[发明专利]海洋动态背景下视频小目标快速检测的结构张量方法

说明书

技术领域

本发明涉及机器视觉领域，特别是涉及一种用于在动态背景视频处理的条件下，实现目标图像中小目标快速检测的结构张量方法。

背景技术

在视频处理领域中所涉及的快速目标检测方法，主要是一种根据目标与其所处背景的特征差异，从而依靠设各种快速检测算法寻找出可能的目标。尤其是现在，在视频处理中使用的快速目标检测方法常被用于对目标进行实时的跟踪。目前，在使用传统的快速检测方法来搜索目标时，通常都基于下列前提条件：背景相对于目标而言是相对静止的；或者目标与背景的灰度或颜色有较大差异。但在现实生活中便会出现这样的问题，当目标与背景的状态呈相对运动时，或者不能完全有效的保持相对的静止状态时，使用传统的快速检测方法对可能的目标进行检测便会出现效果不太理想的问题；而当目标与背景的灰度或颜色差异不明显时，也会出现使用传统的快速检测方法无法进行有效检测的问题。为此，目标特征的有效选择对据此设计出的检测算法之性能具有重大影响。

且目前在视频处理领域中还会使用结构张量方法，作为一种高效的目标特征量的提取方法来补充传统快速检测方法的不足，其基本思想是：根据不同的物体其局部的纹理结构特征的不同，实现通过高效提取目标局部的方向性结构信息的方法，进行目标的有效区分。这是由于现实中的物体，有些局部的纹理明显、有些局部的纹理隐约、有些局部的纹理细密、有些局部的纹理粗疏；且纹理分布时的方向性也会有所差异，这些差异虽然也受成像环境的影响，但相对来说这些特征在区别不同物体时更加有效。这种结构张量方法，从实际效果看，其在局部方向性结构信息提取方面表现甚佳。该方法具体过程是：假设图像(或视频帧)有n个通道，先对每个通道图像中的每个像素逐点提取梯度，其x与y方向的两分量值分别为I_x，I_y。然后求出每个像素n个通道的n个结构张量矩阵(即张量积)，并将这n个矩阵相加得到每个像素的张量矩阵S。而后对S(每个元素)进行Gause滤波(降低噪声的影响)，得到每个像素的结构张量矩阵S记为。最后求出每个像素相应的矩阵S的两个特征值λ₁，λ₂(λ₁≥λ₂)及特征向量α₁，α₂，进而根据特征值λ₁，λ₂及特征向量α₁，α₂对该点局部的纹理结构进行进一步的判断。从理论上说由S的特征值λ₁，λ₂可得如下结论：

1)λ₁＝λ₂＝0，此时该点局部无纹理结构特征。

2)λ₁＞0，λ₂＝0，此时该点局部有单一方向的纹理结构特征。

3)λ₁＞0，λ₂＞0，此时该点局部有多方向的纹理结构特征，即该点是角点。

从上可知，结构张量方法只是一种提取每个像素局部结构特征的方法，并不是一种整体目标检测的方法；其次，求解特征值与特征向量要遍历图像的每个像素，所需的计算量很大，会消耗大量处理时间。对视频图像来说，所需处理的数据量很大，对处理的实时性要求比较高。因此，需要构造新的特征量以避免直接求解特征值与特征向量，从而避免目标特征提取时较大的时间消耗。进而据此发明一种快速的目标检测方法。本发明的应用背景是根据落水人员的视频进行目标检测，即采用机器视觉技术寻找落水的人员。此时对算法的实时性要求较高，需要达到8fps以上。另外，此时检测的目标都是些小目标，背景及目标都是动态的。传统的目标检测的方法或因时效性差，或因目标与背景呈相对的动态，或因目标太小，以致无法实现快速有效的目标检测。

发明内容

本发明所要解决的技术问题在于提供一种海洋动态背景下视频小目标快速检测的结构张量方法，以解决现有图像目标在使用传统快速检测方法进行检测时所遇到使用性方面的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：

海洋动态背景下视频小目标快速检测的结构张量方法，所述结构张量方法是通过以下步骤实现的：

1)在目标图像I及其所在区域ROI中，通过区域ROI中各通道像素的结构张量的算法，提取出每个像素的特征量H来，且所述特征量H是在目标图像I区域ROI内各通道中的像素结构张量矩阵S的主对角线元素之和；