[发明专利]基于轨迹点时空一致性的红外弱小运动目标的检测方法

摘要

本发明公开了本发明基于轨迹点时空一致性的红外弱小运动目标的检测方法，首先，对连续的视频帧图像，提取不同长度的稠密轨迹，生成动态变化的轨迹列表；其次，应用轨迹点空间聚集模型对单帧图像中的候选目标进行检测并利用运动特性对伪目标进行剔除；针对轨迹点的聚集性表示，提出了一种轮廓数编码机制；最后，针对连续视频帧，提出了一种基于轮廓码字一致性的后向目标检测算法；本发明同时考虑目标轨迹点的空间聚集性和时间一致性，以求检测率的最大化和虚警率的最小化。

主权项

1.基于轨迹点时空一致性的红外弱小运动目标的检测方法，其特征在于，具体按照以下步骤实施：/n步骤1、采集视频图像V＝{I^k}，并灰度化处理得V'＝{Igray^k}，图像大小为width×height，k＝1,2,…,K，K为视频总帧数；/n步骤2、创建一个动态变化的轨迹列表TrajL，初始化TrajL为空，轨迹列表中每条轨迹的最大长度设置为15；/n步骤3、判断步骤1中采集到的当前帧图像I_k是否为视频的第一帧图像I₁，如果是，转入步骤4；否则转入步骤5；/n步骤4、对第一帧视频帧灰度图像Igray¹进行稠密采样，得到稠密点集N₁为稠密点的总个数,把P_sam¹中的点按顺序添加到TrajL中的第一列：/n 式中，TrajL(:,1)对应TrajL中的第一列轨迹点，TrajL中第1列的轨迹点集记为/n步骤5、利用Farneback光流算法计算前后两帧图像Igray^k-1和Igray^k的光流场，得到光流场flow^k，根据光流场flow^k对TrajL中第k-1列轨迹点集进行跟踪，得到Igray^k中对应的跟踪点集把P_tra^k中的点依次压入TrajL的第k列：/n /n式中，TrajL(:,k)对应TrajL中第k列轨迹点，N_k-1为TrajL的第k列的轨迹点总个数；/n步骤6、根据背景点与目标点运动特性的不同对TrajL中的可疑轨迹进行滤除，生成滤除后的轨迹列表TrajL'，TrajL'的第k列轨迹点表示为：/n /n式中，TrajL'(:,k)对应TrajL'中第k列轨迹点，N_k-1^-为TrajL'的第k列轨迹点的总个数，TrajL'中第列轨k迹点集记为/n步骤7、创建一个二值图像根据TrajL'中第k列轨迹点集PS^k中的轨迹点在Igray^k中的坐标位置对中的对应像素赋值为255，其余像素赋值为0，对进行形态学膨胀处理，得到图像对图像进行轮廓提取，得到轮廓集R^k为第k帧提取到的轮廓个数；/n步骤8、采用编码算法对轨迹列表TrajL'中第k列轨迹点集PS^k中的轨迹点的所在轮廓号进行编码，得到对应的码字集并计算得到各个轮廓内的轨迹点集N_r表示第r个轮廓内的轨迹点个数，r＝1,2,…,R^k；/n步骤9、分别计算各个轮廓内轨迹点集在前s帧对应轨迹点集的聚集性，表示为符号S表示需要计算聚集性的最大连续帧帧数，r＝1,2,…,R^k；/n步骤10、s从1到S对求和，判断在连续S帧对应的轨迹点集的聚集连续性，如果sumI≥T₂×S,说明当前帧的第r个轮廓内的轨迹点集在连续S帧中存在时空一致性，则为目标轮廓，存入当前帧目标轮廓容器obj_k中，反之，就认为当前帧的第r个轮廓内的轨迹点集在连续S帧中不存在时空一致性，则对应伪目标，r＝1,2,…,R^k；/n步骤11、对TrajL'中第k列的轨迹点进行稠密化，更新轨迹列表TrajL'为TrajL″，此时TrajL″的第k列轨迹点为：/n /n式中，N_k为TrajL″的第k列轨迹点的总个数；/n步骤12、在视频图像I^k中输出步骤10计算得到的目标检测结果obj_k；/n步骤13、令k＝k+1，如果k≤K，令TrajL＝TrajL”，p＝p'，并转入步骤5，否则目标检测结束。/n