[发明专利]一种基于二次补偿的移动相机下运动目标检测方法

说明书

技术领域

本发明属于图像探测与处理领域，具体涉及一种基于二次补偿的移动相机下运动目标检测方法。 

背景技术

移动相机下的目标检测技术，可以通过运动补偿技术消除图像序列中的背景运动，将移动背景下的运动目标检测问题转化为静止背景下的运动目标检测问题。目前运动补偿技术是采用特征点匹配的方法进行的，首先对相邻两帧图像进行特征点检测，然后通过特征点匹配的方法获得匹配点对，从而得到相邻两帧之间的变换矩阵，最后进行运动补偿。一种典型的运动补偿技术是在两帧图像上寻找特征点，例如Harris、SIFT或SURF特征点，并生成128维的特征描述向量，然后在两个特征点集合之间按照特征描述向量的欧氏距离最小准则进行最邻近搜索，这种方法虽然可以获得较高精度的点匹配，但是却有很大的时间消耗，单次匹配时间达到了秒量级，明显不适于实时性要求较高的场合。另外一种典型的运动补偿方法是计算图像序列的金字塔LK光流，通过计算图像KLT特征点的位移量（光流），得到两幅图像间的匹配点对。由于采用了最优化搜索的方法，使得匹配工作不需要全局进行，从而一定程度上提高了算法的速度，但图像金字塔部分是算法的瓶颈，复杂度仍然很高。 

发明内容

本发明提供一种基于二次补偿的移动相机下运动目标检测方法，解决了传统方法计算复杂度高、运算耗时的问题。 

本发明为解决上述技术问题的技术方案是，提出一种基于二次补偿的移动相机下运动目标检测方法，将视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿，从而估计并消除相机移动所引起的图像背景运动，将运动背景下的目标检 测转化为静止背景下的目标检测，然后在静止背景下检测出运动目标。 

本发明与现有技术相比，其显著优点为：（1）该方法将图像序列的背景运动分为平移分量和仿射分量两部分，分别利用相位相关法和LK光流法进行补偿。其复杂度有较明显的减少，从而使得本发明方法的硬件实时实现成为可能。（2）本发明方法提出分层求解算法，充分利用RANSAC的鲁棒性以及图像的背景特征，能够快速获得单应矩阵估计。 

下面结合附图对本发明作进一步详细描述。 

附图说明

图1是本发明方法流程图。 

图2是待处理的视频图像序列的相邻两帧图像，其中，图2(a)是前帧图像，图2(b)是后帧图像。 

图3是使用本发明方法获得的运动目标检测效果图。 

图4是使用本发明方法获得运动目标之后在图2（a）中对运动目标进行标示。 

具体实施方式

结合图1，本发明提出的基于二次补偿的移动相机下运动目标检测方法，通过将输入的视频图像序列的背景运动分为平移分量和仿射分量两部分分别进行补偿，从而估计并消除相机移动所引起的图像背景运动，将运动背景下的目标检测转化为静止背景下的目标检测，在静止背景下检测出运动目标。 

实现上述基于二次补偿的移动相机下运动目标检测方法的具体实施步骤如下： 

（1）计算相邻两帧图像I_k(x，y)和I_k+1(x，y)的互功率谱,计算方式如下: 

其中(x，y)为图像像素点坐标，F_k(ξ，η)和F_k+1(ξ，η)分别为两帧图像的二维傅里叶变换， (ξ，η)为频域坐标，为F_k(ξ，η)的共轭。 

根据傅里叶变换的时域平移特性，互功率谱又可以写为 

cps(ξ，η)＝e^{-j2π(ξu+ηv)}, 

对上式进行傅里叶逆变换可得相位相关函数 

cps(x，y)＝δ(x-u，y-v)， 

相位相关函数是一个在平移量(u，v)处的单位脉冲函数，它在(u，v)处不为0，而在其他位置都是0。求取相位相关函数的峰值位置即得到两幅图像之间的平移量(u，v)，并对图像I_k(x，y)进行平移变换消除图像序列背景运动中的平移分量，实现一次补偿。 

（2）检测一次补偿后图像的KLT角点，根据下式计算图像序列的LK光流d，从而获得相邻两幅图像之间的匹配点对, 

Zd＝e