專利名稱：時空變尺度運(yùn)動目標(biāo)檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機(jī)視覺與成像自動目標(biāo)識別的技術(shù)領(lǐng)域，具體涉及一種時空變尺度運(yùn)動目標(biāo)檢測分析方法。
背景技術(shù)：
與靜止目標(biāo)和背景相比，運(yùn)動目標(biāo)是X-Y-Z-T四維空間的獨(dú)特模式。當(dāng)利用成像傳感器從某個特定的觀察位置(視點(diǎn))獲取該運(yùn)動目標(biāo)的動態(tài)圖像，運(yùn)動目標(biāo)的像可視為X-Y-T三維空間的獨(dú)特模式。由于新增加了時間維T，除了常規(guī)的形狀、尺度、灰度特征以外，目標(biāo)的運(yùn)動特征成為檢測識別的重要信息來源。Watson等人認(rèn)為人類運(yùn)動感知過程的前端存在一種運(yùn)動傳感器機(jī)制。人類看見事物在移動并且還能以某種精度判斷事物移動得多快及其移動方向。同時，我們還能夠看到在圖像的不同部分顯現(xiàn)的不同運(yùn)動，例如兩個不同物體相對的運(yùn)動。有證據(jù)顯示，人類的視覺含有兩種分離的子系統(tǒng)分別處理和表示移動的和靜止的圖像。這些子系統(tǒng)被認(rèn)為在空間-時間敏感性上是不同的。運(yùn)動子系統(tǒng)更易于響應(yīng)快速的移動模式(低的空間頻率和高的時間頻率，即大的空間尺度)，靜止子系統(tǒng)更易于響應(yīng)緩慢移動的模式(高的空間頻率和小的時間頻率，即空間尺度小，時間尺度大)。這表明，人類的運(yùn)動感知在時間-空間維都存在多尺度感知的特點(diǎn)。有兩種處理運(yùn)動對象檢測和分析的途徑:直接在空間一時間維處理；將空間一時間維信息變換為空間一時間的頻域處理。前者經(jīng)典的方法有光流法、時間差分法等。使用多種恒常性假設(shè)的光流場方法，建立在微分計算的基礎(chǔ)上。除了易受噪聲影響外，微分的正確性也是以ΛΧ，Δγ, At等趨于無窮小為前提。因此，在離散條件下，(Δχ, Δγ, At)越小越好，以免產(chǎn)生大的計算誤差。顯然，光流方法沒有時間和空間尺度的概念，同時，基于恒常性方程的計算量是相當(dāng)可觀的。另一種常用的光流場計算方法是曾廣泛用于視頻編碼的塊匹配法，不受上述條件限制。該法將光流(U，V)定義為不同時刻圖像中某小區(qū)域圖像子塊的位移量Δ =(Δχ, Ay)。利用平均絕對差或互相關(guān)度量對下一幀圖像進(jìn)行該圖像子塊的匹配計算，獲取Ad的估計量。顯然，“下一幀”沒有時間尺度的含義，子塊大小的空間尺度含義不明確。另外，實(shí)際場景中的運(yùn)動目標(biāo)通常是少數(shù)，直接計算不僅計算量很大，而且也是不明智的。

發(fā)明內(nèi)容
本發(fā)明的技術(shù)目的在于提供一種時空變尺度運(yùn)動目標(biāo)檢測方法，能夠精確定位運(yùn)動目標(biāo)。針對運(yùn)動的成像器平臺所拍攝的運(yùn)動目標(biāo)的圖像序列，對于序列中的任意幀圖像比如在時刻t = t0時獲取的圖像，本發(fā)明步驟包括:時空變尺度運(yùn)動目標(biāo)檢測方法，具體為:
(1)建立當(dāng)前時刻h的巾貞圖像人的半運(yùn)動顯著性特征圖像mf:分別計算時刻t0~t0+rt的圖像ft0,ft0+1,ft0+2...，ft0+rt的反差圖像，進(jìn)而分別計算圖像ft0與ft0+1,ft0+2...，ft0+rt的反差圖像的半運(yùn)動顯著性度量值；從中找出最大半運(yùn)動顯著性度量值，其對應(yīng)的圖像與圖像Δ的幀間間隔記為次優(yōu)幀間間隔Δt;通過計算圖像人ft0與ft0+Δt
的反差圖的灰度相關(guān)性得到半運(yùn)動顯著性特征圖像mf ；(2)在半運(yùn)動顯著性特征圖像mf內(nèi)提取運(yùn)動感興趣區(qū)域:將圖像ft0分為四個大小相同的子塊，確定各分塊是否滿足繼續(xù)分塊條件；將符合繼續(xù)分塊條件的子塊按相同方式進(jìn)一步劃分子塊，依次內(nèi)推，直到所有的子塊都不能被繼續(xù)劃分；所述繼續(xù)分塊條件為子塊的長寬大于預(yù)定分塊閾值，并且子塊內(nèi)的運(yùn)動顯著性度量值也大于預(yù)定顯著性閾值；對于每一相鄰的半顯著性子塊，判斷其與其他相鄰子塊間的半運(yùn)動顯著性度量值的相似性，當(dāng)相似性大于預(yù)設(shè)相似性閾值時將兩者合并；在合并后得到的M個子塊內(nèi)提取連通的子塊得到M個運(yùn)動感興趣區(qū)域Ri, i =
1,2,..., M ；(3)計算各運(yùn)動感興趣區(qū)域的最優(yōu)幀間間隔:計算圖像ft0與ft0+1,ft0+2...，ft0+rt的反差圖像內(nèi)感興趣區(qū)域Ri的半運(yùn)動顯著性度量值；從中找出最大半運(yùn)動顯著性度量值，其對應(yīng)的圖像與圖像ft0的幀間間隔記為最優(yōu)幀間間隔Δti ；(4)在感興趣區(qū)域內(nèi)通過多幀累積差分增強(qiáng)感興趣區(qū)域:增強(qiáng)感興趣區(qū)域
權(quán)利要求
1.時空變尺度運(yùn)動目標(biāo)檢測方法，具體為:(1)建立當(dāng)前時刻tQ的幀圖像人的半運(yùn)動顯著性特征圖像叫:分別計算時刻Cvrt的圖像人，./；+1,/；+2-,/；+,;的反差圖像，進(jìn)而分別計算圖像/與λ+1，λ+2…，人《,的反差圖像的半運(yùn)動顯著性度量值；從中找出最大半運(yùn)動顯著性度量值，其對應(yīng)的圖像厶+tf與圖像的幀間間隔記為次優(yōu)幀間間隔Δ ;通過計算圖像.4與h Sr的反差圖的灰度相關(guān)性得到半運(yùn)動顯著性特征圖像mf ；(2)在半運(yùn)動顯著性特征圖像mf內(nèi)提取運(yùn)動感興趣區(qū)域:將圖像Λ分為四個大小相同的子塊，確定各分塊是否滿足繼續(xù)分塊條件；將符合繼續(xù)分塊條件的子塊按相同方式進(jìn)一步劃分子塊，依次內(nèi)推，直到所有的子塊都不能被繼續(xù)劃分；所述繼續(xù)分塊條件為子塊的長寬大于預(yù)定分塊閾值，并且子塊內(nèi)的運(yùn)動顯著性度量值也大于預(yù)定顯著性閾值；對于每一相鄰的半顯著性子塊，判斷其與其他相鄰子塊間的半運(yùn)動顯著性度量值的相似性，當(dāng)相似性大于預(yù)設(shè)相似性閾值時將兩者合并；在合并后得到的M個子塊內(nèi)提取連通的子塊得到M個運(yùn)動感興趣區(qū)域Ri, i =1, 2,..., M ；(3)計算各運(yùn)動感興趣區(qū)域的最優(yōu)幀間間隔:計算圖像與Λ+1，Λ^...，人的反差圖像內(nèi)感興趣區(qū)域Ri的半運(yùn)動顯著性度量值；從中找出最大半運(yùn)動顯著性度量值，其對應(yīng)的圖像與圖像人的幀間間隔記為最優(yōu)幀間間隔Δζ;(4)在感興趣區(qū)域內(nèi)通過多幀累積差分增強(qiáng)感興趣區(qū)域:增強(qiáng)感興趣區(qū)域
全文摘要
本發(fā)明公開了一種時空變尺度運(yùn)動目標(biāo)檢測方法，具體為將原始圖像轉(zhuǎn)換為反差圖像；根據(jù)差分強(qiáng)度與幀間間隔的單調(diào)遞增且收斂關(guān)系，得到次優(yōu)幀間間隔通過計算t0和時刻兩幀圖像反差圖像的灰度相關(guān)性得到半運(yùn)動顯著性圖像；在半運(yùn)動顯著性圖像空間二維四叉樹分解，得到半運(yùn)動顯著性字塊；將相鄰子塊合并，合并后提取運(yùn)動感興趣區(qū)域；對各感興趣區(qū)域做時間二叉樹分解，得到最優(yōu)幀間間隔；在各個感興趣區(qū)域內(nèi)通過多幀累積差分提取運(yùn)動目標(biāo)。本發(fā)明消除背景噪音的干擾，同時也降低了光流場計算；通過指定最佳幀間間隔，移動對象可以達(dá)到最佳的運(yùn)動顯著狀態(tài)；通過累計多幀差法能夠準(zhǔn)確地提取出運(yùn)動目標(biāo)。
文檔編號G06T7/20GK103077536SQ201210594820
公開日2013年5月1日 申請日期2012年12月31日 優(yōu)先權(quán)日2012年12月31日
發(fā)明者張?zhí)煨? 李高飛, 張超, 劉寬, 魯斌 申請人:華中科技大學(xué)