[发明专利]一种通过转动红外探测器检测地面远距离运动目标的方法

说明书

技术领域

本发明方法属于数字图像处理与模式识别领域，具体涉及一种通过转动红外探测器检测地面远距离运动目标的方法。

背景技术

利用红外探测器实现运动目标检测是红外成像防御与红外成像制导等方面的关键技术，红外运动目标检测可实现对视场内运动目标的自动捕获，进而完成对运动目标的跟踪与识别。现有的红外运动目标检测系统中红外探测器一般是静止的，由于红外探测器分辨率较低，导致监视视场较小。因此有些学者提出采用转动红外探测器的方法扩大检测区域，从运动图像中检测运动目标。

文献一(M.Heikkila,M.Pietikainen.A texture-based method for modeling the background and detecting moving objects[J],IEEE Transactions on Pattern Analysis and Machine Intelligence28(4)(2006)657–662.)提出了一种用背景建模的方法实现运动目标检测，该方法移植到转动红外探测器系统中时，由于视差的存在，其检测结果中干扰目标较多，虚警率高，无法获得较好的目标检测结果。文献二(刘皓挺,杨健群,徐凤刚.基于运动与区域信息的移动机器人目标检测[J].计算机工程,2007,33(21):205-206.)披露了一种运动红外探测器检测方法，其计算方法主要采用简单的匹配和帧差法，但该方法无法获得较高的探测率，同时对于存在视差的景物仍然会出现误检测。

发明内容

本发明提出一种通过转动红外探测器检测地面远距离运动目标的方法，该方法可以获得较高的探测率,同时降低了计算量和运算时间。

为了解决上述技术问题，本发明提出一种通过转动红外探测器检测地面远距离运动目标的方法，其特征在于，包括以下步骤：

步骤一：使用转动的红外探测器连续采集两帧图像，用二维傅里叶变换计算该两帧图像的粗匹配位移；根据粗匹配位移计算该两帧图像的重合区域并采用特征点算法对重合区域进行处理，获得该两帧图像之间的单应矩阵；

步骤二：在红外探测器采集的图像中任意选取一帧图像作为参考图像，使用单应矩阵对红外探测器采集的每一帧图像进行变换获得变换后的图像；对变换后的图像进行混合高斯模型迭代，实现对运动目标的第一次检测；

步骤三：根据运动目标的第一次检测结果，采用稀疏光流法分别提取背景的运动信息和目标的运动信息，并建立背景运动信息模型和目标运动信息模型；

步骤四：计算背景运动信息模型和目标运动信息模型之间的差异度，区分真实目标与干扰目标；计算真实目标的位置关联性和运动相关性，将重叠的真实目标逐一分离。

本发明与现有技术相比，其显著优点在于，本发明方法采用运动补偿实现在转动红外探测器的条件下实现运动目标的检测，通过针对视场背景运动信息与目标运动信息的提取和建模来实现运动目标的提取和分离，降低了计算量和检测虚警率，可以广泛的应用于安防、监视等公共安全方面。

附图说明

图1是本发明方法流程图。

图2是分别使用文献一所记载的方法、文献二所记载的方法和本发明方法进行仿真实验获得的仿真实验效果比较图。

图3是使用本发明方法检测沙漠中汽车的实验图，其中图3（a）和图3（b）是使用转动的红外探测器连续采集的两帧图像，图3（c）是检测结果图像。

图4是使用本发明方法检测城市中密集人群的实验图，其中图4（a）和图4（b）是使用转动的红外探测器连续采集的两帧图像，图4（c）是检测结果图像。

具体实施方式

如图1所示，本发明通过转动红外探测器检测地面远距离运动目标的方法，包括以下步骤：

步骤一：使用转动的红外探测器连续采集两帧图像I_t和I_t+Δt，用二维傅里叶变换计算该两帧图像的粗匹配位移[Δx,Δy]^T；根据粗匹配位移[Δx,Δy]^T计算该两帧图像的重合区域并采用特征点算法对重合区域进行处理，获得连续两帧图像I_t和I_t+Δt之间的单应矩阵h_t,t+Δt。

步骤二：由于旋转的红外探测器采集的图像相比较于目前探测系统采集的图像具有背景运动和图像抖动较大等特点，本发明方法采用了一种动态的背景更新方法，首先根据探测器的运动参数对采集的图像进行变换，然后通过模型估计得到目标的第一次检测结果。