本发明专利技术公开了一种无人机视角动目标检测方法及装置，属于无人机图像处理领域，用于解决现有技术中由于光照变化、前后帧背景更替和风吹草木动等干扰因素导致误检的技术问题。获取视频中连续的前后两帧图像；对前一帧图像和当前帧图像分别灰度化处理；对灰度化处理后的前一帧图像和当前帧图像分别进行特征点提取；对提取到的特征点进行匹配，得到多个最佳匹配特征点；使用多个最佳匹配特征点计算前一帧图像到当前帧图像的映射矩阵；使用优化映射矩阵、基于统计预处理后的图像进行帧差，并结合多轨迹目标筛选的方法，能有效减少甚至消除由于光照变化、前后帧背景更替和风吹草木动等干扰因素引起的误检。扰因素引起的误检。扰因素引起的误检。
【技术实现步骤摘要】
一种无人机视角动目标检测方法及装置
[0001]本专利技术属于无人机领域，涉及一种检测方法，具体是一种无人机视角动目标检测方法及装置。
技术介绍
[0002]随着无人机的高速发展，基于无人机平台进行目标检测已逐渐成为计算机视觉的一大研究热点。实际上，在军事方面早已采用无人机进行区域巡检和侦查，如今在民用领域也有高空区域巡检的需求。巡检航拍视频的主要特点是目标比较小、图像分辨率较低、背景复杂、目标的运动相对于背景的运动比较小等，这些特点使得研究人员在对航拍视频中的目标进行检测时面临重重挑战。目前已有的算法中，对航拍视频检测多目标都没有一个比较稳妥的方法，常常受复杂的场景、环境因素、目标尺寸、成像质量等等因素限制和影响。
[0003]基于背景建模的动目标检测方法，在针对摄像头固定场景中，动目标检测效果较好，但是光照和风吹草木动，也会影响实际动目标的检出率；在无人机视角的场景中，背景建模动目标检测方法在受上面因素影响的同时，由于无人机一直处于飞行过程中，在摄像机视场范围内的目标也会不同，导致采集到的视频前后帧也会存在差异，这部分差异在背景建模的动目标检测方法中也会被检测出来，而它不是实际中真实的动目标，引起算法的误检。
[0004]深度学习的目标检测识别方法，在只能提供有限数据量的应用场景下，深度学习不能够对数据的规律进行无偏差估计。为提高精度，需要大量数据支撑。由于深度学习中模型的复杂化导致算法的时间复杂度急剧提升，为了保证算法的实时性，需要更高的并行编程技巧和更好的硬件支持。因此深度学习模型的普适性差强人意，深度学习模型要做到实时性对于一般中等配置显卡的电脑很难做到。
技术实现思路
[0005]针对现有技术存在的不足，本专利技术的目的在于，提供一种无人机视角动目标检测方法及装置，以解决现有技术中由于光照变化、前后帧背景更替和风吹草木动等干扰因素导致误检的技术问题。
[0006]为了解决上述技术问题，本专利技术采用如下技术方案予以实现：一种无人机视角动目标检测方法，具体包括以下步骤：步骤一，获取视频中连续的前后两帧图像；步骤二，对前一帧图像和当前帧图像分别灰度化处理；步骤三，对步骤二得到的灰度化处理后的前一帧图像和当前帧图像分别进行特征点提取；步骤四，对步骤三提取到的特征点进行匹配，得到多个最佳匹配特征点；步骤五，使用步骤四得到的多个最佳匹配特征点计算前一帧图像到当前帧图像的映射矩阵；
步骤六，对步骤五得到的映射矩阵进行优化，得到优化映射矩阵；步骤七，使用优化映射矩阵得到前一帧图像的映射图像；步骤八，将步骤七得到的前一帧图像的映射图像与当前帧图像作基于统计的图像进行帧差，得到帧差图像；步骤九，对经过步骤八处理的得到的帧差图像进行阈值分割处理，得到二值图像；步骤十，对步骤九得到的二值图像进行多轨迹目标筛选，得到当前二值图像的动目标位置信息；步骤十一，将步骤十得到的当前动目标位置信息返算得到当前帧图像的目标位置信息；步骤十二，重复执行步骤一至步骤十一，直到视频结束。
[0007]本专利技术还包括以下技术特征：步骤六中，对步骤五得到的映射矩阵进行优化，得到优化映射矩阵的方法具体包括以下步骤：步骤6.1，保存步骤五得到的映射矩阵；步骤6.2，判断步骤五得到的映射矩阵的个数是否小于第一阈值，是则将步骤五得到的映射矩阵作为当前的优化映射矩阵，进入步骤七；否则保存步骤五得到的映射矩阵，同时基于先进先出的原则，删除保存的映射矩阵中第一个位置的映射矩阵，并进入步骤6.3；步骤6.3，计算当前保存的每一个映射矩阵对应的运动信息，所述的运动信息为x偏移量、y偏移量和角度偏移量；并对所有的运动信息分别进行平滑操作，得到平均运动信息；步骤6.4，根据平均运动信息得到每一个映射矩阵需要补偿的x偏移量、y偏移量和角度偏移量，并对其进行补偿，得到优化映射矩阵。
[0008]步骤八中，具体包以下步骤：步骤8.1，对前后两帧图像的任一个相同的位置进行统计预处理操作，具体如下：比较前一帧图像和当前帧图像的相同位置在预设邻域的像素值，统计两者的像素差值不大于第二阈值的个数；若统计的个数大于预设邻域个数的一半，则认为当前位置像素值相同，并且赋予当前帧图像和前一帧图像在该位置的像素值为固定值；若统计的个数小于预设邻域个数的一半，则认为当前位置像素值不同，该位置为目标位置点，不改变前后两帧图像在当前位置的像素值；步骤8.2，重复步骤8.1，直到遍历前后两帧图像的每一个相同的位置，完成前一帧图像和当前帧图像的预处理；步骤8.3，对预处理后的前一帧图像和当前帧图像进行帧差操作，得到帧差图像。
[0009]步骤8.1中，所述的第二阈值的确定方法：获取当前帧指定位置的行或者列灰度值与前一帧指定位置的行或者列灰度值的差值的平均值，作为当前位置的第二阈值。
[0010]步骤十中，所述的多轨迹目标筛选的方法具体包括以下步骤：步骤10.1，对步骤九得到的二值图像进行轮廓提取，获取当前二值图像的目标位置信息和当前轮廓图；
步骤10.2，判断当前的历史帧目标位置信息是否为空；是则将所得到的当前二值图像的目标位置信息保存到历史帧目标位置信息中；否则，使用筛选策略，根据已经保存的历史帧目标位置信息对得到的当前二值图像的目标位置信息进行筛选并保存；步骤10.3，在步骤10.2中保存的历史帧的目标位置信息中，将目标位置间距小于第三阈值的像素的目标位置信息合并成一个目标位置信息，并进行保存；步骤10.4，将步骤10.3合并得到的历史帧的目标位置信息中最后一个位置的目标位置信息作为当前帧的动目标位置信息。
[0011]步骤10.2中，所述的筛选策略具体包括以下内容：S1，在历史帧目标位置信息中的最后一个位置的目标位置信息的预设邻域查找当前轮廓图是否有目标轮廓，若有则将该目标轮廓对应位置信息保存到该历史帧的目标信息位置中，同时在当前轮廓图像中清除该目标轮廓；若无，则认为该历史帧的目标信息在当前帧消失或者没有检测出来；S2，使用S1的方法搜索所有的历史帧目标位置信息的对应的预设邻域，若所有预设邻域已经搜索完成，且当前轮廓图中轮廓的个数不等于0，则认为当前轮廓图中的目标轮廓为新增的目标位置，将该目标位置信息保存至历史帧目标位置信息；S3，判断是否保存有第四阈值帧数的历史帧目标位置信息，若是进入S4，否则进入10.3；S4，统计连续第四阈值帧数的历史帧目标位置信息中，每个目标的目标位置信息的个数，若个数大于第四阈值帧数的半数，则认为该目标的目标位置信息是实际要检测的动目标位置；反之，则认为该目标是干扰目标，删除该目标的目标位置信息。
[0012]在执行步骤10.3前，还包括：删除步骤10.2中保存的历史帧目标位置信息中靠近边界的第五阈值像素的目标位置信息。对步骤一获取的前后两帧图像进行灰度化处理之前做光线矫正，具体如下：以当前帧图像的亮度作为亮度基准，对前一帧图像进行光线矫正，使两帧图像的亮度保持在一个等级。
[0013]在步骤十一中，得到当前帧图像的目标位置信息后，在图像上画出动目标位置。
[0014]一种检测装置，所述的检测装置用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无人机视角动目标检测方法，其特征在于，具体包括以下步骤：步骤一，获取视频中连续的前后两帧图像；步骤二，对前一帧图像和当前帧图像分别灰度化处理；步骤三，对步骤二得到的灰度化处理后的前一帧图像和当前帧图像分别进行特征点提取；步骤四，对步骤三提取到的特征点进行匹配，得到多个最佳匹配特征点；步骤五，使用步骤四得到的多个最佳匹配特征点计算前一帧图像到当前帧图像的映射矩阵；步骤六，对步骤五得到的映射矩阵进行优化，得到优化映射矩阵；步骤七，使用优化映射矩阵得到前一帧图像的映射图像；步骤八，将步骤七得到的前一帧图像的映射图像与当前帧图像作基于统计的图像进行帧差，得到帧差图像；步骤九，对经过步骤八处理的得到的帧差图像进行阈值分割处理，得到二值图像；步骤十，对步骤九得到的二值图像进行多轨迹目标筛选，得到当前二值图像的动目标位置信息；步骤十一，将步骤十得到的当前动目标位置信息返算得到当前帧图像的目标位置信息；步骤十二，重复执行步骤一至步骤十一，直到视频结束。2.如权利要求1所述的无人机视角动目标检测方法，其特征在于，步骤六中，对步骤五得到的映射矩阵进行优化，得到优化映射矩阵的方法具体包括以下步骤：步骤6.1，保存步骤五得到的映射矩阵；步骤6.2，判断步骤五得到的映射矩阵的个数是否小于第一阈值，是则将步骤五得到的映射矩阵作为当前的优化映射矩阵，进入步骤七；否则保存步骤五得到的映射矩阵，同时基于先进先出的原则，删除保存的映射矩阵中第一个位置的映射矩阵，并进入步骤6.3；步骤6.3，计算当前保存的每一个映射矩阵对应的运动信息，所述的运动信息为x偏移量、y偏移量和角度偏移量；并对所有的运动信息分别进行平滑操作，得到平均运动信息；步骤6.4，根据平均运动信息得到每一个映射矩阵需要补偿的x偏移量、y偏移量和角度偏移量，并对其进行补偿，得到优化映射矩阵。3.如权利要求1所述的无人机视角动目标检测方法，其特征在于，步骤八中，具体包以下步骤：步骤8.1，对前后两帧图像的任一个相同的位置进行统计预处理操作，具体如下：比较前一帧图像和当前帧图像的相同位置在预设邻域的像素值，统计两者的像素差值不大于第二阈值的个数；若统计的个数大于预设邻域个数的一半，则认为当前位置像素值相同，并且赋予当前帧图像和前一帧图像在该位置的像素值为固定值；若统计的个数小于预设邻域个数的一半，则认为当前位置像素值不同，该位置为目标位置点，不改变前后两帧图像在当前位置的像素值；步骤8.2，重复步骤8.1，直到遍历前后两帧图像的每一个相同的位置，完成前一帧图像
和当前帧图像的预处理；步骤8.3，对预处理后的前一帧图像和当前帧图像进行帧差操作，得到帧差图像。4.如权利要求3所述的无人机视角动目标检测方法，步骤8.1中，所述的第二阈值的确定方法：获取...
【专利技术属性】
技术研发人员：张欢飞，宁瑞芳，孙景峰，李权，雷豆豆，刘帆，贾旭东，韩向阳，
申请(专利权)人：山东智航智能装备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。