参数的自动获取方法
CN107194366A (zh) * 2017-06-06 2017-09-22 西安电子科技大学 基于稠密轨迹协方差描述子的行为识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339602A (zh) * 2008-07-15 2009-01-07 中国科学技术大学 一种基于光流法的视频火灾烟雾图像识别方法
CN101435732A (zh) * 2008-12-09 2009-05-20 华中科技大学 一种基于双目光流的空间目标旋转轴及质心估计方法
CN101794450A (zh) * 2009-11-13 2010-08-04 北京智安邦科技有限公司 视频图像序列中烟雾的检测方法及装置
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
CN102340620A (zh) * 2011-10-25 2012-02-01 重庆大学 基于马氏距离的视频图像背景检测方法
US20130243343A1 (en) * 2012-03-16 2013-09-19 Nec (China) Co., Ltd. Method and device for people group detection
US20150332480A1 (en) * 2012-11-15 2015-11-19 Thomson Licensing Method for superpixel life cycle management
CN107154050A (zh) * 2017-05-03 2017-09-12 魏玉震 一种基于机器视觉的石材几何参数的自动获取方法
CN107194366A (zh) * 2017-06-06 2017-09-22 西安电子科技大学 基于稠密轨迹协方差描述子的行为识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
毛玉东: "复杂环境下的运动目标检测算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113408352A (zh) * 2019-05-28 2021-09-17 浙江大华技术股份有限公司 行人异常行为检测方法、图像处理装置及存储装置
CN110530499A (zh) * 2019-08-27 2019-12-03 中国科学院声学研究所 一种测量动态光弹图像中声传播方向的方法
CN111951558A (zh) * 2020-08-21 2020-11-17 齐鲁工业大学 应用于交通预警机器人的机器视觉系统及方法
CN112464785A (zh) * 2020-11-25 2021-03-09 浙江大华技术股份有限公司 一种目标检测方法、装置、计算机设备及存储介质
CN112464785B (zh) * 2020-11-25 2024-08-09 浙江大华技术股份有限公司 一种目标检测方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN108257188A (zh) 一种运动目标检测方法
CN110378950B (zh) 一种基于灰度和梯度融合的隧道结构裂缝识别方法
JP5976198B2 (ja) 人数計数装置および人数計数方法
CN109034017A (zh) 头部姿态估计方法及机器可读存储介质
CN102706274B (zh) 工业结构化场景中机器视觉精确定位机械零件的系统
CN103218605A (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN113487538B (zh) 一种多目标分割缺陷检测方法、装置及其计算机存储介质
Li et al. Road markings extraction based on threshold segmentation
CN115830018B (zh) 基于深度学习与双目视觉的碳素块检测方法及系统
CN108133491A (zh) 一种实现动态目标跟踪的方法
CN104331907B (zh) 一种基于orb特征检测测量载体速度的方法
CN112991374A (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN115760893A (zh) 一种基于核相关滤波算法的单雾滴粒径和速度测量方法
CN110674812A (zh) 一种面向复杂背景的民用车牌定位与字符分割方法
CN113822810A (zh) 一种基于机器视觉的三维空间中工件的定位方法
CN103955673B (zh) 一种基于头肩模型的人体识别方法
CN108596947A (zh) 一种适用于rgb-d相机的快速目标跟踪方法
Lin et al. A new prediction method for edge detection based on human visual feature
CN103533332A (zh) 一种2d视频转3d视频的图像处理方法
CN106127147B (zh) 一种基于三维数据的人脸深度纹理修复方法
CN116863463A (zh) 一种鸡蛋流水线快速识别计数方法
CN105354582B (zh) 图像角点提取方法和装置以及图像角点提取摄像装置
CN114332629B (zh) 基于高速视觉耦合轮廓特征提取的多农药雾滴撞击叶面延迟性的测量方法
CN108335308A (zh) 一种橙子自动检测方法、系统以及机器人智能零售终端
CN103714552B (zh) 运动阴影消除方法及装置和智能视频分析系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180706