一种基于相关特征匹配的移动目标检测方法_王明高

方法为: 确定算子的模板, 例如 3 @ 3的模板, 将模板
上灰度小于模板中心像素灰度值的像素置为 1; 否 则置为 0。
1 f (m, n ) > f (m + k, n + l) e( k, l) =
0 其他
其中, m, n是模板中心的坐标; k, l 在模板的范围内 变化。
计算模板中 1的个数:
征向量列表
P i = [ A rea, Cx, Cy, W, H ] T 其中, 下标 i表示特征向量的个数。
提取特征的详细方法步骤如下:
( 1) 对图像中特定灰度值的曲线进行标定, 标 定值为 P1, P2, ,, Pn。用标定值作为区别该特征与 其他特征的标志;
( 2) 对标定值进行跟踪, 并对像素坐标进行累加,
3. 2 目标检测及整合
相邻 3帧图像进行特征提取并且保留参数后形
成两个特征数据的数据集:
M1 =
{ p(1 1) ,
p2( 1) ,
,,
p ( 1) k
}
M2 =
{ p(1 2) ,
p2( 2) ,
,,
p ( 2) m
}
M3 =
{ p(1 2) ,
p2( 2) ,
,,
p ( 2) n
}
在两个特征数据集中遍历特征, 通过以下的约
量, 本文将图像灰度均值与均方差的差作为自适应 阈值 T, 保留目标主体特征, 并将图像二值化:
f (x, y ) = 1 f (x, y ) > T 0 f (x, y ) < T
13 74
中国图象图形学报
第 12卷
对二值化图像进行上下左右自差分来获得特征
轮廓, 对得到的边缘进行形态学膨胀和腐蚀操作, 将
x = 0 y= 0
(m @ n - 1)
m, n 分别是图像的长宽。
( 2) 进行膨胀、腐蚀和自差分运算, 运算后的图
像特征更加简单, 减少了运算量。
( 3) 特征参数化, 将特定区域相关系数的计算
改为相关特征参数欧式距离的计算, 加快检测速度。
3. 1 特征提取
灰度均方差是描述图像灰度值偏离均值情况的
2 相关系数法
相关系数法检测移动目标一般分为两步。首先
要选择合适的特征, 这些特征应该对灰度的变化不
敏感。然后通过对相同特征区域进行特征相关系数
计算来确定对应的特征从而确定移动目标。这里用
单调算子进行特征提取。
2. 1 单调算子特征提取
经过单调算子处理后得到的特征几乎和照度无
关, 又能够简单地区分灰度结构。单调算子的计算
为了克服以上问题, 利用以下方法改进: ( 1) 图像的均方差反映了图像中灰度的波动范 围, 灰度波动大则均方差大, 反之, 则小。利用灰度 图均值和均方差的差值为自适应阈值去除噪音及细
节信息并尽可能保留主要特征。通过该阈值能够很
好地过滤图像中相对于背景灰度变化比较大的目标
物。阈值的计算方法为
T = abs( m ean( f (x, y )) - sqrt( f (x, y )))
m ean( f (x, y ))是图像灰度均值, sqrt( f (x, y ))为
图像均方差, f (x, y )为图像的灰度值:
m ean(f ( x, y )) =
mn
E E f (x, y )
x = 0 y= 0
(m @ n )
sqrt(f ( x, y )) =
mn
1 /2
E E f (x, y ) - m ean( f )) 2
Abstrac t T h is paper propo ses a me thod o f detec ting m ov ing objects aga inst chang ing backg round based on correlativ e feature m atching. The resu lt of the m ean o f p ixe l va lue m inus the var iance of pix el value is used as the adaptive threshold to separate the object from the backg round; the features are ex tracted and param ete rized from the im age; using the Euc lidean d istance between the feature to de tect objects; F iltering the sta tic object th rough three continuous fram e. Th is m ethod reduce the ca lcu la tion greatly compare to the m ethod using corre lative parame ter, and the me thod is no t subject to the sam e background be tw een the neighbour ing fram es. The va lidity o f the m ethod is proved by exper im ent. K eywords adap tive thresho ld, feature ex traction, mov ing object detection
第 12卷 第 8期 2007年 8月
中国图象图形学报 Journa l o f Im age and G raphics
V o .l 12, N o. 8 A ug. , 2007
一种基于相关特征匹配的移动目标检测方法
王明高 王 琰
( 沈阳理工大学信息科学与工程学院, 沈阳 110064 )
摘 要 提出了一种在 变化背景中利用相关特征匹配来检测移动目标的方法, 该方法利用图 像的灰度 均值及灰度 均方差作为自适应阈值过滤原图 像, 将图像中的目标物分离; 提取特征并将特征参数 化, 利用 特征参数 欧式距离检 测目标; 通过检测连续多帧图像, 对图像中非移动目标进行过滤, 最终得到移动 目标。该方法 与相关系 数法检测移 动目标的方法相比减少了计算量 , 并且相邻图像中存 在部分 相同背 景的情 况不影 响检测结 果。实验 结果证 明, 该 方法能在变化背景图像 中有效地检测到运动目标。 关键词 自适应阈值 特征提取 移动目标检测 中图法分类号: TP391. 4 文献标识码: A 文章编号 : 1006-8961( 2007) 08-1372- 05
M (m, n ) = E e( k, l) k, l
对于 3 @ 3模板, 通过将模板内的灰度进行映射 为特定值来提取点、线、边、角等结构特征。
2. 2 相关系数确定对应特征
为了在相邻两帧中找到相匹配的特征, 需要从 第 1帧图像 f1 (x, y )中截取小部分区域, 将该区域与 第 2帧图像 f 2 ( x, y )中特定搜索范围内相同尺寸区 域进行匹配。在内积矢量空间中, 两个矢量特征如
Detection ofM oving Objects Based on Correlative F eature M atched
WANG M ing-gao, WANG Yan
( S chool of Inf orm a tion Sc ience & E ng ineering , Shenyang L ig ong U niversity, S henyang 110064)
1引 言
动态图像提供了比静态图像更加丰富的信息。 随着技术的发展, 动态图像处理也越来越多地被应 用到国防和民用等诸多领域, 如对空检测中的目标 跟踪、机载或弹载红外图像目标检测、交通监控、汽 车电子辅助驾驶及气象云图分析等。动态图像分析 的基本任务是从图像序列中检测出运动信息, 识别 与跟踪运动目标和估计 3维参数 [ 1] 。
果 平 行, 即 两 个 特 征 是 一 样 的, 此 时 的 C auchy-
Schw arz不等式中的等号成立。
Qf1 ( x, y ) f 2 ( x, y ) dx dy [
w
1 /2
Q Q f
2 1
( x,
y)
dx dy
f
2 2
(
x,
y
)
dx
dy
w
w
也就是说互相关系数 r (m, n)需要极大化, 其中 m, n
是该区域的中心的坐标。
2 r (m, n )=
2
E E f1, m, n (x + p, y + q)
f2,m, n( x + p + k, y + q+ l)
p, qI w indow
p, qI w indow
E
E 2
f 1, m, n( x + p, y + q)
2 f 2, m, n( x + p + k, y + q + l)
基金项目: / 十五 0预研兵器支撑基金项目 ( Y J0467048) 收稿日期: 2005-08-22; 改回日期: 2006-01-09 第一作者简介: 王明高 ( 1976~ ) , 男。现为沈阳理工大学信息科学与工程学院计算机软件与理论专业 研究生。主要研 究方向是图像处 理与模式识别。 E-m ai:l wm gao96@ s ina. com. cn
静止背景中运动目标检测的算法主要有相邻帧 差的算法和基于背景图像和当前帧差的算法, 以及
在背景 灰 度变 化较 大 的情 况 下基 于 差 分的 改 进 算法 [ 2, 3] 。
变化背景中检测移动目标的一种常用方法是光 流法, 在光流场中, 移动目标的边缘与背景存在明显 的速度差, 通过微分计算产生速度矢量场, 从而确定 移动目标。但由于物体本身内部没有速度矢量场, 所以往往不能检测物体的完整轮廓, 往往通过光流 场和其他图像处理的方法结合来检测目标 [ 4~ 6] 。相 邻图像特定区域相关系数法检测移动目标是移动目 标检测的另一种方法, 基于相邻图像序列在空间上 存在很多的相关特征, 所以选定景物特征, 利用特征 间的相关性检测目标能够 排除光流法中的 不确定