一种针对复杂运动图像的检测处理方法及系统技术方案

本发明专利技术公开了一种针对复杂运动图像的检测处理方法及系统，涉及图像检测处理技术领域

【技术实现步骤摘要】
一种针对复杂运动图像的检测处理方法及系统


[0001]本专利技术涉及图像检测处理
，尤其涉及一种针对复杂运动图像的检测处理方法及系统
。

技术介绍

[0002]复杂条件下的运动目标检测一直是视频监控图像处理和理解领域的难点，也日益成为视频监控图像处理系统实用性和可靠性的严重障碍
。
由于各种视频监控图像应用的场合不尽相同，运动目标所处的环境和背景千变万化，这对运动目标检测方法的适应性和稳健性提出了更高的要求
。
但是从目前的条件和技术水平来说，建立抗干扰性强
、
能适应各种场合各种条件的
、
稳健的运动目标检测方法非常困难
。
目前已出现了很多在特定条件下具有良好性能的运动目标检测和跟踪的方法
。
针对不同的应用场合的检测方法，其可靠性和稳定性较易实现，然而如何提高检测方法对于复杂条件的适应性和鲁棒性是一个充满挑战的课题
。
[0003]在实现本专利技术技术方案的过程中，发现现有技术在目标检测过程中，由于受到噪声
、
多光源
、
阴影
、
透明性和遮挡性等多种原因的影响，只用单一的目标检测技术非常难以完成复杂场景中的目标检测任务
。
[0004]因此，提出一种针对复杂运动图像的检测处理方法及系统，来解决现有技术存在的困难，是本领域技术人员亟需解决的问题
。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种针对复杂运动图像的检测处理方法及系统，在复杂条件下的适应性强
、
鲁棒性强，有效降低特征匹配的计算复杂度
。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种针对复杂运动图像的检测处理方法，包括以下步骤：
[0008]S1.
获取图像：获取待检测的复杂运动图像；
[0009]S2.
图像分块：将获取的复杂运动图像分为
L*S
块，
L、S
为正整数；
[0010]S3.
求特征点：对每个图像分块，求取
TOP M
个特征点，其中
X
为待检测图像对应的特征点的总个数；
[0011]S4.
特征点匹配：针对每个所求取的特征点对应的描述子，基于暴力算法，依次与其他待检测的图像中的其他特征点对应的描述子进行一一配对，得到互相匹配的特征点集合；
[0012]S5.
检测结果：采用混合高斯模型对特征点集合进行前景检测，获得前景检测结果，通过光流计算得到检测结果
。
[0013]上述的方法，可选的，
S3
中求取
TOP M
个特征点的具体内容为：基于特征点算法求取
TOP M
个特征点
。
[0014]上述的方法，可选的，
S4
中描述子为二元鲁棒独立基本特征描述子
。
[0015]上述的方法，可选的，
S4
中其他特征点为，其他待检测的图像中部分区域内的特征点；
[0016]所述部分区域在其他待检测的图像中的相对位置与所求取的特征点及其相邻的特征点在其对应的图像中的相对位置一致
。
[0017]上述的方法，可选的，
S5
中混合高斯模型的计算公式为：
[0018][0019]其中，
k
表示高斯核，
t
表示时间，
X
t
表示当前像素值，
μ
k
，
t
表示高斯核的均值，
σ
k
，
t
表示高斯核的方差
。
[0020]一种针对复杂运动图像的检测处理系统，应用上述任一项的一种针对复杂运动图像的检测处理方法，包括：获取图像模块
、
图像分块模块
、
求特征点模块
、
特征点匹配模块
、
检测结果模块；
[0021]获取图像模块，与图像分块模块的输入端连接，用于获取待检测的复杂运动图像；
[0022]图像分块模块，与求特征点模块的输入端连接，用于将获取的复杂运动图像分为
L*S
块，
L、S
为正整数；
[0023]求特征点模块，与特征点匹配模块的输入端连接，用于对每个图像分块，求取
TOP M
个特征点；
[0024]特征点匹配模块，与检测结果模块输入端连接，用于针对每个所求取的特征点对应的描述子，基于暴力算法，依次与其他待检测的图像中的其他特征点对应的描述子进行一一配对，得到互相匹配的特征点集合；
[0025]检测结果模块，用于采用混合高斯模型对特征点集合进行前景检测，获得前景检测结果，通过光流计算得到检测结果
。
[0026]经由上述的技术方案可知，与现有技术相比，本专利技术提供了一种针对复杂运动图像的检测处理方法及系统，具有以下有益效果：
[0027](1)
在复杂条件下的适应性强
、
鲁棒性强；
[0028](2)
采用的混合高斯模型与光流计算相结合的方式，具有较为理想的检测结果；
[0029](3)
相对其他前景目标检测方案更合理，效果更佳；
[0030](4)
有效降低特征匹配的计算复杂度，处理速度快，支持实时处理拍摄图像
。
附图说明
[0031]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图
。
[0032]图1为本专利技术提供的一种针对复杂运动图像的检测处理方法流程图；
[0033]图2为本专利技术提供的一种特征点和部分区域在图像分块中的位置示意图；
[0034]图3为本专利技术提供的一种针对复杂运动图像的检测处理系统框图
。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0036]参照图1所示，本专利技术公开了一种针对复杂运动图像的检测处理方法，包括以下步骤：
[0037]S1.
获取图像：获取待检测的复杂运动图像；
[0038]S2.
图像分块：将获取的复杂运动图像分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种针对复杂运动图像的检测处理方法，其特征在于，包括以下步骤：
S1.
获取图像：获取待检测的复杂运动图像；
S2.
图像分块：将获取的复杂运动图像分为
L*S
块，
L、S
为正整数；
S3.
求特征点：对每个图像分块，求取
TOP M
个特征点，其中
X
为待检测图像对应的特征点的总个数；
S4.
特征点匹配：针对每个所求取的特征点对应的描述子，基于暴力算法，依次与其他待检测的图像中的其他特征点对应的描述子进行一一配对，得到互相匹配的特征点集合；
S5.
检测结果：采用混合高斯模型对特征点集合进行前景检测，获得前景检测结果，通过光流计算得到检测结果
。2.
根据权利要求1所述的一种针对复杂运动图像的检测处理方法，其特征在于，
S3
中求取
TOP M
个特征点的具体内容为：基于特征点算法求取
TOP M
个特征点
。3.
根据权利要求1所述的一种针对复杂运动图像的检测处理方法，其特征在于，
S4
中描述子为二元鲁棒独立基本特征描述子
。4.
根据权利要求1所述的一种针对复杂运动图像的检测处理方法，其特征在于，
S4
中其他特征点为，其他待检测的图像中部分区域内的特征点；所述部分区域在其他待检测的图像中的相对位置与所求取的特征点及其相邻的特征点在其对应的图像中的...

【专利技术属性】
技术研发人员：王云峰，原斌韬，王浩丞，马官宁，杜艺，咬红燕，
申请(专利权)人：甘肃政法大学，
类型：发明
国别省市：