[发明专利]运动检测方法及躲避和跟踪运动目标的方法

说明书

本发明涉及了运动检测方法及跟踪运动目标的方法。其中运动检测方法包括：获取图像序列；确定图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；对运动目标在所述三维时空空间中不同三维时空方向对应的运动响应进行投影，采用空间平面上最大化投影方法，得到运动目标的最大空间运动响应；基于运动目标的最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到运动目标的方位。本发明实施例通过采用上述技术方案解决了如何准确地对特定方向、特定速度的运动做出响应的技术问题，实现了整体的运动处理流程。

技术领域

本发明涉及图像处理、计算机视觉及脑神经科学技术领域，具体而言，涉及了运动检测方法及躲避和跟踪运动目标的方法。

背景技术

对运动目标的检测，是计算机视觉领域主要研究的问题之一。根据基本原理和思想，与运动检测相关的计算机方法主要分为以下三类：

(1)帧间差分法。即：对视频图像序列中相邻的两帧之间做差分运算，从而根据图像序列灰度值的变化来分析图像序列的运动特性，发现运动的目标。该方法实现简单，但不能检测速度过慢或过快的目标，并且要求背景相对简单，不能出现剧烈或迅速的变化。

(2)光流法。其中，光流是将三维空间中目标和场景投影到二维空间，从而表现为二维图像序列中亮度模式的流动。光流法的研究正是利用图像序列中像素灰度值的时序变化和相关性来确定空间各像素点所发生的运动。光流矢量则定义为图像所在二维空间坐标系上各点灰度值的瞬时变化率。该方法适用于背景复杂且不断变化的场景，并且不需要预先训练。而缺点是计算量比较大，且计算的结果易受光照影响。

(3)背景去除法。这一类算法通常假定背景复合某一规律的模型。在算法中，首先设法估计出模型的参数，从而重建出每一帧的背景。再用序列中的每一帧对背景进行差分，从而获得前景的内容，进一步分析和判断前景的运动。该方法在背景符合某一分布时能起到很好的效果。而在背景复杂且分布情况未知或难以用模型描述时，该方法并不适用。

这些方法和真正生物学大脑对运动的检测存在着很大的区别。客观的讲，所有的这些算法都不能和真正意义上的生物大脑相比。首先，这些算法都存在一定的适用条件，例如，帧间差分法需要假定背景简单且不能出现明显的运动，背景去除法需要假定背景符合某一形式的分布，而真实的情况往往发生在这些假设条件之外。相比之下，真正的生物大脑则能够适应各种环境，不需要这些特殊的假设条件。其次，计算机算法往往在处理时间上要逊色于真实的生物大脑。以光流法为例，为了检测运动，往往需要非常复杂的运算。而以人为例，经验告诉我们，往往只需要“看一眼”，就可以感知运动的目标及形式。再有，机器算法的处理结果通常伴随着一定的错误发生，而真实的生物大脑处理结果，错误的发生的机率很低。

有鉴于此，特提出本发明。

发明内容

为了解决现有技术中的上述问题，即为了解决如何准确地对特定方向、特定速度的运动做出响应的技术问题而提供了运动检测方法及躲避和跟踪运动目标的方法。

为了实现上述目的，一方面，提供了以下技术方案：

一种运动检测方法，所述方法包括：

获取图像序列；

确定所述图像序列中运动目标在三维时空空间中不同三维时空方向对应的运动响应；

对所述运动目标在所述三维时空空间中所述不同三维时空方向对应的所述运动响应进行投影，采用空间平面上最大化投影方法，得到所述运动目标的最大空间运动响应；

基于所述运动目标的所述最大空间运动响应，采用所有空间方向上最大化空间运动响应的方法，得到所述运动目标的方位。

为了实现上述目的，另一方面，还提供一种运动检测方法，所述方法包括：

获取脑图像序列；