[发明专利]一种电动轮椅运动下的单运动目标实时检测方法

说明书

技术领域

本发明属于计算机视觉和智能轮椅领域，涉及一种电动轮椅运动下的单运动目标实时检测方法。 

背景技术

视频序列图像中运动目标检测是计算机视觉领域的一个重要的研究课题，是基于视觉智能系统的重要组成部分。在现实生活中，大量有意义的视觉信息包含在运动之中，把运动目标从实时变化的背景中快速、准确地分离出来是对图像进一步分析处理的关键。运动目标检测在机器人技术、人工智能、人机接口、意图识别、军事系统等领域都有着广泛的应用，其效果好坏将直接影响后续工作。因此视频序列图像运动目标检测技术具有重要的研究价值和应用意义。 

近年来由于机器人技术的迅猛发展，基于视觉的移动机器人平台运动目标检测已成为研究的热点。电动轮椅就属于移动机器人平台的范畴。在智能轮椅领域中，基于视觉的人机接口研究较多，该类接口中往往需要通过头部运动或者手部运动来驱动电动轮椅，这就首先需要对运动部分进行检测定位；或者，在智能轮椅的意图判别过程中，首先需要检测出运动目标，再通过分析运动目标的运动规律来判定其意图行为。因此，运动目标的检测是智能轮椅领域中一个非常重要和关键的部分，具有重要的技术研发价值和广泛的市场应用前景。 

然而，电动轮椅运动过程中获取的序列图像背景是动态的，必须先对动态的背景图像进行配准补偿。目前，对动态背景下的运动目标准确完整的检测成了运动目标检测领域的一个普遍性难点。常见的动态背景下运动目标检测方法主要有光流法和基于运动补偿方法。光流法能够克服复杂无规律的运动背景，较完整的检测出运动目标，但其计算耗时，实时性差，并不适用于电动轮椅平台的运动目标检测。基于运动补偿的方法应用较广，是一种通过运动补偿将动态背景运动目标检测转为趋于成熟的静态运动目标检测的方法。 

发明内容

本发明提供了一种电动轮椅运动下的单运动目标实时检测方法，能够解决电动轮椅运动时图像序列的实时配准，运动目标轮廓的提取，运动目标的检测问题，对光照具有较好的鲁棒性，同时能够快速准确完整地将运动目标 从图像中提取出来，为后期意图行为的分析和处理提供基础。 

本发明提供的一种电动轮椅运动下的单运动目标实时检测方法，包括背景图像配准策略、分水岭分割前前景和背景标记提取等发明点。 

基于标记提取的分水岭分割是一种有效的运动目标分割方法，通过提取与运动区域相关的标记，可以提高分割的精确性。标记约束分水岭是从标记指定区域开始浸水，只要对运动区域进行合适的标记就可以对其进行准确提取。运动区域最直观的信息是运动区域边缘轮廓，因此，运动区域的标记选取可以通过其轮廓信息来获得。 

前景标记和背景标记提取的好坏将直接影响到最后运动区域分割的完整性。为了保证算法的实时性和运动区域分割的完整性，本发明提出了一种基于运动轮廓和分层投影的方法来提取前景和背景标记。先用连续三帧配准图像差分相乘方法检测出运动区域轮廓，然后结合形态学膨胀、腐蚀和投影法生成前景和背景标记模板，再分别利用分层投影法提取前景和背景标记。 

为了实现以上目的，本发明方法主要包括以下步骤： 

步骤(1)运动目标视频序列获取。运动目标视觉信息是通过固定在电动轮椅上的光学镜头或CMOS图像传感器组件获取。 

步骤(2)图像缩放和平移配准。取步骤(1)中视觉信号的连续三帧序列图像，并根据电动轮椅的运动状态，结合相位相关和Fourier-Mellin变换将其中的首尾两帧相对于中间帧进行平移和缩放配准。 

步骤(3)差分相乘运动区域轮廓检测。对步骤(2)配准后的三帧图像进行差分相乘，检测出运动区域轮廓。 

步骤(4)前景和背景标记模版的生成。对步骤(3)检测出的运动目标轮廓图像分别进行形态学膨胀和腐蚀操作，再用投影法分别得到运动区域轮廓的外接矩形区域，生成前景和背景标记模板。 

步骤(5)前景和背景标记的提取。根据步骤(4)得到的前景和背景标记模版，分别利用分层投影法提取出前景和背景标记。 

步骤(6)分水岭运动目标分割。将步骤(5)提取的前景和背景标记进行“并”操作得到标记掩膜，再用强制最小技术重构梯度图像，并利用标记约束分水岭算法分割出完整的运动区域。 

本发明与已有的动态背景下运动目标检测方法相比，具有以下特点： 

1、比较准确完整的检测出运动目标。