[发明专利]一种复杂动态背景下飞机检测方法

说明书

本发明公开了一种复杂动态背景下飞机检测方法，复杂动态背景下飞机检测方法包括基于ORB算法提取目标图像的特征点，并进行特征点统计分布；获取目标ROI区域外的区域标记为背景区域，并构建k‑dimensiona树，计算第t帧和第t+Δt帧的背景特征点描述子间的距离，判断背景特征点匹配是否成功；基于匹配成功的背景特征点计算两帧间的单应矩阵H，并基于RANSAC算法优化得到目标单应矩阵H_best，基于目标单应矩阵H_best在两帧之间进行透视变换进行运动补偿；对运动补偿后的图像进行双阈值差分处理，得到检测图像。实现排除误匹配点，建立对于不同场景的动态变化均具有自适应性的背景模型，准确检测出飞机。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种复杂动态背景下飞机检测方法。

背景技术

空中飞机机检测技术主要有声学、雷达、视频等检测手段，声学检测是将声学传感器收录的音频信息与数据库的声音信号匹配检测所需目标，该方法原理简单，但是检测距离通常在500米以内且受噪声干扰较大，当目标处于高速飞机状态时，由于声音速度较慢，定位与实际目标位置相距较大；雷达监测使用电磁波反射原理，也是当前飞机检测的主要手段，随着飞机隐身性能更强，当飞机近地飞行时，雷达更难以发现目标；基于视频的运动目标检测作为一个集合图像、数学、计算机于一体的交叉学科，是近年来图像处理领域的热门方向，已在自动驾驶、智能交通等领域得到应用。

运动摄像机下空中飞机检测相对于静态摄像机情境下又有其特殊难点，主要表现为飞机运动的同时摄像机也在运动，天空场景复杂，亮度不均匀等现实问题。现有技术对飞机的检测效果不佳。

发明内容

本发明的目的在于提供一种复杂动态背景下飞机检测方法，旨在解决现有技术对飞机检测效果不佳的问题。

为实现上述目的，本发明提供了一种复杂动态背景下飞机检测方法，包括：

基于ORB算法提取目标图像的特征点，并进行特征点统计分布；

获取目标ROI区域外的区域标记为背景区域，并构建k-dimensiona树，计算第t帧和第t+Δt帧的背景特征点描述子间的距离，判断背景特征点匹配是否成功；

基于匹配成功的背景特征点计算两帧间的单应矩阵H，并基于RANSAC算法优化得到目标单应矩阵H_best，基于目标单应矩阵H_best在两帧之间进行透视变换进行运动补偿；

对运动补偿后的图像进行双阈值差分处理，得到检测图像。

在一实施方式中，基于ORB算法提取目标图像的特征点，并进行特征点统计分布，具体包括：

获取视频窗大小C×R，视频窗设置的n个子区域W_n，计算子区域特征点与坐标中心的平均欧几里得距离

其中，x_i,y_i为特征点的横纵坐标，为子区域所有特征点横纵坐标均值；U_n为每个子区域中特征点个数。

在一实施方式中，基于ORB算法提取目标图像的特征点，并进行特征点统计分布，具体还包括：

基于子窗口评分公式判断存在预设概率的目标区域，其中，所述子窗口评分公式为：

其中，U_n为每个子区域中特征点个数；为子区域特征点与坐标中心的平均欧几里得距离。

在一实施方式中，基于子窗口评分公式判断存在预设概率的目标区域，具体包括：

获取评分S_n降序排列在前的三块子区域A、B、C；