一种基于天空背景的目标检测与跟踪算法制造技术

本发明专利技术公开了一种天空背景下的目标检测与跟踪算法：读取待跟踪视频序列信息，将每一帧图像转化为灰度图；利用视觉显著性模型计算每一帧的视觉显著性图；计算形态学梯度，获取目标的边缘轮廓信息；计算三个相邻帧之间的差分，并获得二值差分mask；对mask采用腐蚀+膨胀形态学操作去除噪点，计算连通域，获得目标的ROI(目标区域)或者若干局部ROI信息；合并距离相近的若干ROI，完成目标检测与跟踪。完成目标检测与跟踪。完成目标检测与跟踪。

【技术实现步骤摘要】
一种基于天空背景的目标检测与跟踪算法


[0001]本专利技术属于计算机视觉领域，涉及一种具体应用场景下的目标检测与跟踪方法。

技术介绍

[0002]在一般天空背景下，目标和背景的灰度值存在比较明显的差异，目标与相邻区域的对比度同样会存在明显差异，所以此时目标具有较为明显的颜色统计特征。本文采用图像的颜色全局对比来提取图像的视觉显著性图像。随后，由于帧间差分算法检测前景目标时，容易产生“空洞”和“鬼影”现象，所以采用三帧差分算法有效提取目标的二值mask。进一步地，在图像较为模糊的时候，发现使用差分获得的前景目标mask可能不完整，在计算连通域之后，需要合并相邻的ROI以获取完整目标。

技术实现思路

[0003]本专利技术公开了一种天空背景下的目标检测与跟踪方法，其特征在于：包含三个步骤，分别是mask生成步骤，连通域计算步骤，和连通域合并步骤；所述mask生成步骤主要利用到视觉显著性模型，形态学梯度和三帧差分；所述连通域计算步骤采用腐蚀+膨胀+连通结构计算算法；所述连通域合并步骤即合并距离比较接近的ROI成一个整体，距离较远的ROI则被认为是不同的目标。
[0004]优选的，读取待跟踪视频序列信息，将每一帧图像转化为灰度图；
[0005]优选的，mask生成采用视觉显著性模型，形态学梯度和三帧差分算法。
[0006]其中，视觉显著性模型公式如下：
[0007][0008]其中I(x,y)表示点x,y处的像素值，f表示灰度直方图,f
i
表示灰度等级i的频数；C(
·
,
·
)表示距离度量：
[0009]C(a,b)＝|a-b|
[0010]形态学梯度是一种基于形状的图像处理操作，采用膨胀与腐蚀操作，
[0011]其中膨胀是将与物体接触的所有背景点合并到该物体中，是边界向外部扩张的过程；其数学表达式如下：
[0012][0013]其中X为原始图像，Y为结构算子，E为掩膜；
[0014]腐蚀则是消除边界点，使边界向内部收缩的过程，其数学表达式如下：
[0015][0016]计算形态学梯度的数学表达式如下：
[0017][0018]三帧差分是在两帧差分算法的基础上进行了改进，算法将相邻三帧图像并为一组进行差分，能够准确检测到运动目标中的像素点。其数学公式描述如下：
[0019][0020][0021][0022]其中:W(n+1,n)和W(n,n-1)表示相邻两帧图像的分割结果，A
i
(x,y)表示第i帧图像的x坐标和y坐标，Diff(x,y)表示三帧差分算法的分割结果，Q为经验阈值。
[0023]优选的，所述连通域计算模块采用腐蚀+膨胀+BBDT-8邻域连通域计算算法，获得目标的ROI或若干局部ROI信息；
[0024]优选的，将距离相近的若干ROI看作是一个目标的局部区域，并将其合并成一个整体，完成目标检测与跟踪过程。其算法伪代码如下：
[0025]附图说明
[0026]图1是本专利技术所提方法的流程图；
[0027]图2是ROI合并算法的伪代码描述；
[0028]图3是第一个视频序列某一帧得到的显著性图；
[0029]图4是图3对应的三帧差分图；
[0030]图5是图3对应的检测结果；
[0031]图6是第2个视频序列某一帧得到的显著性图；
[0032]图7是图6对应的检测结果。
具体实施方式
[0033]具体实施方式如图1所示，首先读取视频序列的相邻三帧图像，并将这三帧图像转为灰度图；其次计算显著性图，形态学梯度，利用形态学梯度进行三帧差分，以获得二值前景mask；随后计算mask的连通域，获取目标的ROI或者局部ROI图；最后合并相邻的ROI，并将其看成是同一个目标。上述步骤循环进行，直到视频流读取完毕。
[0034]实验结果
[0035]图3所示为视频流中某一帧所获得的视觉显著性图。图4为三帧差分获得的mask。可以看到，由于mask中目标区域存在一些断裂，导致最终得到的ROI是同一个目标的多个部分(如图5浅色框所示)，本专利技术将这些ROI融合成一个整体(如图5深色框所示)。图6为另一组视频序列中的某一帧所获得的视觉显著性图，图7为对应的ROI。可以看到，显著性图可以基本获得目标的形状信息，但由于目标形状比较复杂，因此通过连通域计算会得到较多局部ROI(图7浅色框所示)，ROI合并得到的结果则如图7深色框所示。而且，注意到图像右下角有一个额外的目标，这个目标是忽然出现的，但很显然该目标和图7中的靶机并不属于同一个目标，因此合并的时候形成了两个单独的深色框。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种天空背景下的目标检测与跟踪方法，其特征在于：包含三个步骤，分别是mask生成步骤，连通域计算步骤，和连通域合并步骤；所述mask生成步骤主要利用到视觉显著性模型，形态学梯度和三帧差分；所述连通域计算步骤采用腐蚀+膨胀+连通结构计算算法；所述连通域合并步骤即合并距离比较接近的ROI成一个整体，距离较远的ROI则被认为是不同的目标。2.如权利要求1所述的目标检测与跟踪方法，其特征在于，读取待跟踪视频序列信息，将每一帧图像转化为灰度图。3.如权利要求1所述的目标检测与跟踪方法，其特征在于，mask生成采用视觉显著性模型，形态学梯度和三帧差分算法。其中，视觉显著性模型公式如下：其中I(x,y)表示点x,y处的像素值，f表示灰度直方图,f
i
表示灰度等级i的频数；C(
·
,
·
)表示距离度量：C(a,b)＝|a-b|形态学梯度是一种基于形状的图像处理操作，采用膨胀与腐蚀操作，其中膨胀是将与物体接触的所有背景点合并到该物体中，是边界向外部扩张的过程；其数学表达式...

【专利技术属性】
技术研发人员：吴彦学，杨志天，任维，
申请(专利权)人：成都寰蓉光电科技有限公司，
类型：发明
国别省市：