CN115482369A - 一种基于速度档位搜索的弱小目标检测方法 - Google Patents
一种基于速度档位搜索的弱小目标检测方法 Download PDFInfo
- Publication number
- CN115482369A CN115482369A CN202211123743.9A CN202211123743A CN115482369A CN 115482369 A CN115482369 A CN 115482369A CN 202211123743 A CN202211123743 A CN 202211123743A CN 115482369 A CN115482369 A CN 115482369A
- Authority
- CN
- China
- Prior art keywords
- target
- search
- speed gear
- image
- binarization
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- 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
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06T2207/10048—Infrared image
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于速度档位搜索的弱小目标检测方法,包括:获取当前批次的二值化图像序列的候选目标点集和目标搜索速度档位集合,其中目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算而得;对各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个目标搜索速度档位进行搜索的图像帧数累计值;分别在各个候选目标点的多个图像帧数累计值中选取最大图像帧数累计值并与预设的帧数判决门限进行比较。相较于需精准目标运动模型的基于多帧图像的方法,本方法对先验知识的依赖度大大降低,更具适用性。
Description
技术领域
本申请涉及红外图像处理技术领域,特别是涉及一种基于速度档位搜索的弱小目标检测方法。
背景技术
红外图像目标运动检测跟踪技术是精确制导武器系统、天基预警系统、目标监视系统的关键技术,在军民领域中发挥着重要作用。红外弱小目标检测难点体现在:1)目标弱。探测距离相对较远时,弱信号强度的目标在探测器上同背景、杂波区分度较小;2)目标小。目标小,通常考虑为点目标,此时目标外观、尺寸、纹理特征等信息不再存在。
红外目标检测自研究起始至今,已形成两类主流方法。其一为基于单帧图像的目标检测算法,这类方法具有计算简单、实时性好的特点。对于红外弱小目标检测而言,因其弱小的特点,仅利用单帧信息难以将目标同背景噪声区分出来,从而限制了其实际应用。相反,另一类是基于多帧图像序列的方法,这类方法利用目标运动信息,较单帧方法而言在低信噪比条件下具有更好的检测性能,相对而言实时性较差。就基于图像序列的方法而言,其核心是利用目标运动信息积累目标能量,扩大目标同背景之间的差异,从而更利于目标检测。这其中代表性的方法包括:动态规划法、三维匹配滤波法、递推贝叶斯方法等,大部分方法都需要对目标运动信息具有较准确的估计,这点通常是比较困难的。一旦目标运动模型不精确,目标检测性能也随之下降。
发明内容
基于此,有必要针对上述技术问题,提供一种基于速度档位搜索的弱小目标检测方法,不要求对目标运动信息有较准确的估计,同时可以保证良好的目标检测性能。
一种基于速度档位搜索的弱小目标检测方法,其特征在于,所述方法包括:
获取当前批次的二值化图像序列的候选目标点集;所述候选目标点集是通过在所述二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的;
获取目标搜索速度档位集合;所述目标搜索速度档位集合中包括多个目标搜索速度档位;所述目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的;所述待检测目标的运动速度以像素/帧为单位;
对所述候选目标点集中的各个候选目标点,分别以各个所述目标搜索速度档位在除去所述末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个所述目标搜索速度档位进行搜索的图像帧数累计值;所述图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数;
分别在各个所述候选目标点的多个所述图像帧数累计值中选取最大图像帧数累计值,根据所述最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。
上述一种基于速度档位搜索的弱小目标检测方法,包括:获取当前批次的二值化图像序列的候选目标点集,其中候选目标点集是通过在二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的;获取目标搜索速度档位集合,其中目标搜索速度档位集合中包括多个目标搜索速度档位;目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的;待检测目标的运动速度以像素/帧为单位;对候选目标点集中的各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个目标搜索速度档位进行搜索的图像帧数累计值;图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数;分别在各个候选目标点的多个图像帧数累计值中选取最大图像帧数累计值,根据最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。对于做匀速直线运动的目标,无需提前获知目标的准确的真实速度,仅利用其最大运动速度进行约束,设置合适的目标搜索速度档位,对各个候选目标点以各个目标搜索速度档位在相应的搜索窗口内进行搜索和计数判决,相较于需精准目标运动模型的基于多帧图像的方法,本方法对先验知识的依赖度大大降低,更具适用性。
附图说明
图1为一个实施例中一种基于速度档位搜索的弱小目标检测方法的流程示意图;
图2为一个实施例中提供目标搜索档位为(1.8,2]时各帧二值化图像对应的搜索窗口示意图;
图3为一个实施例中滑动帧数为1帧时的图像批处理示意图;
图4为一个实施例中一种基于速度档位搜索的弱小目标检测装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于速度档位搜索的弱小目标检测方法,包括以下步骤:
步骤102,获取当前批次的二值化图像序列的候选目标点集。
候选目标点集是通过在二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的。例如选取t1,t2,...,tK共K帧的二值化图像序列,则取tK帧图像中的过二值化分割门限的点作为目标候选点。
步骤104,获取目标搜索速度档位集合。
目标搜索速度档位集合中包括多个目标搜索速度档位。目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的,其中待检测目标的运动速度以像素/帧为单位。其中,待检测目标的最大运动速度为先验知识,当待检测目标做匀速直线运动时,由于提前无法获知目标当前的运动速度,本方法根据已知的目标最大运动速度设置目标搜索步进,得到多个目标搜索速度档位,每个速度档位对应目标当前可能的运动速度范围。
步骤106,对候选目标点集中的各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个目标搜索速度档位进行搜索的图像帧数累计值。
图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数。例如,对于某个候选目标点,选取某个目标搜索速度档位遍历当前批次的tK-1帧二值化图像序列,如果tk(t1≤tk<tK-1)帧数二值化图像中对应的搜索窗口中存在过二值化分割门限的像素点,则该帧计数为1,反之为0,累计可得到该目标搜索速度档位对应的K-1帧计数值。
步骤108,分别在各个候选目标点的多个图像帧数累计值中选取最大图像帧数累计值,根据最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。
可以知道,每个候选目标点对应多个目标搜索速度档位,即事先不知道某一候选目标点是否为待检测目标,也不知道候选目标点和待检测目标的真实速度,于是对每一候选目标点设置多个目标搜索速度档位,根据各个目标搜索速度档位分别在除去末帧二值化图像的其他帧二值化图像中进行搜索,最大图像帧累计值表示对应的候选目标点在其中某一对应的目标搜索速度档位下进行运动的可能性最大,于是将最大图像帧数累计值对应的目标搜索速度档位作为候选目标点的运动速度。目标判定的预设条件可以为:如果最大图像帧数累计值不小于预设的帧数判决门限,则对应的候选目标点为待检测目标,且对应的目标搜索速度档位为待检测目标的运动速度区间。综上可以看出,本方法从始至终无需对目标运动信息具有较准确的估计,具有较高的灵活性。
上述一种基于速度档位搜索的弱小目标检测方法,包括:首先获取当前批次的二值化图像序列的候选目标点集和目标搜索速度档位集合,其中目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的,待检测目标的运动速度以像素/帧为单位;对候选目标点集中的各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个目标搜索速度档位进行搜索的图像帧数累计值;分别在各个候选目标点的多个图像帧数累计值中选取最大图像帧数累计值,根据最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。对于做匀速直线运动的目标,无需提前获知目标的准确的真实速度,仅利用其最大运动速度进行约束,设置合适的目标搜索速度档位,对各个候选目标点以各个目标搜索速度档位在相应的搜索窗口内进行搜索和计数判决,相较于需精准目标运动模型的基于多帧图像的方法,本方法对先验知识的依赖度大大降低,更具适用性。
在一个实施例中,待检测目标的最大运动速度包括x方向上的最大运动速度和y方向上的最大运动速度;
根据待检测目标的最大运动速度和目标搜索步进计算得到目标搜索速度档位集合的步骤包括:
根据待检测目标的最大运动速度设计目标搜索步进;
根据x方向上的最大运动速度和目标搜索步进计算得到多个x方向速度档位边界值,根据y方向上的最大运动速度和目标搜索步进计算得到多个y方向速度档位边界值;
根据相邻的x方向速度档位边界值对构建多个x方向半开半闭速度区间,根据多个x方向半开半闭速度区间以及x方向速度档位边界值0构建得到多个x方向目标搜索速度档位;其中x方向半开半闭速度区间的上点为相邻的x方向速度档位边界值对中绝对值较大的x方向速度档位边界值;
根据相邻的y方向速度档位边界值对构建多个y方向半开半闭速度区间,根据多个y方向半开半闭速度区间以及y方向速度档位边界值0构建得到多个y方向目标搜索速度档位;其中y方向半开半闭速度区间的上点为相邻的y方向速度档位边界值对中绝对值较大的y方向速度档位边界值;
对各个第一目标搜索速度档位和各个第二目标搜索速度档位分别组合计算得到目标搜索速度档位集合。
例如,待检测目标在目标在x/y方向上最大运动速度为2像素/帧,选取目标搜索步进为0.2,即在-2~2像素/帧之间以0.2像素/帧步进。x方向可选取21档速度,[-2,-1.8﹚,[-1.8,-1.6﹚,…,[-0.2,0﹚,0,(0,0.2],…,(1.6,1.8],(1.8,2],同时满足从最大运动速度向内逼近取档,y方向同理。可以看到在此例中,除去目标搜索速度档位0,每个目标搜索速度档位对应的区间均为一开一闭,其中速度绝对值较大的一侧为闭区间,如此设计每个速度档位之间没有重合,在进行搜索计算时,不重不漏,相比于每个速度档位均为闭区间来说,减少了不必要的重复计算,搜索速度大大提高。值得说明的是,此例中的速度档位划分方法只是优选方法之一,在具体实施过程中,可以根据需求自行设计区间的开闭方式和目标搜索步进等等,进而得到所需的目标搜索档位集合。
在一个实施例中,搜索窗口的尺寸是根据当前批次的二值化图像的总帧数和目标搜索步进计算得到的;
根据根据当前批次的二值化图像的总帧数和目标搜索步进计算得到搜索窗口的初始尺寸为:
winsize=round((K-1)×vmin:-vmin:vmin)
其中,winsize为搜索窗口的尺寸,round(·)为四舍五入取整函数,K为当前批次的二值化图像的总帧数,vmin为目标搜索步进,:为MATLAB运算符;
当初始尺寸不小于第一预设尺寸时,将初始尺寸作为对应的搜索窗口的尺寸;当初始尺寸小于第一预设尺寸时,将预设尺寸作为对应的搜索窗口的尺寸。例如,当第一预设尺寸为3时,根据计算得到的搜索窗口大小,做如下修正:
在一个实施例中,对候选目标点集中的各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,包括:
根据候选目标点集中的各个候选目标点的像素位置分别计算以各个目标搜索速度档位进行目标搜索时各个候选目标点在除去末帧二值化图像的各个其他帧二值化图像中的运动边界位置;
当搜索窗口的初始尺寸不小于第一预设尺寸时,从对应的运动边界位置朝向末帧二值化图像中对应候选目标点的像素位置以初始尺寸构造搜索窗口进行目标搜索;
当搜索窗口的初始尺寸小于第一预设尺寸并大于第二预设尺寸时,从对应的运动边界朝向末帧二值化图像中对应候选目标点的像素位置扩展搜索窗口得到第一扩展搜索窗口并在第一扩展搜索窗口内进行目标搜索;第一扩展搜索窗口的尺寸为第一预设尺寸;
当搜索窗口的初始尺寸不大于第二预设尺寸时,以对应的运动边界位置为中心扩展搜索窗口得到第二扩展窗口并在第二扩展窗口内进行目标搜索;第二扩展搜索窗口的尺寸为第一预设尺寸。
例如,当前批次共选取16帧图像序列进行弱小目标检测,则以2像素/帧最大速度运动的目标前向递推过程中最大运行像素为30个像素位置。x方向上以(1.8,2]速度档位运动的目标在该16帧图像中的第1帧到第15帧图像搜索窗口大小依次为:3、3、3、2、2、2、2、2、1、1、1、1、1、0、0。对于搜索窗格大于等于3×3的窗不做改变,以目标在该帧图像运动边界位置向内(朝向16帧目标位置处,下同)分别在x,y方向上搜索相应搜索窗口内的像素;对于窗格尺寸为2×2的改变为3×3,同样向内搜索3×3图像窗口;对于搜索窗口小于等于1,以对应的目标运动边界位置为中心,构造出3×3图像窗口,其中目标位置处于3×3图像窗口中心。也就是说,提供在前向递推搜索窗口计数判决的过程中分2种情形处理:
情形1:x方向(y方向类似,下同)某速度档位在tk(t1≤tk≤tK-1)帧未修正时窗口尺寸大于等于2,此时,x方向相对于tK帧点(p,q)搜索窗坐标Ex为:
情形2:x方向某速度档位在tk(t1≤tk≤tK-1)帧未修正时窗口尺寸为1后修正为3的,此时,x方向相对于tK帧点(p,q)搜索窗坐标Ex为:
xp-1:1:xp+1
如图2所示,提供目标搜索档位为(1.8,2]时各帧二值化图像对应的搜索窗口示意图。
在该例子中,第一预设尺寸为3×3,第二预设尺寸为1×1。联合x,y方向共存在21×21=441个速度档位,每种档位在递推过程中的搜索窗口确定方法同上。
可以看出,对于不同的候选目标点,只要目标搜索速度档位相同,那么搜索窗口的初始尺寸也相同,对于每一批次的K帧二值化图像序列,搜索窗口的位置会随着候选目标点的像素位置、所选取的目标搜索速度档位以及二值化图像在当前批次的二值化图像中的帧序号而移动。由此可知,在已知待检测目标最大运动速度的前提下,确定了目标搜索速度档位集和每一批次的二值化图像序列的帧数后,可采取离线计算、加载的方式按需调用搜索窗口,一定程度上保证了目标检测的实时性,此外,本方法采取顺序执行、图像批处理的方式,确保了图像处理速度和较高的数据吞吐量。
在一个实施例中,在获取当前批次的二值化图像序列之前,包括:
获取原始图像序列;
根据单帧虚警率设置图像二值化分割门限:
Th=round(qfuncinv(pf))
其中,pf为单帧虚警率,Th为二值化分割门限,round(·)为四舍五入取整函数,qfuncinv(·)为Q函数的反函数;
根据图像二值化分割门限对原始图像序列进行二值化处理,得到二值化图像序列:
imb=round(imo)>round(Th)
其中,imb为二值化图像序列,imo为原始图像序列。
在一个实施例中,本方法还包括:
对当前批次的二值化图像序列中的候选目标点集检测完毕后,根据预设的滑动帧数滑动总体二值化图像序列,获取下一批次的二值化图像序列的候选目标点集,重复目标搜索过程直至所有二值化图像均参与目标检测过程。如图3所示,提供滑动帧数为1帧时的图像批处理示意图。
本发明提供的一种基于速度档位搜索的弱小目标检测方法,硬件实现过程中使用到判决器、加法器、计数器等基本电路,具备硬件实现的简单性,红外图像的缓存空间以及各类计算器均可以分时复用,在存储和计算能力方面具有一定优势。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种基于速度档位搜索的弱小目标检测装置,包括:候选目标点集获取模块402、速度档位集合获取模块404、目标搜索模块406和候选目标点判定模块408,其中:
候选目标点集获取模块402,用于获取当前批次的二值化图像序列的候选目标点集;候选目标点集是通过在二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的;
速度档位集合获取模块404,用于获取目标搜索速度档位集合;目标搜索速度档位集合中包括多个目标搜索速度档位;目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的;待检测目标的运动速度以像素/帧为单位;
目标搜索模块406,用于对候选目标点集中的各个候选目标点,分别以各个目标搜索速度档位在除去末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个目标搜索速度档位进行搜索的图像帧数累计值;图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数;
候选目标点判定模块408,用于分别在各个候选目标点的多个图像帧数累计值中选取最大图像帧数累计值,根据最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。
关于一种基于速度档位搜索的弱小目标检测装置的具体限定可以参见上文中对于一种基于速度档位搜索的弱小目标检测方法的限定,在此不再赘述。上述一种基于速度档位搜索的弱小目标检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于速度档位搜索的弱小目标检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中所述方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中所述方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于速度档位搜索的弱小目标检测方法,其特征在于,所述方法包括:
获取当前批次的二值化图像序列的候选目标点集;所述候选目标点集是通过在所述二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的;
获取目标搜索速度档位集合;所述目标搜索速度档位集合中包括多个目标搜索速度档位;所述目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的;所述待检测目标的运动速度以像素/帧为单位;
对所述候选目标点集中的各个候选目标点,分别以各个所述目标搜索速度档位在除去所述末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个所述目标搜索速度档位进行搜索的图像帧数累计值;所述图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数;
分别在各个所述候选目标点的多个所述图像帧数累计值中选取最大图像帧数累计值,根据所述最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。
2.根据权利要求1所述的方法,其特征在于,所述待检测目标的最大运动速度包括x方向上的最大运动速度和y方向上的最大运动速度;
根据待检测目标的最大运动速度和目标搜索步进计算得到所述目标搜索速度档位集合的步骤包括:
根据待检测目标的最大运动速度设计目标搜索步进;
根据x方向上的最大运动速度和所述目标搜索步进计算得到多个x方向速度档位边界值,根据y方向上的最大运动速度和所述目标搜索步进计算得到多个y方向速度档位边界值;
根据相邻的x方向速度档位边界值对构建多个x方向半开半闭速度区间,根据所述多个x方向半开半闭速度区间以及x方向速度档位边界值0构建得到多个x方向目标搜索速度档位;其中x方向半开半闭速度区间的上点为相邻的x方向速度档位边界值对中绝对值较大的x方向速度档位边界值;
根据相邻的y方向速度档位边界值对构建多个y方向半开半闭速度区间,根据所述多个y方向半开半闭速度区间以及y方向速度档位边界值0构建得到多个y方向目标搜索速度档位;其中y方向半开半闭速度区间的上点为相邻的y方向速度档位边界值对中绝对值较大的y方向速度档位边界值;
对各个所述第一目标搜索速度档位和各个所述第二目标搜索速度档位分别组合计算得到目标搜索速度档位集合。
3.根据权利要求1所述的方法,其特征在于,所述搜索窗口的尺寸是根据当前批次的二值化图像的总帧数和所述目标搜索步进计算得到的;
根据根据当前批次的二值化图像的总帧数和所述目标搜索步进计算得到所述搜索窗口的初始尺寸为:
winsize=round((K-1)×vmin:-vmin:vmin)
其中,winsize为搜索窗口的尺寸,round(·)为四舍五入取整函数,K为当前批次的二值化图像的总帧数,vmin为目标搜索步进,:为MATLAB运算符;
当所述初始尺寸不小于第一预设尺寸时,将所述初始尺寸作为对应的搜索窗口的尺寸;
当所述初始尺寸小于第一预设尺寸时,将所述预设尺寸作为对应的搜索窗口的尺寸。
4.根据权利要求3所述的方法,其特征在于,对所述候选目标点集中的各个候选目标点,分别以各个所述目标搜索速度档位在除去所述末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,包括:
根据所述候选目标点集中的各个候选目标点的像素位置分别计算以各个所述目标搜索速度档位进行目标搜索时各个候选目标点在除去所述末帧二值化图像的各个其他帧二值化图像中的运动边界位置;
当所述搜索窗口的初始尺寸不小于第一预设尺寸时,从对应的运动边界位置朝向所述末帧二值化图像中对应候选目标点的像素位置以所述初始尺寸构造搜索窗口进行目标搜索;
当所述搜索窗口的初始尺寸小于第一预设尺寸并大于第二预设尺寸时,从对应的运动边界朝向所述末帧二值化图像中对应候选目标点的像素位置扩展所述搜索窗口得到第一扩展搜索窗口并在所述第一扩展搜索窗口内进行目标搜索;所述第一扩展搜索窗口的尺寸为第一预设尺寸;
当所述搜索窗口的初始尺寸不大于第二预设尺寸时,以对应的运动边界位置为中心扩展所述搜索窗口得到第二扩展窗口并在所述第二扩展窗口内进行目标搜索;所述第二扩展搜索窗口的尺寸为第一预设尺寸。
5.根据权利要求1所述的方法,其特征在于,在获取当前批次的二值化图像序列之前,包括:
获取原始图像序列;
根据单帧虚警率设置图像二值化分割门限;
根据所述图像二值化分割门限对所述原始图像序列进行二值化处理,得到二值化图像序列。
6.根据权利要求5所述的方法,其特征在于,根据单帧虚警率设置图像二值化分割门限,根据所述图像二值化分割门限对所述原始图像序列进行二值化处理,得到二值化图像序列,包括:
根据单帧虚警率设置图像二值化分割门限为:
Th=round(qfuncinv(pf))
其中,pf为单帧虚警率,Th为二值化分割门限,round(·)为四舍五入取整函数,qfuncinv(·)为Q函数的反函数;
根据所述图像二值化分割门限对所述原始图像序列进行二值化处理,得到二值化图像序列为:
imb=round(imo)>round(Th)
其中,imb为二值化图像序列,imo为原始图像序列。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对当前批次的二值化图像序列中的候选目标点集检测完毕后,根据预设的滑动帧数滑动总体二值化图像序列,获取下一批次的二值化图像序列的候选目标点集,重复目标搜索过程直至所有二值化图像均参与目标检测过程。
8.一种基于速度档位搜索的弱小目标检测装置,其特征在于,所述装置包括:
候选目标点集获取模块,用于获取当前批次的二值化图像序列的候选目标点集;所述候选目标点集是通过在所述二值化图像序列的末帧二值化图像中选取过二值化分割门限的像素点得到的;
速度档位集合获取模块,用于获取目标搜索速度档位集合;所述目标搜索速度档位集合中包括多个目标搜索速度档位;所述目标搜索速度档位集合是根据待检测目标的最大运动速度和目标搜索步进计算得到的;所述待检测目标的运动速度以像素/帧为单位;
目标搜索模块,用于对所述候选目标点集中的各个候选目标点,分别以各个所述目标搜索速度档位在除去所述末帧二值化图像的其他帧二值化图像各自对应的搜索窗口内进行搜索,分别统计对每一候选目标点以各个所述目标搜索速度档位进行搜索的图像帧数累计值;所述图像帧数累计值为搜索窗口内存在过二值化分割门限的像素点的二值化图像的总帧数;
候选目标点判定模块,用于分别在各个所述候选目标点的多个所述图像帧数累计值中选取最大图像帧数累计值,根据所述最大图像帧数累计值是否满足预设条件来判定对应的候选目标点是否为目标点。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123743.9A CN115482369A (zh) | 2022-09-15 | 2022-09-15 | 一种基于速度档位搜索的弱小目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123743.9A CN115482369A (zh) | 2022-09-15 | 2022-09-15 | 一种基于速度档位搜索的弱小目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115482369A true CN115482369A (zh) | 2022-12-16 |
Family
ID=84392996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211123743.9A Pending CN115482369A (zh) | 2022-09-15 | 2022-09-15 | 一种基于速度档位搜索的弱小目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115482369A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116203574A (zh) * | 2023-05-04 | 2023-06-02 | 天津宜科自动化股份有限公司 | 一种检测物体距离的数据处理系统 |
CN116205914A (zh) * | 2023-04-28 | 2023-06-02 | 山东中胜涂料有限公司 | 一种防水涂料生产智能监测系统 |
-
2022
- 2022-09-15 CN CN202211123743.9A patent/CN115482369A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116205914A (zh) * | 2023-04-28 | 2023-06-02 | 山东中胜涂料有限公司 | 一种防水涂料生产智能监测系统 |
CN116203574A (zh) * | 2023-05-04 | 2023-06-02 | 天津宜科自动化股份有限公司 | 一种检测物体距离的数据处理系统 |
CN116203574B (zh) * | 2023-05-04 | 2023-07-28 | 天津宜科自动化股份有限公司 | 一种检测物体距离的数据处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115482369A (zh) | 一种基于速度档位搜索的弱小目标检测方法 | |
CN110097586B (zh) | 一种人脸检测追踪方法及装置 | |
EP3186780B1 (en) | System and method for image scanning | |
CN108764325A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
JP4999788B2 (ja) | 移動目標検出装置及びコンピュータプログラム及び移動目標検出方法 | |
CN110674789B (zh) | 食材管理方法和冰箱 | |
CN111414868B (zh) | 时序动作片段的确定方法、动作检测方法及装置 | |
WO2014116485A1 (en) | Systems and methods for tracking and detecting a target object | |
Muller-Schneiders et al. | Performance evaluation of a real time video surveillance system | |
CN110610150A (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
CN113269809B (zh) | 一种多特征融合相关滤波目标跟踪方法及计算机设备 | |
US11669978B2 (en) | Method and device for estimating background motion of infrared image sequences and storage medium | |
KR100267049B1 (ko) | 이미징 타겟 트랙커 및 이에 대한 우도 근거 스레솔드 선택 방법 | |
CN111914926A (zh) | 基于滑窗的视频抄袭检测方法、装置、设备和介质 | |
EP4038540A1 (en) | Object detection | |
CN111711823B (zh) | 运动矢量处理方法和装置、电子设备及存储介质 | |
CN110765875B (zh) | 交通目标的边界检测方法、设备及装置 | |
US11887315B2 (en) | Method and apparatus for tracking an object | |
CN113592908A (zh) | 一种基于大津法和sad-mcd融合的模板匹配目标跟踪和系统 | |
Sivabalakrishnan et al. | Performance analysis of fuzzy logic-based background subtraction in dynamic environments | |
CN112967321A (zh) | 运动目标的检测方法、装置、终端设备及存储介质 | |
CN112967322A (zh) | 运动目标检测模型建立方法和运动目标检测方法 | |
CN113470001B (zh) | 一种用于红外图像的目标搜索方法 | |
CN116664613B (zh) | 一种基于fpga的像素边缘位置检测方法、系统及存储介质 | |
CN107680118A (zh) | 一种影像辨识追踪方法 |
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 |