本發(fā)明主要屬于目標(biāo)入侵檢測(cè)技術(shù)領(lǐng)域,具體涉及一種基于無(wú)人機(jī)影像的區(qū)域闖入的目標(biāo)檢測(cè)方法。
背景技術(shù):
目標(biāo)檢測(cè)是將監(jiān)控場(chǎng)景中的單幀圖像或者序列圖像的感興趣目標(biāo)與背景區(qū)域分割出來(lái),從圖像中識(shí)別和提取有意義的物體實(shí)體的操作。無(wú)人機(jī)完成各種任務(wù)的先決條件是快速準(zhǔn)確地檢測(cè)出監(jiān)控場(chǎng)景中的目標(biāo)。當(dāng)前無(wú)人機(jī)運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究均處于針對(duì)特定問(wèn)題設(shè)計(jì)特定方法的階段,對(duì)復(fù)雜多變的工作場(chǎng)景的自適應(yīng)能力差。而且,目標(biāo)檢測(cè)級(jí)別要求根據(jù)應(yīng)用環(huán)境不同而有差異。總體來(lái)說(shuō),目標(biāo)檢測(cè)的首要任務(wù)是搜索一定場(chǎng)景范圍,判斷目標(biāo)是否存在,并將目標(biāo)與背景、目標(biāo)與噪聲分開(kāi),完成目標(biāo)位置區(qū)域的提取。
運(yùn)動(dòng)目標(biāo)檢測(cè)一般包括幀間差分法、背景差分法和光流法。幀間差分適用于動(dòng)態(tài)變化的背景,計(jì)算量小,檢測(cè)精度不高。背景差分關(guān)鍵是對(duì)背景進(jìn)行建模生成背景圖像,通過(guò)當(dāng)前幀圖像與背景圖像進(jìn)行差分檢測(cè)運(yùn)動(dòng)目標(biāo),但難點(diǎn)在于對(duì)背景模型建模。光流法包含場(chǎng)景中物體的運(yùn)動(dòng)場(chǎng)信息,合并相似的運(yùn)動(dòng)矢量可檢測(cè)出目標(biāo),不需要掌握目標(biāo)的先驗(yàn)知識(shí)。
光流計(jì)算方法可分為基于頻率能量、基于特征關(guān)聯(lián)匹配和基于微分梯度的三類(lèi)方法?;陬l率能量的光流法是在傅立葉空間中通過(guò)速度調(diào)諧濾波器計(jì)算光流?;谔卣髌ヅ涞年P(guān)聯(lián)匹配方法的關(guān)鍵問(wèn)題是影像特征的選取、匹配準(zhǔn)則、窗口尺寸和搜索策略的選擇。基于微分梯度的方法通過(guò)序列影像中像素灰度的時(shí)空變化計(jì)算光流,這類(lèi)方法中經(jīng)典的計(jì)算方法是Horn-Schunck和Lucas-Kanade局域算法。對(duì)于無(wú)人機(jī)上搭載的載荷獲得的視頻影像,時(shí)域和空域上常常不滿足光流的連續(xù)性條件。特征匹配只能獲取局部區(qū)域內(nèi)的特征點(diǎn)對(duì)應(yīng)光流,無(wú)法描述無(wú)人機(jī)視頻幀整體運(yùn)動(dòng)位移情況,計(jì)算時(shí)間長(zhǎng)?;谖⒎痔荻鹊姆椒ň哂姓w性,可獲得全局光流,實(shí)效性較好。兩種方法相互間具有一定的互補(bǔ)性,結(jié)合空間大。
技術(shù)實(shí)現(xiàn)要素:
針對(duì)上述問(wèn)題,本發(fā)明提供一種快速自動(dòng)目標(biāo)檢測(cè)方法。所述方法相比傳統(tǒng)的基于SIFT的圖像配準(zhǔn)方法和基于Lucas-Kanada稠密光流計(jì)算方法,降低無(wú)人機(jī)視頻的幀間特征點(diǎn)搜索范圍,克服無(wú)人機(jī)影像中的運(yùn)動(dòng)大位移問(wèn)題,提高檢測(cè)能力;從而降低區(qū)域闖入的人工檢測(cè)強(qiáng)度,提高無(wú)人機(jī)的自動(dòng)感知能力。
本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的:
一種快速自動(dòng)目標(biāo)入侵檢測(cè)方法,所述方法用于無(wú)人機(jī)的目標(biāo)檢測(cè),所述方法對(duì)無(wú)人機(jī)機(jī)載攝像頭獲取的原始視頻中的原始圖像進(jìn)行高斯金字塔分層,以降低特征點(diǎn)提取的計(jì)算復(fù)雜度;然后提取圖像SIFT特征點(diǎn)進(jìn)行圖像配準(zhǔn)、采用金字塔的LK稀疏光流捕獲圖像中的運(yùn)動(dòng)信息以實(shí)現(xiàn)目標(biāo)點(diǎn)運(yùn)動(dòng)計(jì)算、運(yùn)動(dòng)點(diǎn)聚類(lèi)并剔除偽目標(biāo)、最終進(jìn)行目標(biāo)判定實(shí)現(xiàn)目標(biāo)檢測(cè)。
進(jìn)一步地,所述方法包括以下步驟:
(1)原始視頻的獲?。焊鶕?jù)無(wú)人機(jī)對(duì)監(jiān)控區(qū)域的巡檢方式,設(shè)置機(jī)載攝像頭的位置,獲得原始視頻;
(2)圖像配準(zhǔn):將原始視頻中的原始圖像進(jìn)行高斯金字塔分層,提取圖像的SIFT特征點(diǎn),進(jìn)行圖像配準(zhǔn);
(3)特征點(diǎn)運(yùn)動(dòng)計(jì)算:對(duì)經(jīng)過(guò)步驟(2)圖像配準(zhǔn)后的圖像采用LK稀疏光流計(jì)算并捕獲圖像中任意特征點(diǎn)的運(yùn)動(dòng)信息;其中,所述運(yùn)動(dòng)信息包括運(yùn)動(dòng)方向和運(yùn)動(dòng)速度;
(4)運(yùn)動(dòng)點(diǎn)聚類(lèi):基于步驟(3)獲得的任意特征點(diǎn)的運(yùn)動(dòng)信息,對(duì)無(wú)人機(jī)監(jiān)視區(qū)域中所有特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi);
(5)目標(biāo)判定:經(jīng)步驟(4)運(yùn)動(dòng)點(diǎn)聚類(lèi)后,依據(jù)運(yùn)動(dòng)點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度剔除偽目標(biāo);確定闖入的目標(biāo),實(shí)現(xiàn)目標(biāo)檢測(cè)。
進(jìn)一步地,步驟(1)中,所述巡檢方式包括對(duì)監(jiān)控區(qū)域按照巡線進(jìn)行巡檢和無(wú)人機(jī)按照定點(diǎn)定高懸停進(jìn)行巡檢兩種方式;
當(dāng)按照巡線進(jìn)行巡檢時(shí),控制機(jī)載攝像頭光軸在豎直平面上,當(dāng)無(wú)人機(jī)按照定點(diǎn)定高懸停進(jìn)行巡檢時(shí),控制機(jī)載攝像頭光軸垂直于地面。
進(jìn)一步地,步驟(2)中,將原始圖像進(jìn)行高斯金字塔分層,分層的層數(shù)至少為兩層。
進(jìn)一步地,步驟(3)中,通過(guò)將LK稀疏光流與步驟(2)中的高斯金字塔分層相結(jié)合,實(shí)現(xiàn)從粗到精的分層策略,將圖像分解成不同的分辨率,并將在粗尺度下得到的結(jié)果作為下一個(gè)尺度的初始值。
進(jìn)一步地,步驟(4)具體為:基于步驟(3)獲得任意特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度,對(duì)特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi),聚類(lèi)計(jì)算方法具體為:
通過(guò)以下公式求得theta:
其中,R為監(jiān)控區(qū)域的半徑;|OP|為通過(guò)定位算法得到的目標(biāo)特征點(diǎn)O相對(duì)攝像頭光軸中心P的水平距離;
OL1和OL2所示的兩條矢量線分別代表闖入和非闖入的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng),OL1和OL2與OC的夾角分別為:
OL1與OC的夾角α1有
|α1|<theta (2)
OL2與OC的夾角α2有
|α2|≥theta (3)
設(shè)定運(yùn)動(dòng)目標(biāo)的速度在OC上投影的模閾值為|Vn|,則OL1在OC投影長(zhǎng)度滿足條件:
|Vn|≤|OL1|·cos(α1) (4)
設(shè)OL1表示目標(biāo)闖入特征點(diǎn)矢量,則需同時(shí)滿足以下兩個(gè)條件才可判斷特征點(diǎn)O為闖入目標(biāo)特征點(diǎn):
進(jìn)一步地,步驟(5)具體為:根據(jù)步驟(4)中對(duì)特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi)的結(jié)果,將滿足條件的運(yùn)動(dòng)點(diǎn)保留,將保留的特征點(diǎn)進(jìn)行統(tǒng)計(jì)分析,對(duì)視頻圖像從上到下進(jìn)行遍歷,取n×n像素塊中特征點(diǎn)進(jìn)行統(tǒng)計(jì);n×n像素塊中超過(guò)一定數(shù)量的特征點(diǎn)即確定為闖入目標(biāo),進(jìn)行闖入報(bào)警,否則為偽目標(biāo)。
本發(fā)明的有益技術(shù)效果:
與現(xiàn)有無(wú)人機(jī)目標(biāo)檢測(cè)方法相比,本發(fā)明提出的基于無(wú)人機(jī)影像的區(qū)域入侵的目標(biāo)檢測(cè)方法具有以下優(yōu)勢(shì):
(1)將目標(biāo)運(yùn)動(dòng)信息與無(wú)人機(jī)業(yè)務(wù)功能相結(jié)合,不需要對(duì)目標(biāo)的先驗(yàn)知識(shí)掌握;
(2)基于金字塔的特征點(diǎn)提取,降低特征點(diǎn)提取的計(jì)算復(fù)雜度,控制圖像配準(zhǔn)的計(jì)算時(shí)間。
(3)通過(guò)對(duì)無(wú)人機(jī)不同場(chǎng)景、不同時(shí)間的視頻圖像進(jìn)行試驗(yàn)驗(yàn)證,結(jié)果表明該方法具有較好的區(qū)域入侵目標(biāo)檢測(cè)能力。
附圖說(shuō)明
圖1為監(jiān)控區(qū)域入侵目標(biāo)檢測(cè)算法流程圖;
圖2為無(wú)人機(jī)巡線模式航線設(shè)計(jì)示意圖;
圖3為無(wú)人機(jī)懸停模式示意圖;
圖4為金字塔分層原理圖;
圖5為特征點(diǎn)光流矢量示意圖。
具體實(shí)施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)描述。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明,并不用于限定本發(fā)明。
相反,本發(fā)明涵蓋任何由權(quán)利要求定義的在本發(fā)明的精髓和范圍上做的替代、修改、等效方法以及方案。進(jìn)一步,為了使公眾對(duì)本發(fā)明有更好的了解,在下文對(duì)本發(fā)明的細(xì)節(jié)描述中,詳盡描述了一些特定的細(xì)節(jié)部分。對(duì)本領(lǐng)域技術(shù)人員來(lái)說(shuō)沒(méi)有這些細(xì)節(jié)部分的描述也可以完全理解本發(fā)明。
實(shí)施例1
一種快速自動(dòng)目標(biāo)入侵檢測(cè)方法,所述方法用于無(wú)人機(jī)的目標(biāo)檢測(cè),所述方法對(duì)無(wú)人機(jī)機(jī)載攝像頭獲取的原始視頻中的原始圖像進(jìn)行高斯金字塔分層,以降低特征點(diǎn)提取的計(jì)算復(fù)雜度;然后提取圖像SIFT特征點(diǎn)進(jìn)行圖像配準(zhǔn)、采用金字塔的LK稀疏光流捕獲圖像中的運(yùn)動(dòng)信息以實(shí)現(xiàn)目標(biāo)點(diǎn)運(yùn)動(dòng)計(jì)算、運(yùn)動(dòng)點(diǎn)聚類(lèi)并剔除偽目標(biāo)、最終進(jìn)行目標(biāo)判定實(shí)現(xiàn)目標(biāo)檢測(cè)。
如圖1所示,所述方法包括以下步驟:
(1)原始視頻的獲?。焊鶕?jù)無(wú)人機(jī)對(duì)監(jiān)控區(qū)域的巡檢方式,設(shè)置機(jī)載攝像頭的位置,獲得原始視頻;
如圖2所示,所述巡檢方式包括對(duì)監(jiān)控區(qū)域按照巡線進(jìn)行巡檢和無(wú)人機(jī)按照定點(diǎn)定高懸停進(jìn)行巡檢兩種方式;機(jī)載攝像頭光軸垂直于地面;
(2)圖像配準(zhǔn):將原始視頻中的原始圖像進(jìn)行高斯金字塔化分層重采樣,提取圖像的SIFT特征點(diǎn),進(jìn)行圖像配準(zhǔn);其中,進(jìn)行高斯金字塔分層,分層的層數(shù)至少為兩層。
(3)特征點(diǎn)運(yùn)動(dòng)計(jì)算:對(duì)經(jīng)過(guò)步驟(2)圖像配準(zhǔn)后的圖像采用金字塔LK稀疏光流計(jì)算并捕獲圖像中任意特征點(diǎn)的運(yùn)動(dòng)矢量。
光流的計(jì)算一般有以下假設(shè):
Ⅰ.一個(gè)特征點(diǎn)在幀fi-1和幀fi中的顏色值相等(對(duì)于灰度圖像,其亮度相等),即對(duì)于圖像上t時(shí)刻p(x,y)點(diǎn)的灰度表示為I(x,y,t),經(jīng)過(guò)時(shí)間差dt后,對(duì)應(yīng)點(diǎn)的灰度為I(x+dx,y+dy,t+dt),微分求導(dǎo),有
Ixu+Iyv=-It (1)
其中:
表示特征點(diǎn)p(x,y)在x方向上的光流;
表示特征點(diǎn)p(x,y)在y方向上的光流;
表示圖像灰度對(duì)位置x,y和時(shí)間t的偏導(dǎo)。
整理式(1)可得
其中:
是圖像在點(diǎn)p處的梯度;
Vp=(u,v)為特征點(diǎn)的光流。
Ⅱ.空間一致性,即鄰近像素的運(yùn)動(dòng)是一致的。
Ⅲ.兩幅圖像間像素位移比較小。
Ⅳ.不能識(shí)別垂直于局部梯度的運(yùn)動(dòng);式(2)中包含u和v兩個(gè)未知量,必須尋找新的約束才可求解。
由于旋翼無(wú)人機(jī)巡線時(shí)航速較低(5m/s~7m/s),拍攝的視頻重疊率高,基本符合上述的四點(diǎn)假設(shè),應(yīng)用Lucas-Kanada稀疏光流進(jìn)行跟蹤具有合理性。Lucas-Kanada算法是基于局部約束,假定以點(diǎn)p(x,y)為中心的一個(gè)小鄰域內(nèi)各點(diǎn)的光流相同,對(duì)區(qū)域內(nèi)不同的點(diǎn)賦予不同的權(quán)重,則Lucas-Kanada稀疏光流計(jì)算為求式(3)的極小值。
其中:Ω代表以p點(diǎn)為中心的一個(gè)小鄰域,在本實(shí)例中Ω表示3×3的局部窗口。
W(x)為窗口函數(shù),代表區(qū)域中各點(diǎn)的權(quán)重,離p點(diǎn)越近,權(quán)重越高。
可得超定圖像流約束方程如下所示:
計(jì)算局部窗口中式(4),可得到圖像中任意特征點(diǎn)的運(yùn)動(dòng)矢量(即運(yùn)動(dòng)信息,包括運(yùn)動(dòng)方向和運(yùn)動(dòng)速度)。通過(guò)將LK稀疏光流與步驟(2)中的高斯金字塔分層相結(jié)合,實(shí)現(xiàn)從粗到精的分層策略,將圖像分解成不同的分辨率,并將在粗尺度下得到的結(jié)果作為下一個(gè)尺度的初始值。該方法能夠捕獲大運(yùn)動(dòng)速度的目標(biāo)。
(4)運(yùn)動(dòng)點(diǎn)聚類(lèi):基于步驟(3)獲得的任意特征點(diǎn)的運(yùn)動(dòng)矢量,對(duì)無(wú)人機(jī)監(jiān)視區(qū)域中所有特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi);
基于步驟(3)獲得任意特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度,對(duì)特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi),如圖5所示,聚類(lèi)計(jì)算方法具體為:
計(jì)算特征點(diǎn)O過(guò)巡檢區(qū)域所在的外接圓切線(Tl或Tr)相對(duì)于特征點(diǎn)O與外接圓心C所在直線的夾角theta,通過(guò)以下公式求得:
其中,R為監(jiān)控區(qū)域的半徑;|OC|為通過(guò)定位算法得到的目標(biāo)特征點(diǎn)O位置相對(duì)監(jiān)控區(qū)域中心C的水平距離;
OL1和OL2所示的兩條矢量線分別代表闖入和非闖入的運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng),OL1和OL2與OC的夾角分別為:
OL1與OC的夾角α1有
|α1|<theta (6)
OL2與OC的夾角α2有
|α2|≥theta (7)
根據(jù)經(jīng)驗(yàn)值,設(shè)定運(yùn)動(dòng)目標(biāo)的速度在OC上投影的模閾值為|Vn|,則OL1在OC投影長(zhǎng)度滿足條件:
|Vn|≤|OL1|·cos(α1) (8)
設(shè)OL1表示目標(biāo)闖入特征點(diǎn)矢量,則需同時(shí)滿足以下兩個(gè)條件才可判斷特征點(diǎn)O為闖入目標(biāo)特征點(diǎn):
其中根據(jù)對(duì)闖入目標(biāo)點(diǎn)的判斷準(zhǔn)確率,實(shí)施例|Vn|的取值優(yōu)選0.5m/s。
(5)目標(biāo)判定:經(jīng)步驟(4)運(yùn)動(dòng)點(diǎn)聚類(lèi)后,依據(jù)運(yùn)動(dòng)點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度剔除偽目標(biāo);確定闖入的目標(biāo),實(shí)現(xiàn)目標(biāo)檢測(cè)。
步驟(5)具體為:根據(jù)步驟(4)中對(duì)特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度進(jìn)行聚類(lèi)的結(jié)果,將滿足條件的運(yùn)動(dòng)點(diǎn)保留,將保留的特征點(diǎn)進(jìn)行統(tǒng)計(jì)分析,對(duì)視頻圖像從上到下進(jìn)行遍歷,取n×n像素塊中特征點(diǎn)進(jìn)行統(tǒng)計(jì),在本實(shí)施例中n取150;150×150像素塊中超過(guò)3個(gè)特征點(diǎn)的目標(biāo)即確定為闖入目標(biāo),進(jìn)行闖入報(bào)警,否則為偽目標(biāo)。