CN112734796B - 一种运动目标检测方法及实现运动目标检测方法的检测系统 - Google Patents

一种运动目标检测方法及实现运动目标检测方法的检测系统 Download PDF

Info

Publication number
CN112734796B
CN112734796B CN202110062208.6A CN202110062208A CN112734796B CN 112734796 B CN112734796 B CN 112734796B CN 202110062208 A CN202110062208 A CN 202110062208A CN 112734796 B CN112734796 B CN 112734796B
Authority
CN
China
Prior art keywords
module
circuit
image
series
processing unit
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
Application number
CN202110062208.6A
Other languages
English (en)
Other versions
CN112734796A (zh
Inventor
周明媛
孔德斌
潘鹏
郭立娜
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.)
Yantai Nanshan University
Original Assignee
Yantai Nanshan University
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 Yantai Nanshan University filed Critical Yantai Nanshan University
Priority to CN202110062208.6A priority Critical patent/CN112734796B/zh
Publication of CN112734796A publication Critical patent/CN112734796A/zh
Application granted granted Critical
Publication of CN112734796B publication Critical patent/CN112734796B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06T2207/20076—Probabilistic 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种运动目标检测方法及实现目标检测方法的检测系统，包括中央处理器，所述中央处理器通过电路串联有转换模块，所述转换模块通过电路串联有分离模块，所述分离模块通过电路串联有获取模块，所述中央处理器通过电路串联有计算模块，所述计算模块通过电路串联有对比模块，所述中央处理器通过电路串联有存储模块，所述中央处理器通过电路串联有匹配模块，所述匹配模块通过电路串联有输出模块，可以直接定位于运动目标，准确高效，然后进行计算匹配和对比分析，进而描绘运动目标轨迹线路，并且进行输出和存储，利于回访查验，时效性高，能够大大提高检测的准确性和高效性，利于推广使用。

Description

一种运动目标检测方法及实现运动目标检测方法的检测系统
技术领域
本发明涉及运动检测技术领域，尤其涉及一种运动目标检测方法及实现运动目标检测方法的检测系统。
背景技术
在现在的社会生活中，运动目标检测也称为运动目标分割，是将运动的目标从监控视频序列中提取出来的一项智能分析技术，是整个视频监控系统的关键一步，也是目标跟踪、识别及行为理解等后续处理的基础。
但是现有的运动目标检测多是直接通过视频观看，然后人工识别检测，不仅效率比较低，而且时效性差，无法继续对在线视频进行分离后定位检测，同时也不利于存储结构进行复核查验，影响准确性，回访性较弱，有待提出一种新的系统方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种运动目标检测方法及实现运动目标检测方法的检测系统。
为了实现上述目的，本发明采用了如下技术方案：
一种运动目标检测方法及实现运动目标检测方法的检测系统，包括中央处理器，所述中央处理器通过电路串联有转换模块，所述转换模块通过电路串联有分离模块，所述分离模块通过电路串联有获取模块，所述中央处理器通过电路串联有计算模块，所述计算模块通过电路串联有对比模块，所述中央处理器通过电路串联有存储模块，所述中央处理器通过电路串联有匹配模块，所述匹配模块通过电路串联有输出模块；
该运动目标检测方法包括如下步骤：
S1、通过获取模块实时获取运动图像，形成在线视频，并备份到存储模块；
S2、通过分离模块对在线视频进行前景背景分离，形成图像帧；
S3、通过转换模块对图像帧进行转换，形成灰度图像；
S4、中央处理器接收灰度图像，传输至计算模块和匹配模块；
S5、计算模块对灰度图像的的重合概率进行计算，得到稠密视差图像；
S6、匹配模块对分离的灰度图像进行图像匹配，得到背景补偿的差分图像；
S7、对比模块读取稠密视差图像和差分图像，进行对比分析和累加，得到累加图像；
S8、输出模块接收累加图像，通过网格法筛选均匀分布的全局特征点，对运动目标进行描绘，进行轨迹输出；
S9、中央处理器对输出的轨迹进行校正，然后存储至存储模块进行验证。
优选的，所述获取模块通过电路并联于存储模块，所述存储模块通过电路并联于对比模块。
优选的，所述输出模块通过电路并联于对比模块。
优选的，所述转换模块、匹配模块、计算模块和存储模块均通过电路并行连接于中央处理器。
优选的，所述S2步骤的前景背景分离采用正则误差计算方法进行帧数读取后分离。
优选的，所述S3步骤的转换方法基于颜色进行变换，且采用统一的中心清晰度。
优选的，所述S5步骤的计算方法采用高效大规模ELAS算法，且匹配图像的立体整合堆叠方式。
优选的，所述S6步骤的图像匹配还包括基于存储数据对图像进行补偿校正，且采用多普勒频移校正方式。
优选的，所述S8步骤的轨迹输出还包括对运动目标的偏移幅度和方向进行显示警报。
本发明提供的一种运动目标检测方法及实现运动目标检测方法的检测系统，通过采用多模块进行实时在线水平获取，可以存储原始数据，然后对视频进行前景背景分离后处理，可以直接定位于运动目标，准确高效，然后进行计算匹配和对比分析，进而描绘运动目标轨迹线路，并且进行输出和存储，利于回访查验，时效性高，能够大大提高检测的准确性和高效性，利于推广使用。
附图说明
图1为本发明的流程原理框图。
图中：1中央处理器、11转换模块、12分离模块、13获取模块、14计算模块、15对比模块、16存储模块、17匹配模块、18输出模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
一种运动目标检测方法及实现运动目标检测方法的检测系统，包括中央处理器1，所述中央处理器1通过电路串联有转换模块11，所述转换模块11通过电路串联有分离模块12，所述分离模块12通过电路串联有获取模块13，所述中央处理器1通过电路串联有计算模块14，所述计算模块14通过电路串联有对比模块15，所述中央处理器1通过电路串联有存储模块16，所述中央处理器1通过电路串联有匹配模块17，所述匹配模块17通过电路串联有输出模块18；
该运动目标检测方法包括如下步骤：
S1、通过获取模块实时获取运动图像，形成在线视频，并备份到存储模块；
S2、通过分离模块对在线视频进行前景背景分离，形成图像帧；
S3、通过转换模块对图像帧进行转换，形成灰度图像；
S4、中央处理器接收灰度图像，传输至计算模块和匹配模块；
S5、计算模块对灰度图像的的重合概率进行计算，得到稠密视差图像；
S6、匹配模块对分离的灰度图像进行图像匹配，得到背景补偿的差分图像；
S7、对比模块读取稠密视差图像和差分图像，进行对比分析和累加，得到累加图像；
S8、输出模块接收累加图像，通过网格法筛选均匀分布的全局特征点，对运动目标进行描绘，进行轨迹输出；
S9、中央处理器对输出的轨迹进行校正，然后存储至存储模块进行验证。
作为优选的，所述获取模块13通过电路并联于存储模块16，所述存储模块16通过电路并联于对比模块15。
作为优选的，所述输出模块18通过电路并联于对比模块15。
作为优选的，所述转换模块11、匹配模块17、计算模块14和存储模块16均通过电路并行连接于中央处理器1。
作为优选的，所述S2步骤的前景背景分离采用正则误差计算方法进行帧数读取后分离。
作为优选的，所述S3步骤的转换方法基于颜色进行变换，且采用统一的中心清晰度。
作为优选的，所述S5步骤的计算方法采用高效大规模ELAS算法，且匹配图像的立体整合堆叠方式。
作为优选的，所述S6步骤的图像匹配还包括基于存储数据对图像进行补偿校正，且采用多普勒频移校正方式。
作为优选的，所述S8步骤的轨迹输出还包括对运动目标的偏移幅度和方向进行显示警报。
本发明提供的一种运动目标检测方法及实现运动目标检测方法的检测系统，通过采用多模块进行实时在线水平获取，可以存储原始数据，然后对视频进行前景背景分离后处理，可以直接定位于运动目标，准确高效，然后进行计算匹配和对比分析，进而描绘运动目标轨迹线路，并且进行输出和存储，利于回访查验，时效性高，能够大大提高检测的准确性和高效性，利于推广使用。

Claims (9)

1.一种实现运动目标检测方法的检测系统，包括中央处理器(1)，其特征在于：所述中央处理器(1)通过电路串联有转换模块(11)，所述转换模块(11)通过电路串联有分离模块(12)，所述分离模块(12)通过电路串联有获取模块(13)，所述中央处理器(1)通过电路串联有计算模块(14)，所述计算模块(14)通过电路串联有对比模块(15)，所述中央处理器(1)通过电路串联有存储模块(16)，所述中央处理器(1)通过电路串联有匹配模块(17)，所述匹配模块(17)通过电路串联有输出模块(18)；
该运动目标检测方法包括如下步骤：
S1、通过获取模块实时获取运动图像，形成在线视频，并备份到存储模块；
S2、通过分离模块对在线视频进行前景背景分离，形成图像帧；
S3、通过转换模块对图像帧进行转换，形成灰度图像；
S4、中央处理器接收灰度图像，传输至计算模块和匹配模块；
S5、计算模块对灰度图像的重合概率进行计算，得到稠密视差图像；
S6、匹配模块对分离的灰度图像进行图像匹配，得到背景补偿的差分图像；
S7、对比模块读取稠密视差图像和差分图像，进行对比分析和累加，得到累加图像；
S8、输出模块接收累加图像，通过网格法筛选均匀分布的全局特征点，对运动目标进行描绘，进行轨迹输出；
S9、中央处理器对输出的轨迹进行校正，然后存储至存储模块进行验证。
2.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述获取模块(13)通过电路并联于存储模块(16)，所述存储模块(16)通过电路并联于对比模块(15)。
3.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述输出模块(18)通过电路并联于对比模块(15)。
4.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述转换模块(11)、匹配模块(17)、计算模块(14)和存储模块(16)均通过电路并行连接于中央处理器(1)。
5.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述S2步骤的前景背景分离采用正则误差计算方法进行帧数读取后分离。
6.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述S3步骤的转换方法基于颜色进行变换，且采用统一的中心清晰度。
7.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述S5步骤的计算方法采用高效大规模ELAS算法，且匹配图像的立体整合堆叠方式。
8.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述S6步骤的图像匹配还包括基于存储数据对图像进行补偿校正，且采用多普勒频移校正方式。
9.根据权利要求1所述的一种实现运动目标检测方法的检测系统，其特征在于：所述S8步骤的轨迹输出还包括对运动目标的偏移幅度和方向进行显示警报。
CN202110062208.6A 2021-01-18 2021-01-18 一种运动目标检测方法及实现运动目标检测方法的检测系统 Active CN112734796B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110062208.6A CN112734796B (zh) 2021-01-18 2021-01-18 一种运动目标检测方法及实现运动目标检测方法的检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110062208.6A CN112734796B (zh) 2021-01-18 2021-01-18 一种运动目标检测方法及实现运动目标检测方法的检测系统

Publications (2)

Publication Number Publication Date
CN112734796A CN112734796A (zh) 2021-04-30
CN112734796B true CN112734796B (zh) 2023-04-18

Family

ID=75592028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110062208.6A Active CN112734796B (zh) 2021-01-18 2021-01-18 一种运动目标检测方法及实现运动目标检测方法的检测系统

Country Status (1)

Country Link
CN (1) CN112734796B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217208A (zh) * 2013-06-03 2014-12-17 株式会社理光 目标检测方法和装置
CN109887007A (zh) * 2017-12-06 2019-06-14 中国科学院宁波材料技术与工程研究所 空基对地运动目标的检测方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7720282B2 (en) * 2005-08-02 2010-05-18 Microsoft Corporation Stereo image segmentation
CN108109163A (zh) * 2017-12-18 2018-06-01 中国科学院长春光学精密机械与物理研究所 一种航拍视频的运动目标检测方法
CN110728617A (zh) * 2019-09-30 2020-01-24 上海电机学院 一种基于fpga的动态目标识别与实时跟踪系统
CN111814602B (zh) * 2020-06-23 2022-06-17 成都信息工程大学 一种基于视觉的智能车环境动态目标检测的方法
CN111862511B (zh) * 2020-08-10 2021-08-24 湖南海森格诺信息技术有限公司 基于双目立体视觉的目标入侵检测装置及其方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104217208A (zh) * 2013-06-03 2014-12-17 株式会社理光 目标检测方法和装置
CN109887007A (zh) * 2017-12-06 2019-06-14 中国科学院宁波材料技术与工程研究所 空基对地运动目标的检测方法及装置

Also Published As

Publication number Publication date
CN112734796A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN113313711B (zh) 一种用于锂电池极片宽度检测的相机、系统及检测方法
CN104063883B (zh) 一种基于对象和关键帧相结合的监控视频摘要生成方法
CN107146239A (zh) 卫星视频运动目标检测方法及系统
CN110674886B (zh) 一种融合多层级特征的视频目标检测方法
CN111339839A (zh) 一种密集型目标检测计量方法
CN110555377B (zh) 一种基于鱼眼相机俯视拍摄的行人检测与跟踪方法
CN117677969A (zh) 一种缺陷检测的方法和装置
Tang et al. PENet: Object detection using points estimation in high definition aerial images
CN117651976A (zh) 缺陷检测方法和装置
CN112734796B (zh) 一种运动目标检测方法及实现运动目标检测方法的检测系统
CN116704490B (zh) 车牌识别方法、装置和计算机设备
CN115035168B (zh) 基于多约束的光伏面板多源图像配准方法、装置及系统
Jiao et al. The research of transmission line foreign body detection based on motion compensation
CN113779012B (zh) 一种用于无人机的单目视觉slam尺度恢复方法
CN115689939A (zh) 用于输电线路可视化检测场景的视频稳像方法
CN112906677B (zh) 基于改进型ssd网络的行人目标检测与重识别方法
CN116310768A (zh) 一种针对发电站水下异物的目标检测方法
CN114882230A (zh) 一种基于视觉注意力的鼠患检测方法及装置
Sun et al. Research on Vision-based pedestrian detection and tracking algorithm
CN112560691B (zh) 一种基于卫星视频数据的天基目标自动识别方法
Wang et al. Sequence Matching with Discriminative Binary Features for Robust and Fast Light-Rail Localization at High Frame Rate
Zhou et al. Haze Removal And Ship Tracking In Hazy Weather Based On Deep Learning
CN116823751A (zh) 磁浮列车外观缺陷检测方法、装置、电子设备及存储介质
Li et al. Satellite Video Stabilization Method Based on Global Motion Consistency
CN114372994A (zh) 视频浓缩中背景图像的生成方法

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
GR01 Patent grant
GR01 Patent grant