• 一种时空域统计匹配局部特征的运动目标检测方法

    • 摘要:

      本发明公开了一种时空域统计匹配和权重分配结合的运动目标检测方法.方法为:首先,提出并研究3‑D LWR算子可区分邻域像素点的重要性,用于提取视频的更精细的时空局部特征.其次,3‑D LWR模板集特征分别去背景和多尺度缩放形成复合模板集,与待测视频的局部特征进行匹配,得到局部相似性矩阵.最后进行时空统计,得到运动目标的位置概率矩阵,并通过分析位置概率矩阵来提取运动目标.本方法将传统的LARK算子和权重分配相结合,构建了一种新的运动目标时空统计匹配检测模型.对比现有监督类方法,本发明不需要大量训练就能达到同等检测精度;对比现有的非监督类方法,本发明扩展了待测视频适用的场景和拍摄角度,降低了误检率,对可见光视频和红外视频均适用.

    • 专利类型:

      发明专利

    • 申请/专利号:

      CN201611223070.9

    • 申请日期:

      2016.12.27

    • 公开/公告号:

      CN107067413A

    • 公开/公告日:

      2017-08-18

    • 发明人:

      柏连发 崔议尹 韩静 张毅

    • 申请人:

      南京理工大学

    • 主分类号:

      G06T7/246(2017.01)I,G,G06,G06T,G06T7

    • 分类号:

      G06T7/246(2017.01)I,G06K9/62(2006.01)I,G,G06,G06T,G06K,G06T7,G06K9,G06T7/246,G06K9/62

    • 主权项:

      一种时空域统计匹配局部特征的运动目标检测方法,其特征在于,包括以下步骤:步骤1、提出3‑D LWR算子:根据邻域像素点距离中心像素点的距离远近,设置基于圆域滤波器的时空权重滤波器f,结合现有的局部自适应回归核,得到时空局部带权重的回归核3‑D LWR算子;步骤2、构建复合模板集:将模板视频转成灰度图片序列,然后将图片序列去背景,选取运动半身和多尺度缩放处理,再用3‑D LWR算子提取模板的局部特征,最后用主成分分析法和向量余弦匹配法对模板局部特征做冗余去除处理;步骤3、待测视频预处理:将待测视频转换为灰度图片序列,并提取显著性区域,提取显著视频的3‑D LWR特征,并用主成分分析法进行去冗余处理;步骤4、时空域相似性评估:将待测视频显著区域内每一像素点对应的3‑D LWR特征向量,与复合模板集的所有特征向量进行余弦匹配,记录最大匹配值对应的模板中向量的位置;步骤5、时空域整体相似度统计:设立时空统计窗口,统计窗口内不同的位置数目,得到运动目标存在的概率矩阵;步骤6、根据统计概率矩阵,用非极大值抑制的方法,逐帧提取出运动目标位置,并恢复成视频.