改进SIFT匹配的动态背景下运动目标检测算法

无人机/车载运动目标检测与识别系统由于存在摄像机运动,使得场景中的背景与前景目标同时发生运动,增加了运动目标检测的难度。目前,动态背景下运动目标检测的主要方法是利用特征点的运动估计来补偿背景的运动。针对尺度不变特征变换(SIFT)特征匹配算法存在耗时长、误匹配率大,使得背景运动估计不准确,进而影响运动目标检测效果。提出了一种改进的SIFT特征匹配算法——先剔除容易丢失的边缘特征点,再利用最近邻点与次近邻点的欧式距离比确定匹配点,并用RANSAC删除运动目标上和误匹配点对,进一步实现背景运动的准确估计,从而检测得到运动目标的准确位置。试验结果表明:改进的特征点匹配算法在匹配准确度和运算速度上均优于传统SIFT特征匹配算法的性能。最终,通过背景补偿,有效消除了相机运动引入的动态误差,提高了运动目标检测的实时性和精度。

基于ORB特征匹配的全局运动估计

为提高全局运动估计的准确性,提出一种基于定向旋转不变性(oriented FAST and rotated BRIEF,ORB)特征匹配的全局运动估计算法。首先对差分图像进行分块,通过设定阈值来筛选出有效的背景运动模块,然后经ORB特征匹配后,代入六参数运动模型,通过最小二乘法求解出估计参数,最后对当前帧做补偿,比较补偿前后的差分图像中的目标轮廓的清晰度。实验结果表明:该算法能有效去除局部运动的影响,在保证全局运动估计准确性的同时,也确保该算法的有效性。

基于图切割的人体运动检测

研究利用图切割对人体进行有效检测的方法。首先在色相、饱和度和亮度(HSV)颜色空间建立自适应的背景混合模型快速提取背景;然后计算差分并消除阴影;最后构造8连通网络图,使用最小切割完成目标的分割。通过实验,对单模型与混合模型背景4、连通与8连通邻域以及基于数学形态学与基于图切割的分割进行了比较。结果表明,在实际环境下,采用本方法可快速、有效和鲁棒地对人体运动进行检测,并获得干净、光滑的分割结果。