[发明专利]一种基于独立运动特征聚类的运动目标检测方法

说明书

本发明公开了一种基于独立运动特征聚类的运动目标检测方法，包括如下步骤：S1，对图像传感器输出的视频流进行局部特征检测、描述和匹配，获得相邻时刻匹配特征点对，并进行全局运动估计，获得全局运动参数；S2，对特征点坐标进行全局运动补偿，获得独立运动特征点对；S3，进行独立运动特征点对聚类，获得独立运动特征类簇，对独立运动特征类簇进行后处理，获得最终的检测结果。

技术领域

本发明涉及图像处理领域，具体是一种基于独立运动特征聚类的运动目标检测方法。

背景技术

基于计算机视觉的运动目标检测技术在智能视频监控和自主导航等领域具有重要的理论研究意义和实际应用价值。

运动目标检测的难点主要体现在背景运动的复杂性和目标的多样性。一方面，光电探测器及其安装平台的运动会引起图像平移、旋转，甚至非线性形变，这些运动叠加在一起在图像上表现为背景的复杂运动。另一方面，场景中目标的种类、数目、运动速度，以及与探测器之间的距离、角度等都是随机的，这些在图像上表现为目标种类、数目、尺度、形状、运动速度等的多样性。

传统的运动目标检测算法分为帧差法、光流法、背景减除法三类。帧差法(Framedifferencing)将时间序列图像的相邻帧进行基于像素的时间差分和阈值处理，提取图像中的运动区域。该类方法实现简单、计算量小、具有良好的实时性，但无法很好的克服背景中噪声对目标的干扰，且检测效果依赖于目标速度、帧间间隔等。此外，对于动平台下的目标检测，帧差之前要进行背景运动补偿：先基于某种图像变换模型对背景运动进行估计；再采用某种插值方法计算背景运动补偿图像。这无疑加大了算法的内存和时间开销，不适合嵌入式实现。因此，该方法适用于静平台、环境干扰较小、对实时性要求较高的应用场景。光流法(Optical flow)先对图像的运动场进行估计获得光流场，再根据图像光流矢量的分布特性对其进行聚类，获得运动区域。此类方法的优点是无论摄像机是静止还是运动，只要目标和背景之间存在相对运动，即使没有任何场景先验，也可以从背景中提取出运动目标；缺点是计算复杂度高、对光照变化和噪声敏感，无法很好地应对复杂背景下的运动目标检测。背景减除法(Backgroundsubtraction)将当前帧图像与背景模型相减，实现运动目标检测。此类算法具有较好的抗干扰性能，能够精细地模拟复杂场景，可以检测出与运动目标相关的所有像素点；但是运算量大，且对于监控环境的变化非常敏感，要求背景相对稳定，无法很好地应对摄像机运动的情形。

发明内容

本发明的目的是提供一种基于独立运动特征聚类的运动目标检测方法，提高运动平台下运动目标检测的准确性。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种基于独立运动特征聚类的运动目标检测方法，其特点是，包括如下步骤：

S1，对图像传感器输出的视频流进行局部特征检测、描述和匹配，获得相邻时刻匹配特征点对，并进行全局运动估计，获得全局运动参数；

S2，对特征点坐标进行全局运动补偿，获得独立运动特征点对；

S3，进行独立运动特征点对聚类，获得独立运动特征类簇，对独立运动特征类簇进行后处理，获得最终的检测结果。

所述的步骤S2中对特征点坐标进行全局运动补偿包括如下步骤：

S2.1，陀螺仪输出的三轴旋转角速率，计算相邻帧探测器体坐标系的三轴旋转角度；

S2.2，建立探测器体坐标系三轴旋转与图像变换的映射关系，计算探测器体坐标系三轴旋转引起的图像变换，从而实现全局运动补偿。

所述的步骤S2中获得独立运动特征点对包括如下步骤：

S2.3，对前一时刻图像进行角点检测；

S2.4，采用金字塔光流法提取当前时刻图像上的匹配特征点，获得匹配特征点集合；