基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其中，該方法可以包括在前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取和匹配，得到特征匹配對(duì)集合；基于特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和精匹配，得到運(yùn)動(dòng)匹配對(duì)集合；對(duì)運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提??；對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息；在候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配對(duì)；基于候選運(yùn)動(dòng)目標(biāo)屬性信息及局部密集的匹配對(duì)，利用增量聚類方法對(duì)候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。本發(fā)明實(shí)施例實(shí)現(xiàn)了實(shí)時(shí)的高分辨率連拍圖像中運(yùn)動(dòng)目標(biāo)的精確檢測(cè)。
【專利說明】
基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明實(shí)施例涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，特別是涉及一種基于高分辨率連拍圖像 的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
【背景技術(shù)】
[0002] 目前，傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要都是針對(duì)的低分辨率(分辨率多為640 X 480) 的航拍視頻。其中，針對(duì)運(yùn)動(dòng)平臺(tái)下運(yùn)動(dòng)目標(biāo)的檢測(cè)方法大致可分為三類:基于稠密光流的 方法(參見文獻(xiàn)1 )、基于幀間差分的方法(參見文獻(xiàn)2)和基于背景建模的方法(參見文獻(xiàn)3)。
[0003] 然而，為實(shí)現(xiàn)針對(duì)大范圍區(qū)域的精細(xì)監(jiān)視，當(dāng)前的偵查無人機(jī)大多采用高分辨率 (分辨率多為4k X 4k甚至更高）的相機(jī)采用連拍模式進(jìn)行偵查，使得傳統(tǒng)的基于低分辨率視 頻分析的方法不再適用?；诔砻芄饬鞯姆椒ㄔ跊]有硬件加速的情況下很難實(shí)時(shí)，對(duì)于高 分辨率率的圖像更不可能實(shí)現(xiàn)實(shí)時(shí)?；趲g差分的方法雖然可以利用兩幀圖像進(jìn)行運(yùn)動(dòng) 目標(biāo)檢測(cè)，但鬼影和空洞的問題一直沒有得到很好的解決，對(duì)于高分辨率下的連拍圖像，前 后兩個(gè)時(shí)刻的時(shí)間間隔比較大，由此產(chǎn)生的鬼影問題更為嚴(yán)重，不適用于高分辨率連拍圖 像的場景。對(duì)于基于背景建模的方法，為得到好的背景模型往往需要前后很多幀來建立，而 且其計(jì)算復(fù)雜度高，使得對(duì)高分辨率連拍圖像進(jìn)行背景建模更為困難。
[0004] 相關(guān)文獻(xiàn)如下：
[0005] 文獻(xiàn) 1 :H.Yalcin，M.Hebert，R.Collins，and M.Black.A flowbased approach to vehicle detection and background mosaicking in airborne video.In Proceedings of Computer Vision and Pattern Recognition，volume 2,page 1202.IEEE Computer Society,2005
[0006] 文獻(xiàn)2 : S ? Bhattacharya，H ? Idrees，I.Saleemi，S.Ali，and M ? Shah ? Moving object detection and tracking in forward looking infrared aerial imagery, volume 1,chapter 10，pages 221-252.Springer Berlin Heidelberg,2011；Z.Yin and R.Collins.Moving object localization in thermal imagery by forward-backward motion history images,pages 271-291.Springer London,2009；H.Shen,S.Li ,J.Zhang, and H.Chang.Tracking-based moving object detection.In Proceedings of International Conference on Image Processing,pages 3093-3097.IEEE,2013
[0007] 文南犬3 :Ratheesh[A? Colombari，A.Fusiello，V.Murino，Segmentation and tracking of multiple video objects，Pattern Recognition，40(4)(2007);Y.Chang， G.Medioni，K?Jinman，I?Cohen，Detecting motion regions in the presence of a strong parallax from a moving camera by multiview geometric constraints，IEEE Transaction on Pattern Analysis and Machine Intelligence，29(9)(2007)，1627-1641。

【發(fā)明內(nèi)容】

[0008] 鑒于上述問題，提出了本發(fā)明以便提供一種至少部分地解決上述問題的一種基于 高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
[0009] 為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了以下技術(shù)方案：
[0010] -種基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述方法至少可以包括：
[0011] 獲取前后兩個(gè)時(shí)刻的高分辨率圖像；
[0012] 在所述前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取和 匹配，得到特征匹配對(duì)集合；
[0013] 基于所述特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和精匹 配，得到運(yùn)動(dòng)匹配對(duì)集合；
[0014] 對(duì)所述運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提?。?br>[0015] 對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息；
[0016] 在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配對(duì)；
[0017] 基于所述候選運(yùn)動(dòng)目標(biāo)屬性信息及所述局部密集的匹配對(duì)，利用增量聚類方法對(duì) 所述候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。
[0018] 優(yōu)選地，所述在所述前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特 征點(diǎn)的提取和匹配，得到特征匹配對(duì)集合，具體可以包括：
[0019]在所述前一時(shí)刻高分辨率圖像上分塊提取稀疏特征點(diǎn)；
[0020] 利用KLT跟蹤方法跟蹤所述前一時(shí)刻高分辨率圖像上的特征點(diǎn)至所述當(dāng)前時(shí)刻高 分辨率圖像，以獲得所述前一時(shí)刻和所述當(dāng)前時(shí)刻兩個(gè)時(shí)刻高分辨率圖像上的特征匹配對(duì) 集合。
[0021] 優(yōu)選地，所述基于所述特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的 粗提取和精匹配，得到運(yùn)動(dòng)匹配對(duì)集合，具體可以包括：
[0022] 基于所述特征匹配對(duì)集合，利用隨機(jī)采樣一致算法，計(jì)算所述前一時(shí)刻和所述當(dāng) 前時(shí)刻高分辨圖像之間的配準(zhǔn)參數(shù)；
[0023] 利用所述配準(zhǔn)參數(shù)，將所述當(dāng)前時(shí)刻跟蹤到的特征點(diǎn)映射到所述前一時(shí)刻高分辨 率圖像的坐標(biāo)系中；
[0024] 通過計(jì)算映射回去的特征點(diǎn)和前一時(shí)刻相應(yīng)點(diǎn)之間的位移變換，來得到所述特征 匹配對(duì)的相對(duì)運(yùn)動(dòng)速度；
[0025] 去除相對(duì)運(yùn)動(dòng)速度接近零的特征匹配對(duì)，得到候選運(yùn)動(dòng)匹配對(duì)集合；
[0026] 使用塊匹配算法對(duì)所述候選運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精匹配，得到運(yùn)動(dòng)匹配對(duì)集合。
[0027] 優(yōu)選地，所述使用塊匹配算法對(duì)所述候選運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精匹配，具體可以 包括：
[0028] 對(duì)所述候選運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到聚類點(diǎn)對(duì)集合；
[0029] 通過以下公式計(jì)算所述聚類點(diǎn)對(duì)相對(duì)運(yùn)動(dòng)速度的一致性：
[0031 ]其中，所述C表示聚類;所述M表示所述聚類C中點(diǎn)對(duì)的個(gè)數(shù);所述Ume5dina表示所述 聚類€中所有點(diǎn)對(duì)相對(duì)運(yùn)動(dòng)速度的中值;所述RVC( ?)表示計(jì)算相對(duì)運(yùn)動(dòng)速度一致性的函 數(shù)，其定義為：
[0033] 其中，所述i和所述j表示特征匹配點(diǎn);所述W和所述％分別表示第i個(gè)特征匹配對(duì) 和第j個(gè)特征匹配對(duì)的相對(duì)運(yùn)動(dòng)速度；
[0034] 將所述一致性與一致性閾值進(jìn)行比較；
[0035] 如果所述一致性大于等于一致性閾值，則在所述跟蹤到的當(dāng)前時(shí)刻高分辨率圖像 上相應(yīng)點(diǎn)的周圍進(jìn)行基于六邊形的快速塊匹配，得到所述運(yùn)動(dòng)匹配對(duì)集合;否則，在所述聚 類點(diǎn)對(duì)集合中Fast響應(yīng)最大的特征點(diǎn)的周圍進(jìn)行全搜索塊匹配，得到偏移向量，并針對(duì)所 述聚類內(nèi)的特征點(diǎn)，在所述前一時(shí)刻高分辨率圖像上特征點(diǎn)的基礎(chǔ)上，再加上偏移向量，再 在得到的位置周圍進(jìn)行基于六邊形的快速塊匹配，得到所述運(yùn)動(dòng)匹配對(duì)集合。
[0036] 優(yōu)選地，所述對(duì)所述運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取具體可以包括：
[0037]利用離線訓(xùn)練好的Adaboost分類器，將運(yùn)動(dòng)匹配對(duì)集合分為運(yùn)動(dòng)點(diǎn)對(duì)和背景點(diǎn) 對(duì)，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)匹配對(duì)集合的精提取。
[0038]優(yōu)選地，所述對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性 信息，具體可以包括：
[0039]對(duì)于所述精提取后的運(yùn)動(dòng)匹配對(duì)，計(jì)算每一組點(diǎn)對(duì)和與該點(diǎn)對(duì)的距離小于預(yù)定像 素個(gè)數(shù)的其它點(diǎn)對(duì)間的距離關(guān)聯(lián)度、相對(duì)運(yùn)動(dòng)速度關(guān)聯(lián)度和距離變化關(guān)聯(lián)度，得到綜合關(guān) 聯(lián)度；
[0040] 利用層次聚類方法對(duì)所述運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，以得到候選運(yùn)動(dòng)目標(biāo)及其屬性信 息，其中，所述屬性信息包括位置、大小和相對(duì)前一時(shí)刻同一運(yùn)動(dòng)目標(biāo)所在位置的位移信 息。
[0041] 優(yōu)選地，所述在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配對(duì)，具體可以 包括：
[0042] 在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍，提取局部密集的特征點(diǎn)；
[0043] 基于所述局部密集的特征點(diǎn)，使用KLT跟蹤方法來獲得局部密集的匹配對(duì)。
[0044] 優(yōu)選地，所述基于候選運(yùn)動(dòng)目標(biāo)屬性信息及局部密集的匹配對(duì)，利用增量聚類方 法對(duì)候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果，具體可以包括：
[0045] 基于所述候選運(yùn)動(dòng)目標(biāo)屬性信息，利用最近鄰方式，將所述局部密集的匹配對(duì)歸 類到與其最相似的候選運(yùn)動(dòng)目標(biāo)上，并利用增量聚類方法，得到運(yùn)動(dòng)目標(biāo)的位置、大小信 息，從而得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。
[0046] 與現(xiàn)有技術(shù)相比，上述技術(shù)方案至少具有以下有益效果：
[0047] 本發(fā)明實(shí)施例提出了一種基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，通過在在 前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取和匹配，得到特征 匹配對(duì)集合;然后，基于特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和 精匹配，得到運(yùn)動(dòng)匹配對(duì)集合;對(duì)運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取;接著，對(duì)精提取得到的運(yùn)動(dòng) 匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息;再在候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局 部密集的匹配對(duì);最后，基于候選運(yùn)動(dòng)目標(biāo)屬性信息及局部密集的匹配對(duì)，利用增量聚類方 法對(duì)候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。由此，通過在特征匹配對(duì)集合 中而不是像素集合中進(jìn)行運(yùn)動(dòng)目標(biāo)的提取，實(shí)現(xiàn)了實(shí)時(shí)的高分辨率連拍圖像中運(yùn)動(dòng)目標(biāo)的 精確檢測(cè)，進(jìn)而實(shí)現(xiàn)了大范圍區(qū)域下的運(yùn)動(dòng)目標(biāo)檢測(cè)。
[0048] 當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品不一定需要同時(shí)實(shí)現(xiàn)以上所述的所有優(yōu)點(diǎn)。
[0049] 本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變 得顯而易見，或者通過實(shí)施本發(fā)明而了解。本發(fā)明的目的和其它優(yōu)點(diǎn)可通過在所寫的說明 書、權(quán)利要求書以及附圖中所特別指出的方法來實(shí)現(xiàn)和獲得。
【附圖說明】
[0050] 附圖作為本發(fā)明的一部分，用來提供對(duì)本發(fā)明的進(jìn)一步的理解，本發(fā)明的示意性 實(shí)施例及其說明用于解釋本發(fā)明，但不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。顯然，下面描述中的附圖 僅僅是一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來說，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以 根據(jù)這些附圖獲得其他附圖。在附圖中：
[0051] 圖1為根據(jù)一示例性實(shí)施例示出的基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法的 流程示意圖；
[0052]圖2為根據(jù)另一示例性實(shí)施例示出的對(duì)高分辨率圖像分32塊進(jìn)行提取特征點(diǎn)的流 程不意圖；
[0053] 圖3為根據(jù)一示例性實(shí)施例示出的基于特征匹配對(duì)集合求取配準(zhǔn)參數(shù)并進(jìn)行候選 運(yùn)動(dòng)匹配對(duì)的粗提取和精匹配以得到運(yùn)動(dòng)匹配對(duì)集合的流程示意圖；
[0054] 圖4為根據(jù)一示例性實(shí)施例示出的對(duì)運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取的流程示意圖；
[0055] 圖5為根據(jù)一示例性實(shí)施例示出的利用本發(fā)明實(shí)施例提供的方法得到的最終目標(biāo) 檢測(cè)結(jié)果示意圖。
[0056] 這些附圖和文字描述并不旨在以任何方式限制本發(fā)明的構(gòu)思范圍，而是通過參考 特定實(shí)施例為本領(lǐng)域技術(shù)人員說明本發(fā)明的概念。
【具體實(shí)施方式】
[0057] 下面結(jié)合附圖以及具體實(shí)施例對(duì)本發(fā)明實(shí)施例解決的技術(shù)問題、所采用的技術(shù)方 案以及實(shí)現(xiàn)的技術(shù)效果進(jìn)行清楚、完整的描述。顯然，所描述的實(shí)施例僅僅是本申請(qǐng)的一部 分實(shí)施例，并不是全部實(shí)施例?；诒旧暾?qǐng)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造 性勞動(dòng)的前提下，所獲的所有其它等同或明顯變型的實(shí)施例均落在本發(fā)明的保護(hù)范圍內(nèi)。 本發(fā)明實(shí)施例可以按照權(quán)利要求中限定和涵蓋的多種不同方式來具體化。
[0058]需要說明的是，在下面的描述中，為了方便理解，給出了許多具體細(xì)節(jié)。但是很明 顯，本發(fā)明的實(shí)現(xiàn)可以沒有這些具體細(xì)節(jié)。
[0059] 需要說明的是，在沒有明確限定或不沖突的情況下，本發(fā)明中的各個(gè)實(shí)施例及其 中的技術(shù)特征可以相互組合而形成技術(shù)方案。
[0060] 如圖1所示，本發(fā)明實(shí)施例提供一種基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。 該方法包括步驟S100至步驟S160。
[0061] S100:獲取前后兩個(gè)時(shí)刻的高分辨率圖像。
[0062] S110:在前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取 和匹配，得到特征匹配對(duì)集合。
[0063] 具體地，本步驟可以包括步驟S1102和步驟S1104。
[0064] S1102:在前一時(shí)刻高分辨率圖像上分塊提取稀疏特征點(diǎn)。
[0065] 在本步驟中，可以記提取到的稀疏特征點(diǎn)為其中，p表示前一時(shí)刻，i = 1,2......N例如，該特征點(diǎn)可以為Fas t角點(diǎn)、Harr i s角點(diǎn)等。需要說明的是，在提取Fas t角 點(diǎn)的同時(shí)還可以提取到匹配對(duì)的Fast響應(yīng)值特征。在實(shí)際應(yīng)用中，可以對(duì)分辨率為4096 X 2160的圖像進(jìn)行了32塊劃分，每塊提取一定數(shù)量的Fast角點(diǎn)，以此來保證選取的稀疏特征 點(diǎn)在運(yùn)動(dòng)目標(biāo)上有所分布。
[0066] S1104:利用KLT(Kande-Lucas_Tomasi Feature Tracker)跟蹤方法跟蹤前一時(shí)刻 高分辨率圖像上的特征點(diǎn)至當(dāng)前時(shí)刻高分辨率圖像，以獲得前一時(shí)刻和當(dāng)前時(shí)刻兩個(gè)時(shí)刻 高分辨率圖像上的特征匹配對(duì)集合。
[0067] 其中，可以記跟蹤到當(dāng)前時(shí)刻高分辨率圖像上相應(yīng)地特征點(diǎn)為，其中，c 表示當(dāng)前時(shí)刻，i = l，2......No
[0068] 優(yōu)選地，KLT跟蹤方法可以為金字塔式的KLT(Pyramid KLT)。
[0069] 如圖2所示，其示例性地示出了對(duì)高分辨率圖像分32塊進(jìn)行提取特征點(diǎn)的流程。其 中，對(duì)前一時(shí)刻圖像上分塊進(jìn)行特征點(diǎn)提取，之后KLT跟蹤特征點(diǎn)到當(dāng)前時(shí)刻，從而得到N個(gè) 特征匹配對(duì)。
[0070] 本領(lǐng)域技術(shù)人員應(yīng)能理解，上述提取稀疏特征點(diǎn)的方式僅為舉例，任意現(xiàn)有或今 后可能出現(xiàn)的提取稀疏特征點(diǎn)的方式也應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)，并在此以引用的 方式結(jié)合于此。
[0071] S120:基于特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和精 匹配，得到運(yùn)動(dòng)匹配對(duì)集合。
[0072] 具體地，如圖3所示，本步驟可以包括:步驟S121至步驟S125。
[0073] S121:基于特征匹配對(duì)集合，利用隨機(jī)采樣一致算法(RANSAC)來計(jì)算前一時(shí)刻和 當(dāng)前時(shí)刻高分辨圖像之間的配準(zhǔn)參數(shù)。
[0074] 優(yōu)選地，配準(zhǔn)參數(shù)可以為單應(yīng)變換矩陣。
[0075] S122:利用配準(zhǔn)參數(shù)，將當(dāng)前時(shí)刻跟蹤到的特征點(diǎn)映射到前一時(shí)刻高分辨率圖像 的坐標(biāo)系中。
[0076] 其中，本步驟可以記映射到前一時(shí)刻高分辨率圖像的坐標(biāo)系中的相應(yīng)點(diǎn)對(duì)為 (4，X )，s表示校正之后，丨=1，2......N。
[0077] S123:通過計(jì)算映射回去的特征點(diǎn)和前一時(shí)刻相應(yīng)點(diǎn)之間的位移變換，來得到特 征匹配對(duì)的相對(duì)運(yùn)動(dòng)速度，即％ =? .講）=.於一
[0078] S124:去除相對(duì)運(yùn)動(dòng)速度接近零的特征匹配對(duì)，得到候選運(yùn)動(dòng)匹配對(duì)集合。
[0079] 本步驟得到的是粗提取的候選運(yùn)動(dòng)匹配對(duì)集合，通過對(duì)多個(gè)特征匹配對(duì)進(jìn)行粗提 取，則得到候選運(yùn)動(dòng)匹配對(duì)集合。
[0080] S125:使用塊匹配算法來對(duì)候選運(yùn)動(dòng)匹配對(duì)進(jìn)行精匹配，得到運(yùn)動(dòng)匹配對(duì)集合。 [0081 ] 在實(shí)際應(yīng)用中，本步驟還可以包括:步驟S1251至步驟S1255。
[0082] S1251:對(duì)候選運(yùn)動(dòng)匹配對(duì)集合進(jìn)行聚類，得到聚類點(diǎn)對(duì)集合。
[0083]例如:對(duì)距離在Td個(gè)像素內(nèi)的特征點(diǎn)進(jìn)行聚類。優(yōu)選地，Td = 20。
[0084] S1252:通過以下公式計(jì)算聚類點(diǎn)對(duì)相對(duì)運(yùn)動(dòng)速度的一致性：
[0086] 其中，C表示聚類;M表示聚類C中點(diǎn)對(duì)的個(gè)數(shù);化^^表示聚類C中所有點(diǎn)對(duì)相對(duì)運(yùn) 動(dòng)速度的中值;RVC( ?)表示計(jì)算相對(duì)運(yùn)動(dòng)速度一致性(也即相對(duì)運(yùn)動(dòng)速度關(guān)聯(lián)度)的函數(shù)， 其定義為：
[0088]其中，i和j表示特征匹配點(diǎn);^和巧分別是第i個(gè)特征匹配對(duì)和第j個(gè)特征匹配對(duì)的 相對(duì)運(yùn)動(dòng)速度。
[0089] S1253:將一致性與一致性閾值進(jìn)行比較，如果一致性大于等于一致性閾值，則執(zhí) 行步驟S1254;否則，執(zhí)行步驟S1255。
[0090] 上述步驟得到的Consistencey(C)的數(shù)值在0和1之間。例如，一致性閾值可以選取 為0.8。如果一致性大于等于一致性閾值，則可以認(rèn)為該一致性好，否則，該一致性不好。
[0091] S1254:在跟蹤到的當(dāng)前時(shí)刻高分辨率圖像上相應(yīng)點(diǎn)的周圍進(jìn)行基于六邊形的快 速塊匹配，得到運(yùn)動(dòng)匹配對(duì)。
[0092] 對(duì)于一致性好的聚類內(nèi)的點(diǎn)（即聚類點(diǎn)集），直接在跟蹤到的當(dāng)前時(shí)刻高分辨率圖 像上相應(yīng)點(diǎn)的周圍進(jìn)行基于六邊形的快速塊匹配，得到運(yùn)動(dòng)匹配對(duì)（即運(yùn)動(dòng)的特征匹配 對(duì))。
[0093] 其中，當(dāng)前時(shí)刻高分辨率圖像上相應(yīng)點(diǎn)的周圍可以是一定數(shù)量的像素范圍。
[0094] S1255:在聚類點(diǎn)對(duì)集合中Fast響應(yīng)最大的特征點(diǎn)的周圍進(jìn)行全搜索塊匹配，得到 偏移向量，并針對(duì)聚類內(nèi)的特征點(diǎn)，在前一時(shí)刻高分辨率圖像上特征點(diǎn)的基礎(chǔ)上，再加上偏 移向量，再在得到的位置周圍進(jìn)行基于六邊形的快速塊匹配，得到運(yùn)動(dòng)匹配對(duì)集合。
[0095] 本步驟針對(duì)一致性不好的聚類點(diǎn)集(也即是用KLT跟蹤方法跟蹤不上或跟蹤錯(cuò)的 聚類點(diǎn)集)進(jìn)行處理以獲得運(yùn)動(dòng)匹配對(duì)。首先，選取聚類點(diǎn)集中Fast響應(yīng)最大的一個(gè)點(diǎn)，在 其周圍Tf (如Tf = 300)范圍內(nèi)進(jìn)行全搜索塊匹配。其中，聚類點(diǎn)集中Fast響應(yīng)最大的一個(gè)特 征點(diǎn)的周圍可以選取300個(gè)像素的范圍。然后，在前一時(shí)刻高分辨率圖像上的特征點(diǎn)加上偏 移向量后得到的位置的周圍（其可以根據(jù)實(shí)際情況選取一定像素的范圍）進(jìn)行基于六邊形 的快速塊匹配，得到運(yùn)動(dòng)匹配對(duì)集合。
[0096] 本領(lǐng)域技術(shù)人員應(yīng)能理解，上述基于特征匹配對(duì)求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹 配對(duì)的粗提取和精匹配得到運(yùn)動(dòng)匹配對(duì)的方式僅為舉例，任意現(xiàn)有的或今后可能出現(xiàn)的得 到運(yùn)動(dòng)匹配對(duì)的方式均應(yīng)包括在本發(fā)明的保護(hù)范圍之內(nèi)。并在此以引用的方式結(jié)合于此。 [0097] S130:對(duì)運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取。
[0098]具體地，可以利用離線訓(xùn)練好的Adaboost分類器將運(yùn)動(dòng)匹配對(duì)集合分為運(yùn)動(dòng)點(diǎn)對(duì) 和背景點(diǎn)對(duì)，從而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)匹配對(duì)集合的精提取。
[0099] 圖4示例性地示出了對(duì)運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取的過程。其中，Adaboost分類器 基于匹配對(duì)的相對(duì)速度、塊差異、局部一致性和特征響應(yīng)值，對(duì)匹配對(duì)進(jìn)行分類，得到運(yùn)動(dòng) 匹配對(duì)和非運(yùn)動(dòng)匹配對(duì)。
[0100] 其中，在離線訓(xùn)練Adaboost分類器時(shí)，首先在已有的航怕序列高分辨率圖像中提 取匹配點(diǎn)對(duì)，建立匹配對(duì)的樣本庫，并保存每組匹配對(duì)的相對(duì)速度、塊差異、局部一致性和 特征響應(yīng)值(例如:Fast響應(yīng)值），接著，對(duì)每組匹配對(duì)是否為運(yùn)動(dòng)目標(biāo)上的點(diǎn)進(jìn)行標(biāo)注。最 后，利用Adaboost來訓(xùn)練得到一個(gè)級(jí)聯(lián)的分類器(即Adaboost分類器）。其中第i個(gè)匹配對(duì)的 塊差異特征是通過計(jì)算以點(diǎn)(4, 為中心的RXR大小的塊和以點(diǎn)(轉(zhuǎn)，|/|)為中心的RXR 大小的塊中高分辨率圖像像素的差值得到的；其中，R X R例如可以是20 X 20、30 X 30或50 X 50 〇
[0101] 第i個(gè)匹配對(duì)的局部一致性通過下式得到：
[0103]其中，N表示與第i個(gè)匹配對(duì)相鄰的點(diǎn)對(duì)集合;M表示集合N中的匹配對(duì)個(gè)數(shù);DCC(i， j)表示計(jì)算第i個(gè)匹配對(duì)和第j個(gè)匹配對(duì)距離變化關(guān)聯(lián)度的函數(shù)，其定義如下：
[0106] S140:對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息。
[0107] 具體地，本步驟可以包括:步驟S142至步驟S144。
[0108] S142:對(duì)于精提取后的運(yùn)動(dòng)匹配對(duì)，計(jì)算每一組點(diǎn)對(duì)和與該點(diǎn)對(duì)的距離小于預(yù)定 像素個(gè)數(shù)的其它點(diǎn)對(duì)間的距離關(guān)聯(lián)度、相對(duì)運(yùn)動(dòng)速度關(guān)聯(lián)度和距離變化關(guān)聯(lián)度，得到綜合 關(guān)聯(lián)度。
[0109] 其中，可以根據(jù)以下公式計(jì)算第i個(gè)匹配對(duì)和第j個(gè)匹配對(duì)的綜合關(guān)聯(lián)度 Similarity(i,j)：
[0110] Similarity)i，j) = l_RVC(Vi，Vj)DCC(i，j)DC(i，j)
[0111] 其中，DC(i，j)是計(jì)算特征匹配對(duì)i和特征匹配對(duì)j的距離關(guān)聯(lián)度函數(shù)，其定義如 下：
L0113」S144:利用層次聚類萬法對(duì)運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，以得到候選運(yùn)動(dòng)目標(biāo)及其屬性 信息。其中，該屬性信息包括位置、大小和相對(duì)前一時(shí)刻同一運(yùn)動(dòng)目標(biāo)所在位置的位移(或 運(yùn)動(dòng)速度)信息。
[0114] 本步驟中進(jìn)行聚類的運(yùn)動(dòng)匹配對(duì)為屬于同一運(yùn)動(dòng)目標(biāo)上特征匹配對(duì)。
[0115] 本領(lǐng)域技術(shù)人員應(yīng)能理解，上述對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選 運(yùn)動(dòng)目標(biāo)及其屬性信息的方式僅為舉例，任意現(xiàn)有的或今后可能出現(xiàn)的得到候選運(yùn)動(dòng)目標(biāo) 及其屬性信息的方式均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)，并在此以引用的方式結(jié)合于此。
[0116] S150:在候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配對(duì)。
[0117] 具體地，本步驟可以在候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍，進(jìn)行局部密集的特征點(diǎn)（如Fast 角點(diǎn)或Harris角點(diǎn)）提取，并使用KLT跟蹤方法來獲得局部密集的匹配對(duì)。其中，候選運(yùn)動(dòng)目 標(biāo)周圍可以根據(jù)實(shí)際應(yīng)用場景而定，例如，有汽車或飛機(jī)的場景。候選運(yùn)動(dòng)目標(biāo)周圍可以為 10 X 10個(gè)像素的大小、20 X 20個(gè)像素的大小或30 X 30個(gè)像素的大小。
[0118] 本領(lǐng)域技術(shù)人員應(yīng)能理解，上述在候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配 對(duì)的方式僅為舉例，任意現(xiàn)有的或今后可能出現(xiàn)的提取局部密集的匹配對(duì)的方式均應(yīng)包含 在本發(fā)明的保護(hù)范圍之內(nèi)，并在此以引用的方式結(jié)合于此。
[0119] S160:基于候選運(yùn)動(dòng)目標(biāo)屬性信息及局部密集的匹配對(duì)，利用增量聚類方法對(duì)候 選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。
[0120] 具體地，本步驟基于步驟S140獲得的候選運(yùn)動(dòng)目標(biāo)屬性信息，利用最近鄰方式，將 局部密集的匹配對(duì)歸類到與其最相似的候選運(yùn)動(dòng)目標(biāo)上，并利用增量聚類方法，得到運(yùn)動(dòng) 目標(biāo)的位置、大小信息，從而得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。圖5示例性地示出了利用本發(fā)明實(shí) 施例提供的方法得到的最終目標(biāo)檢測(cè)結(jié)果。其中，白色方框?yàn)闄z測(cè)到的目標(biāo)(本實(shí)施例中為 汽車），該白色方框還體現(xiàn)了目標(biāo)的位置和大小。
[0121]本實(shí)施例中雖然將各個(gè)步驟按照上述先后次序的方式進(jìn)行了描述，但是本領(lǐng)域技 術(shù)人員可以理解，為了實(shí)現(xiàn)本實(shí)施例的效果，不同的步驟之間不必按照這樣的次序執(zhí)行，其 可以同時(shí)(并行)執(zhí)行或以顛倒的次序執(zhí)行，這些簡單的變化都在本發(fā)明的保護(hù)范圍之內(nèi)。
[0122] 以上對(duì)本發(fā)明實(shí)施例所提供的技術(shù)方案進(jìn)行了詳細(xì)的介紹。雖然本文應(yīng)用了具體 的個(gè)例對(duì)本發(fā)明的原理和實(shí)施方式進(jìn)行了闡述，但是，上述實(shí)施例的說明僅適用于幫助理 解本發(fā)明實(shí)施例的原理；同時(shí)，對(duì)于本領(lǐng)域技術(shù)人員來說，依據(jù)本發(fā)明實(shí)施例，在具體實(shí)施 方式以及應(yīng)用范圍之內(nèi)均會(huì)做出改變。
[0123] 需要說明的是，本文中涉及到的流程圖不僅僅局限于本文所示的形式，其還可以 進(jìn)行劃分和/或組合。
[0124] 需要說明的是：附圖中的標(biāo)記和文字只是為了更清楚地說明本發(fā)明，不視為對(duì)本 發(fā)明保護(hù)范圍的不當(dāng)限定。
[0125] 術(shù)語"包括"或者任何其它類似用語旨在涵蓋非排他性的包含，從而使得包括一系 列要素的過程、方法、物品或者設(shè)備/裝置不僅包括那些要素，而且還包括沒有明確列出的 其它要素，或者還包括這些過程、方法、物品或者設(shè)備/裝置所固有的要素。
[0126] 本發(fā)明的各個(gè)步驟可以用通用的計(jì)算裝置來實(shí)現(xiàn)，例如，它們可以集中在單個(gè)的 計(jì)算裝置上，例如:個(gè)人計(jì)算機(jī)、服務(wù)器計(jì)算機(jī)、手持設(shè)備或便攜式設(shè)備、平板型設(shè)備或者多 處理器裝置，也可以分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，它們可以以不同于此處的順序 執(zhí)行所示出或描述的步驟，或者將它們分別制作成各個(gè)集成電路模塊，或者將它們中的多 個(gè)模塊或步驟制作成單個(gè)集成電路模塊來實(shí)現(xiàn)。因此，本發(fā)明不限于任何特定的硬件和軟 件或者其結(jié)合。
[0127] 本發(fā)明提供的方法可以使用可編程邏輯器件來實(shí)現(xiàn)，也可以實(shí)施為計(jì)算機(jī)程序軟 件或程序模塊(其包括執(zhí)行特定任務(wù)或?qū)崿F(xiàn)特定抽象數(shù)據(jù)類型的例程、程序、對(duì)象、組件或 數(shù)據(jù)結(jié)構(gòu)等等），例如根據(jù)本發(fā)明的實(shí)施例可以是一種計(jì)算機(jī)程序產(chǎn)品，運(yùn)行該計(jì)算機(jī)程序 產(chǎn)品使計(jì)算機(jī)執(zhí)行用于所示范的方法。所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該 介質(zhì)上包含計(jì)算機(jī)程序邏輯或代碼部分，用于實(shí)現(xiàn)所述方法。所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可 以是被安裝在計(jì)算機(jī)中的內(nèi)置介質(zhì)或者可以從計(jì)算機(jī)主體上拆卸下來的可移動(dòng)介質(zhì)（例 如:采用熱插拔技術(shù)的存儲(chǔ)設(shè)備）。所述內(nèi)置介質(zhì)包括但不限于可重寫的非易失性存儲(chǔ)器， 例如:RAM、ROM、快閃存儲(chǔ)器和硬盤。所述可移動(dòng)介質(zhì)包括但不限于:光存儲(chǔ)介質(zhì)(例如:CD ― ROM和DVD )、磁光存儲(chǔ)介質(zhì)（例如:M0 )、磁存儲(chǔ)介質(zhì)（例如:磁帶或移動(dòng)硬盤）、具有內(nèi)置的可 重寫非易失性存儲(chǔ)器的媒體(例如:存儲(chǔ)卡)和具有內(nèi)置ROM的媒體(例如:ROM盒）。
[0128]盡管已參照本發(fā)明的特定優(yōu)選實(shí)施例表示和描述了本發(fā)明，但本領(lǐng)域的技術(shù)人員 應(yīng)該明白，可以在形式上和細(xì)節(jié)上對(duì)本發(fā)明的技術(shù)思想和相關(guān)方法做各種各樣的改變，而 不偏離所附權(quán)利要求書所限定的本發(fā)明的精神和范圍。
【主權(quán)項(xiàng)】
1. 一種基于高分辨率連拍圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述方法至少包括： 獲取前后兩個(gè)時(shí)刻的高分辨率圖像； 在所述前后兩個(gè)時(shí)刻的高分辨率圖像上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取和匹 配，得到特征匹配對(duì)集合； 基于所述特征匹配對(duì)集合，求取配準(zhǔn)參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和精匹配， 得到運(yùn)動(dòng)匹配對(duì)集合； 對(duì)所述運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提??； 對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息； 在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取局部密集的匹配對(duì)； 基于所述候選運(yùn)動(dòng)目標(biāo)屬性信息及所述局部密集的匹配對(duì)，利用增量聚類方法對(duì)所述 候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在所述前后兩個(gè)時(shí)刻的高分辨率圖像 上，利用分塊策略進(jìn)行稀疏特征點(diǎn)的提取和匹配，得到特征匹配對(duì)集合，具體包括： 在所述前一時(shí)刻高分辨率圖像上分塊提取稀疏特征點(diǎn)； 利用化T跟蹤方法跟蹤所述前一時(shí)刻高分辨率圖像上的特征點(diǎn)至所述當(dāng)前時(shí)刻高分辨 率圖像，W獲得所述前一時(shí)刻和所述當(dāng)前時(shí)刻兩個(gè)時(shí)刻高分辨率圖像上的特征匹配對(duì)集 合。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述特征匹配對(duì)集合，求取配準(zhǔn) 參數(shù)并進(jìn)行候選運(yùn)動(dòng)匹配對(duì)的粗提取和精匹配，得到運(yùn)動(dòng)匹配對(duì)集合，具體包括： 基于所述特征匹配對(duì)集合，利用隨機(jī)采樣一致算法，計(jì)算所述前一時(shí)刻和所述當(dāng)前時(shí) 刻高分辨圖像之間的配準(zhǔn)參數(shù)； 利用所述配準(zhǔn)參數(shù)，將所述當(dāng)前時(shí)刻跟蹤到的特征點(diǎn)映射到所述前一時(shí)刻高分辨率圖 像的坐標(biāo)系中； 通過計(jì)算映射回去的特征點(diǎn)和前一時(shí)刻相應(yīng)點(diǎn)之間的位移變換，來得到所述特征匹配 對(duì)的相對(duì)運(yùn)動(dòng)速度； 去除相對(duì)運(yùn)動(dòng)速度接近零的特征匹配對(duì)，得到候選運(yùn)動(dòng)匹配對(duì)集合； 使用塊匹配算法對(duì)所述候選運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精匹配，得到運(yùn)動(dòng)匹配對(duì)集合。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述使用塊匹配算法對(duì)所述候選運(yùn)動(dòng)匹配 對(duì)集合進(jìn)行精匹配，具體包括： 對(duì)所述候選運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，得到聚類點(diǎn)對(duì)集合； 通過W下公式計(jì)算所述聚類點(diǎn)對(duì)相對(duì)運(yùn)動(dòng)速度的一致性：其中，所述C表示聚類;所述M表示所述聚類€中點(diǎn)對(duì)的個(gè)數(shù);所述Umedina表示所述聚類C 中所有點(diǎn)對(duì)相對(duì)運(yùn)動(dòng)速度的中值;所述RVC( ?)表示計(jì)算相對(duì)運(yùn)動(dòng)速度一致性的函數(shù)，其定 義為：其中，所述巧P所述j表示特征匹配點(diǎn)；所述化和所述Uj分別表示第i個(gè)特征匹配對(duì)和第j 個(gè)特征匹配對(duì)的相對(duì)運(yùn)動(dòng)速度； 將所述一致性與一致性闊值進(jìn)行比較； 如果所述一致性大于等于一致性闊值，則在所述跟蹤到的當(dāng)前時(shí)刻高分辨率圖像上相 應(yīng)點(diǎn)的周圍進(jìn)行基于六邊形的快速塊匹配，得到所述運(yùn)動(dòng)匹配對(duì)集合;否則，在所述聚類點(diǎn) 對(duì)集合中化St響應(yīng)最大的特征點(diǎn)的周圍進(jìn)行全捜索塊匹配，得到偏移向量，并針對(duì)所述聚 類內(nèi)的特征點(diǎn)，在所述前一時(shí)刻高分辨率圖像上特征點(diǎn)的基礎(chǔ)上，再加上偏移向量，再在得 到的位置周圍進(jìn)行基于六邊形的快速塊匹配，得到所述運(yùn)動(dòng)匹配對(duì)集合。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述運(yùn)動(dòng)匹配對(duì)集合進(jìn)行精提取具 體包括： 利用離線訓(xùn)練好的Adaboost分類器，將運(yùn)動(dòng)匹配對(duì)集合分為運(yùn)動(dòng)點(diǎn)對(duì)和背景點(diǎn)對(duì)，從 而實(shí)現(xiàn)對(duì)運(yùn)動(dòng)匹配對(duì)集合的精提取。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)精提取得到的運(yùn)動(dòng)匹配對(duì)進(jìn)行聚 類，得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息，具體包括： 對(duì)于所述精提取后的運(yùn)動(dòng)匹配對(duì)，計(jì)算每一組點(diǎn)對(duì)和與該點(diǎn)對(duì)的距離小于預(yù)定像素個(gè) 數(shù)的其它點(diǎn)對(duì)間的距離關(guān)聯(lián)度、相對(duì)運(yùn)動(dòng)速度關(guān)聯(lián)度和距離變化關(guān)聯(lián)度，得到綜合關(guān)聯(lián)度； 利用層次聚類方法對(duì)所述運(yùn)動(dòng)匹配對(duì)進(jìn)行聚類，W得到候選運(yùn)動(dòng)目標(biāo)及其屬性信息， 其中，所述屬性信息包括位置、大小和相對(duì)前一時(shí)刻同一運(yùn)動(dòng)目標(biāo)所在位置的位移信息。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍提取 局部密集的匹配對(duì)，具體包括： 在所述候選運(yùn)動(dòng)目標(biāo)內(nèi)及其周圍，提取局部密集的特征點(diǎn)； 基于所述局部密集的特征點(diǎn)，使用化T跟蹤方法來獲得局部密集的匹配對(duì)。8. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于候選運(yùn)動(dòng)目標(biāo)屬性信息及局部密 集的匹配對(duì)，利用增量聚類方法對(duì)候選運(yùn)動(dòng)目標(biāo)進(jìn)行精確定位，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果， 具體包括： 基于所述候選運(yùn)動(dòng)目標(biāo)屬性信息，利用最近鄰方式，將所述局部密集的匹配對(duì)歸類到 與其最相似的候選運(yùn)動(dòng)目標(biāo)上，并利用增量聚類方法，得到運(yùn)動(dòng)目標(biāo)的位置、大小信息，從 而得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。
【文檔編號(hào)】G06T7/20GK105913459SQ201610305544
【公開日】2016年8月31日
【申請(qǐng)日】2016年5月10日
【發(fā)明人】常紅星, 蘭曉松, 李書曉, 朱承飛
【申請(qǐng)人】中國科學(xué)院自動(dòng)化研究所