基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法
【專利摘要】一種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法，該算法內(nèi)容是：將待觀測視頻信息解碼為YUV420格式的獨(dú)立圖像幀序列，分辨率與輸入視頻保持一致；設(shè)定跳幀數(shù)為0，讀入當(dāng)前圖像幀F(xiàn)；通過運(yùn)動(dòng)特征和顯著特征檢測，特征融合后得到二值化圖像幀F(xiàn)d；對(duì)圖像Fd，進(jìn)行水平方向和垂直方向能量搜索、能量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，獲得最終運(yùn)動(dòng)顯著目標(biāo)區(qū)域根據(jù)跳幀數(shù)，讀取下一幀圖像幀作為輸入，循環(huán)執(zhí)行第2步、第3步、第4步，直到讀取完視頻的最后一幀，終止循環(huán)，實(shí)現(xiàn)結(jié)束。本發(fā)明能夠有效地去除冗余信息與錯(cuò)誤目標(biāo)，標(biāo)定運(yùn)動(dòng)顯著目標(biāo)的實(shí)際活動(dòng)區(qū)域，避免人為手動(dòng)選定初始化顯著區(qū)域，為自動(dòng)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)跟蹤提供可能。
【專利說明】
基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于運(yùn)動(dòng)顯著目標(biāo)檢測處理技術(shù)領(lǐng)域，具體的說是一種基于濾波器的能量 感知運(yùn)動(dòng)顯著目標(biāo)檢測算法。
【背景技術(shù)】
[0002] 運(yùn)動(dòng)顯著目標(biāo)檢測作為計(jì)算機(jī)視覺領(lǐng)域中一個(gè)非常重要的研究課題，在視頻監(jiān) 控、工業(yè)控制、機(jī)器人視覺以及自主運(yùn)載器導(dǎo)航等方面都具有廣泛的應(yīng)用前景。在目標(biāo)檢測 技術(shù)中，隨著應(yīng)用領(lǐng)域、應(yīng)用環(huán)境的不斷變化，需求也越來越復(fù)雜，對(duì)目標(biāo)檢測的準(zhǔn)確性、實(shí) 時(shí)性、穩(wěn)定性以及可移植性的要求越來越高。
[0003]目前，目標(biāo)檢測技術(shù)主要是通過特征檢測與特征融合對(duì)目標(biāo)進(jìn)行定位，由于應(yīng)用 環(huán)境多樣，特征的選取、檢測算法的復(fù)雜度和融合方式等因素都會(huì)對(duì)目標(biāo)檢測結(jié)果產(chǎn)生影 響，特征檢測及融合后的檢測結(jié)果通常含有冗余，現(xiàn)有技術(shù)無法滿足應(yīng)用領(lǐng)域?qū)δ繕?biāo)檢測 技術(shù)的性能要求。通常提高目標(biāo)檢測性能的途徑有兩種:一個(gè)途徑是從特征檢測入手，在特 征提取的時(shí)候，選取更加有代表性和有針對(duì)性的特征，來適應(yīng)目標(biāo)的多樣性，或者優(yōu)化特征 檢測技術(shù)的算法，諸如提取多個(gè)局部特征替代全局特征，使提取出的特征更加準(zhǔn)確地表達(dá) 目標(biāo)特性；另一個(gè)途徑是從特征融合方式入手，通常引入模糊理論或分類器級(jí)聯(lián)等模式優(yōu) 化融合結(jié)果，以提高目標(biāo)檢測的精確度。對(duì)于前者而言，由于目標(biāo)多樣，且受環(huán)境變化影響， 如果特征選取稍有不當(dāng)，就會(huì)影響目標(biāo)檢測的準(zhǔn)確度。對(duì)于后者而言，復(fù)雜算法的引入雖然 能夠提高目標(biāo)檢測的準(zhǔn)確度，但是算法復(fù)雜度會(huì)嚴(yán)重影響目標(biāo)檢測算法的實(shí)時(shí)性。
[0004] 濾波是圖像處理的常用技術(shù)，是圖像預(yù)處理與后期結(jié)果優(yōu)化中不可缺少的操作， 濾波結(jié)果直接影響到圖像質(zhì)量以及對(duì)圖像的處理和分析。常用的濾波器有非線性濾波器、 中值濾波器和形態(tài)學(xué)濾波器等，這些濾波器主要用于圖像的降噪、平滑或形狀識(shí)別、邊緣檢 測等方面。
[0005] 本發(fā)明所使用的能量感知濾波器，是通過計(jì)算視頻圖像中任意一幀的水平與垂直 像素能量的總和，使用信號(hào)平滑濾波器對(duì)能量進(jìn)行處理后能夠有效獲得運(yùn)動(dòng)顯著目標(biāo)輪廓 區(qū)域，從而替代原有人工方式選取視覺顯著運(yùn)動(dòng)目標(biāo)區(qū)域或者劃定運(yùn)動(dòng)目標(biāo)初始運(yùn)動(dòng)區(qū)域 的過程。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明克服了現(xiàn)有目標(biāo)檢測技術(shù)中，特征檢測和融合后的檢測結(jié)果存在冗余或錯(cuò) 誤信息的問題，提供一種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法，通過運(yùn)動(dòng)顯著目 標(biāo)檢測后處理濾波器，更高效、更準(zhǔn)確地實(shí)時(shí)目標(biāo)活動(dòng)區(qū)域檢測方法。
[0007] 通過采用復(fù)雜度低、傳統(tǒng)簡單的算法進(jìn)行特征檢測與融合，將檢測結(jié)果經(jīng)本發(fā)明 所提出的基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法處理，去除錯(cuò)誤或冗余目標(biāo)，突顯 運(yùn)動(dòng)區(qū)域范圍，為后續(xù)目標(biāo)中心點(diǎn)計(jì)算、色彩與局部特征提取等算法提供必要預(yù)處理保障。 這樣大大增強(qiáng)了目標(biāo)檢測技術(shù)的有效性與實(shí)時(shí)性，
[0008] 為了解決上述存在的技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：
[0009] -種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法，該算法內(nèi)容具體包括如下步 驟：
[0010] 第一步，將輸入的待觀測視頻信息解碼為獨(dú)立的圖像幀序列，經(jīng)過色彩空間變換 成YUV空間圖像，該圖像幀序列的分辨率尺寸保持與原有輸入視頻分辨率相同；
[0011] 第二步，通過基本特征檢測、特征融合常規(guī)運(yùn)動(dòng)顯著目標(biāo)檢測技術(shù)，本次采用光流 法與顯著分析法提取運(yùn)動(dòng)特征與顯著特征，采用自適應(yīng)加權(quán)融合方式，提取圖像幀序列中 的目標(biāo)，并獲取運(yùn)動(dòng)目標(biāo)所在區(qū)域的二值化圖像幀信息，該信息主要由運(yùn)動(dòng)目標(biāo)所在區(qū)域 的定點(diǎn)坐標(biāo)構(gòu)成；
[0012] 第三步，對(duì)圖像幀序列中的每一幀都分別進(jìn)行水平方向和垂直方向的能量搜索計(jì) 算，記待測視頻圖像幀的尺寸大小為n Xm，記水平方向第i列能量線的能量為4 *
記垂直方向第j行能量線的能量為
[0013] 第四步，根據(jù)攝像機(jī)鏡頭與被測運(yùn)動(dòng)顯著目標(biāo)之間的相對(duì)距離，預(yù)估計(jì)運(yùn)動(dòng)目標(biāo) 的能量量值范圍，確定水平方向預(yù)估計(jì)能量閾值p THX，{pTHXeZIPTHX彡0}和垂直方向預(yù)估計(jì) 能量閾值Pthy，{PthyGZ |Ρτηυ^〇}，7義平方向預(yù)估計(jì)能量閾值Ρτηχ和垂直方向預(yù)估計(jì)能量閾值 ΡΤΗΥ根據(jù)移動(dòng)攝像頭鏡頭與被測物間的距離決定，該距離可由紅外傳感器或者激光傳感器 獲得；
[0014] 12345678
2 第五步，對(duì)水平方向能量Ρχ，
1垂直方向 能量Ργ
^別進(jìn)行平滑處理得到平滑后水平方向 能量集合垂直方向能量集合·; 3 4 5 6 其中，smooth為平滑處理濾波器，通過*§^￥與1/|的交集部分得到息，從而確定運(yùn)動(dòng) 顯著目標(biāo)區(qū)域邊界頂點(diǎn)，標(biāo)定運(yùn)動(dòng)顯著目標(biāo)區(qū)域。 7 由于采用上述技術(shù)方案，本發(fā)明提供的一種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo) 檢測算法，與現(xiàn)有技術(shù)相比具有這樣的有益效果： 8 現(xiàn)行目標(biāo)檢測技術(shù)主要針對(duì)靜態(tài)背景，對(duì)攝像機(jī)的穩(wěn)定程度要求較高，不能夠很 好地應(yīng)用于動(dòng)態(tài)背景情況，受環(huán)境影響較大。同時(shí)，現(xiàn)有優(yōu)化算法通常采用引入分類器與學(xué) 習(xí)機(jī)制提高準(zhǔn)確度，這樣大大增加了計(jì)算量，降低了檢測的實(shí)時(shí)性，無法持續(xù)跟蹤目標(biāo)，并 且不便于應(yīng)用在低功耗的小型設(shè)備中。
[0023] 本發(fā)明采用運(yùn)動(dòng)特征檢測法與顯著特征分析法提取特征，減小了計(jì)算復(fù)雜度，提 高自主檢測能力，減少人為參與。在攝像頭靜止或勻速運(yùn)動(dòng)狀態(tài)下，通過將前述兩種特征自 適應(yīng)加權(quán)融合方式，有效分離目標(biāo)與背景信息，利用能量感知濾波器能夠有效地去除冗余 信息和錯(cuò)誤目標(biāo)，標(biāo)定運(yùn)動(dòng)顯著目標(biāo)的實(shí)際活動(dòng)區(qū)域，獲得更加精準(zhǔn)的目標(biāo)檢測結(jié)果，避免 人為手動(dòng)選定初始運(yùn)動(dòng)顯著目標(biāo)的活動(dòng)區(qū)域范圍，可作為運(yùn)動(dòng)目標(biāo)自動(dòng)跟蹤的預(yù)處理技 術(shù)。
[0024] 由于本發(fā)明在實(shí)際運(yùn)算中，主要以圖像幀間亮度差異、圖像時(shí)頻域變換以及能量 感知搜索等計(jì)算為主，無需進(jìn)行學(xué)習(xí)訓(xùn)練等復(fù)雜運(yùn)算，計(jì)算過程復(fù)雜度低，便于快速及時(shí)獲 取運(yùn)動(dòng)顯著目標(biāo)活動(dòng)區(qū)域，可持續(xù)跟蹤目標(biāo)。對(duì)攝像機(jī)本身的運(yùn)動(dòng)狀態(tài)要求不高，適用于攝 像機(jī)靜止或勻速平移的情況，在光照變化不劇烈的室內(nèi)場景中使用，能快速偵測單個(gè)、多個(gè) 運(yùn)動(dòng)目標(biāo)，同時(shí)，對(duì)目標(biāo)的運(yùn)動(dòng)狀態(tài)無太多要求，目標(biāo)在勻速、變速以及不連續(xù)運(yùn)動(dòng)的情況 下，都能夠準(zhǔn)確地檢測到運(yùn)動(dòng)顯著目標(biāo)活動(dòng)區(qū)域。本發(fā)明能夠有效地去除冗余信息與錯(cuò)誤 目標(biāo)，標(biāo)定運(yùn)動(dòng)顯著目標(biāo)的實(shí)際活動(dòng)區(qū)域，避免人為手動(dòng)選定初始化顯著區(qū)域，為自動(dòng)實(shí)現(xiàn) 運(yùn)動(dòng)目標(biāo)跟蹤提供可能。實(shí)時(shí)性強(qiáng)，計(jì)算復(fù)雜度低，能夠有效應(yīng)用于嵌入式、移動(dòng)式等功耗 要求嚴(yán)格的小型設(shè)備。
【附圖說明】
[0025]圖1是能量感知濾波器的設(shè)計(jì)原理邏輯圖；
[0026]圖2是攝像機(jī)靜止時(shí)，單目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢測實(shí)施結(jié)果示意圖；
[0027]圖3是攝像機(jī)靜止時(shí)，兩目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢測實(shí)施結(jié)果示意圖；
[0028] 圖4是攝像機(jī)靜止時(shí)，單目標(biāo)變速運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢測實(shí)施結(jié)果示意圖；
[0029] 圖5是攝像機(jī)平移時(shí)，單目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢測實(shí)施結(jié)果示意圖；
[0030] 圖6是攝像機(jī)平移時(shí)，三目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢測實(shí)施結(jié)果示意圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖與【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述：
[0032] 一種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法，其能量感知濾波器的設(shè)計(jì)原 理邏輯圖如圖1所示，該算法具體實(shí)施步驟如下：
[0033] 第1步:將待觀測視頻信息解碼為YUV420格式的獨(dú)立圖像幀序列，分辨率與輸入視 頻保持一致；
[0034] 第2步:設(shè)定跳幀數(shù)為0,讀入當(dāng)前圖像幀F(xiàn);
[0035]第3步:通過運(yùn)動(dòng)特征和顯著特征檢測，特征融合后得到二值化圖像幀F(xiàn)d;
[0036] 第4步:對(duì)圖像Fd，進(jìn)行水平方向和垂直方向能量搜索、能量閾值劃分計(jì)算，再分別 進(jìn)行去噪、平滑濾波處理，獲得最終運(yùn)動(dòng)顯著目標(biāo)區(qū)域;
[0037] 第5步:根據(jù)跳幀數(shù)，讀取下一幀圖像幀作為輸入，循環(huán)執(zhí)行第2步、第3步、第4步， 直到讀取完視頻的最后一幀，終止循環(huán)，實(shí)現(xiàn)結(jié)束。
[0038] 實(shí)施例1:
[0039]攝像機(jī)靜止，單目標(biāo)運(yùn)動(dòng)情況
[0040]本實(shí)施例將本發(fā)明應(yīng)用于攝像機(jī)靜止?fàn)顟B(tài)下、單個(gè)目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢 測。在此條件下，攝像機(jī)安裝并固定于某機(jī)器人或者三腳架頂部，水平拍攝，在鏡頭的視野 內(nèi)，一個(gè)人物目標(biāo)按照0.6m/s的速度，由遠(yuǎn)及近走入攝像機(jī)視野。此視頻主要針對(duì)室內(nèi)場景 或者拍攝背景不運(yùn)動(dòng)的情況，但是，背景中包含窗戶、桌子、椅子、箱子等室內(nèi)常見家具物 品，與人物服飾、衣著無關(guān)，在拍攝期間，光照度不發(fā)生劇烈變化，本實(shí)施例不涉及夜視等微 光特殊環(huán)境。
[0041 ]實(shí)施例參數(shù)說明：視頻格式avi，視頻幀數(shù)15幀，視頻圖像尺寸320 X 240。預(yù)估計(jì)閾 值 Pthx = 70，Pthy=15〇
[0042]本實(shí)施例以任意幀處理為例，結(jié)果如圖2所示，圖2-(1)為解碼后的輸入圖像幀，經(jīng) 過運(yùn)動(dòng)特征檢測和顯著特征檢測，分別得到運(yùn)動(dòng)特征二值化圖和顯著特征二值化圖，如圖 2- (2)和2-(3)所示;經(jīng)過自適應(yīng)融合后得到運(yùn)動(dòng)顯著目標(biāo)所在區(qū)域的二值化圖像幀信息， 如圖2-(4)所示;利用能量感知濾波對(duì)二值化圖像幀進(jìn)行水平方向和垂直方向能量搜索、能 量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，最終獲得運(yùn)動(dòng)顯著目標(biāo)區(qū)域，如圖2_(5) 所示。
[0043] 實(shí)施例2:
[0044] 攝像機(jī)靜止，兩目標(biāo)運(yùn)動(dòng)情況
[0045] 本實(shí)施例將本發(fā)明應(yīng)用于攝像機(jī)靜止?fàn)顟B(tài)下、兩個(gè)目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢 測。在此條件下，攝像機(jī)安裝并固定于某機(jī)器人或者三腳架頂部，水平拍攝，在鏡頭的視野 內(nèi)，兩個(gè)人物目標(biāo)分別按照〇. 6m/s和0.8m/s的速度，由近及遠(yuǎn)遠(yuǎn)離攝像機(jī)方向。此視頻主要 針對(duì)室內(nèi)場景或者拍攝背景不運(yùn)動(dòng)的情況，但是，背景中包含窗戶、桌子、椅子、箱子等室內(nèi) 常見家具物品，與人物服飾、衣著無關(guān)，在拍攝期間，光照度不發(fā)生劇烈變化，本實(shí)施例不涉 及夜視等微光特殊環(huán)境。實(shí)施例參數(shù)說明：視頻格式avi，視頻幀數(shù)30幀，視頻圖像尺寸320 X 240。預(yù)估計(jì)閾值 Pthx = 70，Pthy = 15。
[0046] 本實(shí)施例以任意幀處理為例，結(jié)果如圖3所示，圖3-(1)為解碼后的輸入圖像幀，經(jīng) 過運(yùn)動(dòng)特征檢測和顯著特征檢測，分別得到運(yùn)動(dòng)特征二值化圖和顯著特征二值化圖，如圖 3- (2)和3-(3)所示;經(jīng)過自適應(yīng)融合后得到運(yùn)動(dòng)顯著目標(biāo)所在區(qū)域的二值化圖像幀信息， 如圖3-(4)所示;利用能量感知濾波對(duì)二值化圖像幀進(jìn)行水平方向和垂直方向能量搜索、能 量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，最終獲得運(yùn)動(dòng)顯著目標(biāo)區(qū)域，如圖3_(5) 所示。
[0047] 實(shí)施例3:
[0048]攝像機(jī)靜止，單目標(biāo)變速運(yùn)動(dòng)情況
[0049] 本實(shí)施例將本發(fā)明應(yīng)用于攝像機(jī)靜止?fàn)顟B(tài)下、單個(gè)目標(biāo)變速運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo) 檢測。在此條件下，攝像機(jī)安裝并固定于某機(jī)器人或者三腳架頂部，水平拍攝，在鏡頭的視 野外，單個(gè)人物目標(biāo)分別先按照〇. 6m/s速度運(yùn)動(dòng)，并逐漸變速，以任意方向運(yùn)動(dòng)。此視頻主 要針對(duì)室內(nèi)場景或者拍攝背景不運(yùn)動(dòng)的情況，但是，背景中包含窗戶、桌子、椅子、箱子等室 內(nèi)常見家具物品，與人物服飾、衣著無關(guān)，在拍攝期間，光照度不發(fā)生劇烈變化，本實(shí)施例不 涉及夜視等微光特殊環(huán)境。
[0050] 實(shí)施例參數(shù)說明：視頻格式avi，視頻幀數(shù)100幀，視頻圖像尺寸320 X 240，預(yù)估計(jì) 閾值 Pthx = 70，Pthy = 15 〇
[0051] 本實(shí)施例以任意幀處理為例，結(jié)果如圖4所示，圖4-(1)為解碼后的輸入圖像幀，經(jīng) 過運(yùn)動(dòng)特征檢測和顯著特征檢測，分別得到運(yùn)動(dòng)特征二值化圖和顯著特征二值化圖，如圖 4- (2)和4-(3)所示;經(jīng)過自適應(yīng)融合后得到運(yùn)動(dòng)顯著目標(biāo)所在區(qū)域的二值化圖像幀信息， 如圖4-(4)所示;利用能量感知濾波對(duì)二值化圖像幀進(jìn)行水平方向和垂直方向能量搜索、能 量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，最終獲得運(yùn)動(dòng)顯著目標(biāo)區(qū)域，如圖4-(5) 所示。
[0052] 實(shí)施例4:
[0053]攝像機(jī)平移，單目標(biāo)運(yùn)動(dòng)情況
[0054]本實(shí)施例將本發(fā)明應(yīng)用于攝像機(jī)移動(dòng)狀態(tài)下、單個(gè)目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢 測。在此條件下，攝像機(jī)采取手持式，以0.5m/s的速度勻速水平平移，在鏡頭的視野外，一個(gè) 人物目標(biāo)按照〇. 6m/s的速度，由遠(yuǎn)及近走入攝像機(jī)視野。此視頻主要針對(duì)攝像機(jī)勻速平移、 背景相對(duì)于鏡頭發(fā)生運(yùn)動(dòng)的情況，但是，背景中包含窗戶、桌子、椅子、箱子等室內(nèi)常見家具 物品，與人物服飾、衣著無關(guān)，在拍攝期間，光照度不發(fā)生劇烈變化，本實(shí)施例不涉及夜視等 微光特殊環(huán)境。
[0055]實(shí)施例參數(shù)說明：視頻格式avi，視頻幀數(shù)30幀，視頻圖像尺寸320 X 240，預(yù)估計(jì)閾 值 Pthx = 70，Pthy=15〇
[0056]本實(shí)施例以任意幀處理為例，結(jié)果如圖5所示，圖5-(1)為解碼后的輸入圖像幀，經(jīng) 過運(yùn)動(dòng)特征檢測和顯著特征檢測，分別得到運(yùn)動(dòng)特征二值化圖和顯著特征二值化圖，如圖 5- (2)和5-(3)所示;經(jīng)過自適應(yīng)融合后得到運(yùn)動(dòng)顯著目標(biāo)所在區(qū)域的二值化圖像幀信息， 如圖5-(4)所示;利用能量感知濾波對(duì)二值化圖像幀進(jìn)行水平方向和垂直方向能量搜索、能 量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，最終獲得運(yùn)動(dòng)顯著目標(biāo)區(qū)域，如圖5_(5) 所示。
[0057] 實(shí)施例5:
[0058]攝像機(jī)平移，三目標(biāo)運(yùn)動(dòng)情況
[0059]本實(shí)施例將本發(fā)明應(yīng)用于攝像機(jī)移動(dòng)狀態(tài)下、三個(gè)目標(biāo)運(yùn)動(dòng)的運(yùn)動(dòng)顯著目標(biāo)檢 測。在此條件下，攝像機(jī)采取手持式，以〇.5m/s的速度勻速平移，在鏡頭的視野外，三個(gè)人物 目標(biāo)按照0.6m/s、0.8m/s和1.2m/s的速度，保持一個(gè)方向運(yùn)動(dòng)。此視頻主要針對(duì)攝像機(jī)勻速 平移、背景相對(duì)于鏡頭發(fā)生運(yùn)動(dòng)且目標(biāo)為多個(gè)的情況，但是，背景中包含窗戶、桌子、椅子、 箱子等室內(nèi)常見家具物品，與人物服飾、衣著無關(guān)，在拍攝期間，光照度不發(fā)生劇烈變化，本 實(shí)施例不涉及夜視等微光特殊環(huán)境。
[0060] 實(shí)施例參數(shù)說明：視頻格式avi，視頻幀數(shù)50幀，視頻圖像尺寸320 X 240，預(yù)估計(jì)閾 值 Pthx = 70，Pthy=15〇
[0061] 本實(shí)施例以任意幀處理為例，結(jié)果如圖6所示，圖6-(1)為解碼后的輸入圖像幀，經(jīng) 過運(yùn)動(dòng)特征檢測和顯著特征檢測，分別得到運(yùn)動(dòng)特征二值化圖和顯著特征二值化圖，如圖 6- (2)和6-(3)所示;經(jīng)過自適應(yīng)融合后得到運(yùn)動(dòng)顯著目標(biāo)所在區(qū)域的二值化圖像幀信息， 如圖6-(4)所示;利用能量感知濾波對(duì)二值化圖像幀進(jìn)行水平方向和垂直方向能量搜索、能 量閾值劃分計(jì)算，再分別進(jìn)行去噪平滑濾波處理，最終獲得運(yùn)動(dòng)顯著目標(biāo)區(qū)域，如圖6_(5) 所示。
【主權(quán)項(xiàng)】
1. 一種基于濾波器的能量感知運(yùn)動(dòng)顯著目標(biāo)檢測算法，該算法內(nèi)容具體包括如下步 驟： 第一步，將輸入的待觀測視頻信息解碼為獨(dú)立的圖像帖序列，經(jīng)過色彩空間變換成YUV 空間圖像，該圖像帖序列的分辨率尺寸保持與原有輸入視頻分辨率相同； 第二步，通過基本特征檢測、特征融合常規(guī)運(yùn)動(dòng)顯著目標(biāo)檢測技術(shù)，本次采用光流法與 顯著分析法提取運(yùn)動(dòng)特征與顯著特征，采用自適應(yīng)加權(quán)融合方式，提取圖像帖序列中的目 標(biāo)，并獲取運(yùn)動(dòng)目標(biāo)所在區(qū)域的二值化圖像帖信息，該信息主要由運(yùn)動(dòng)目標(biāo)所在區(qū)域的定 點(diǎn)坐標(biāo)構(gòu)成； 第Ξ步，對(duì)圖像帖序列中的每一帖都分別進(jìn)行水平方向和垂直方向的能量捜索計(jì)算， 記待測視頻圖像帖的尺寸大小為η Xm，記水平方向第i列能量線的能量為巧,， 把eZ，巧,含:{^二1莊.4,記垂直方向第j行能量線的能量為而，松>〇，_/二1，2，...說)； 第四步，根據(jù)攝像機(jī)鏡頭與被測運(yùn)動(dòng)顯著目標(biāo)之間的相對(duì)距離，預(yù)估計(jì)運(yùn)動(dòng)目標(biāo)的能 量量值范圍，確定水平方向預(yù)估計(jì)能量闊值ΡτΗΧ，{ ΡτΗΧ e Z I ΡΤΗΧ > 0巧日垂直方向預(yù)估計(jì)能量 闊值ΡτΗΥ，{PtHyG Ζ I ΡΤΗΥ^Ο}，7jC平方向預(yù)估計(jì)能量闊值ΡτΗΧ和垂直方向預(yù)估計(jì)能量闊值ΡτΗΥ 根據(jù)移動(dòng)攝像頭鏡頭與被測物間的距離決定，該距離可由紅外傳感器或者激光傳感器獲 得；第五步，對(duì)水平方向能量Ρχ，& = {戶、I戶i居是巧，>化/二:1，2，"此">〇}，和垂直方向能量 Ργ，/，, =[尸|/，i. eZ.C. >0,./ = 1.2，..風(fēng)/">()}分別進(jìn)行平滑處理得到平滑后水平方向能量 集合私、和垂直方向能量集合私，；：其中，smooth為平滑處理濾波器，通過與私，的交集部分得到參P，從而確定運(yùn)動(dòng)顯著 目標(biāo)區(qū)域邊界頂點(diǎn)，標(biāo)定運(yùn)動(dòng)顯著目標(biāo)區(qū)域。
【文檔編號(hào)】G06K9/46GK105975911SQ201610272143
【公開日】2016年9月28日
【申請(qǐng)日】2016年4月28日
【發(fā)明人】楊大偉, 毛琳, 張汝波, 劉冠群, 吳俊偉, 姬夢(mèng)婷
【申請(qǐng)人】大連民族大學(xué)