一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法技術(shù)

本發(fā)明專利技術(shù)公開(kāi)了一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，首先搭建基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)，包括：視頻圖像冗余信息預(yù)處理模塊、前景圖像獲取模塊、Blob分析模塊和目標(biāo)輸出模塊。然后通過(guò)視頻圖像冗余信息預(yù)處理模塊對(duì)視頻圖像進(jìn)行冗余信息的預(yù)處理；之后通過(guò)前景圖像獲取模塊進(jìn)行閾值化處理獲取前景圖像；再通過(guò)Blob分析模塊對(duì)得到的前景圖像進(jìn)行Blob分析；最后通過(guò)目標(biāo)輸出模塊輸出檢測(cè)到的運(yùn)動(dòng)目標(biāo)信息。本發(fā)明專利技術(shù)能在更大范圍上模擬人眼的視覺(jué)去除較多的圖像冗余信息，同時(shí)由于其是基于MSE的改進(jìn)方法，保留了計(jì)算速度快的優(yōu)點(diǎn)，能夠獲得與主觀感知較一致的運(yùn)動(dòng)檢測(cè)結(jié)果，并在圖像視覺(jué)質(zhì)量感知評(píng)價(jià)中并取得了非常優(yōu)異的效果。

A moving object detection method based on visual quality perception model

The invention discloses a method for moving target detection based on visual quality perception model, firstly in the paper, including the moving target detection platform, visual quality perception model based on redundant information: video image preprocessing module, foreground image acquisition module, Blob analysis module and output module. Then through the video image redundancy information pretreatment module of the redundant information of the video image acquisition module; after threshold processing to obtain the foreground image through the foreground image; then modules of the foreground image obtained by the Blob analysis by Blob analysis; at last through the moving target information output module outputs the detected target. The invention can simulate the human eye in a wider range of visual image remove more redundant information, at the same time because of the improved method based on MSE, retains the advantages of fast computation speed, can obtain the motion detection result is consistent with the subjective perception, and perception in the evaluation of image visual quality and achieved very good effect.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
本專利技術(shù)涉及一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，特別是一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
技術(shù)介紹
運(yùn)動(dòng)目標(biāo)的檢測(cè)目的是快速、準(zhǔn)確地檢測(cè)出視頻中的運(yùn)動(dòng)目標(biāo)。目前廣泛應(yīng)用于工業(yè)檢測(cè)、視頻監(jiān)控、導(dǎo)航、航空航天等諸多領(lǐng)域。隨著社會(huì)的發(fā)展與科技的進(jìn)步，實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)成為智能視頻監(jiān)控領(lǐng)域的一個(gè)基礎(chǔ)并且核心的任務(wù)。常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法有幀差法、背景減除法、光流法、運(yùn)動(dòng)能量法以及各種方法的混合方法等。幀差法與背景減除法雖然速度快但誤檢率高。光流法與運(yùn)動(dòng)能量法運(yùn)算復(fù)雜，很難滿足實(shí)時(shí)處理的要求。同時(shí)以上方法都存在對(duì)光照變化敏感的缺點(diǎn)，不能很好的檢測(cè)運(yùn)動(dòng)目標(biāo)，與人的主觀感知存在一定差異。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)目的在于提供一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，解決現(xiàn)有運(yùn)動(dòng)目標(biāo)檢測(cè)方法對(duì)光照變化敏感問(wèn)題。一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法的具體步驟為：第一步搭建基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)，包括：視頻圖像冗余信息預(yù)處理模塊、前景圖像獲取模塊、Blob分析模塊和目標(biāo)輸出模塊。視頻圖像冗余信息預(yù)處理模塊的功能為：對(duì)視頻圖像進(jìn)行冗余信息的預(yù)處理；前景圖像獲取模塊的功能為：通過(guò)對(duì)幀差MSE得到的目標(biāo)圖像進(jìn)行閾值化處理獲取前景圖像；Blob分析模塊的功能為：對(duì)得到的前景圖像進(jìn)行Blob分析；目標(biāo)輸出模塊的功能為：輸出檢測(cè)到的運(yùn)動(dòng)目標(biāo)信息。第二步視頻圖像冗余信息預(yù)處理模塊對(duì)視頻圖像進(jìn)行冗余信息的預(yù)處理視頻圖像冗余信息預(yù)處理模塊首先對(duì)每一幀視頻圖像進(jìn)行灰度化處理得到灰度圖像，然后對(duì)灰度圖像進(jìn)行模擬視覺(jué)線性濾波處理去除二階冗余，最后采用對(duì)比度增益控制去除視頻高階冗余，獲得NLOG處理后的視頻圖像。其中，LOG濾波算子的尺度以及濾波窗口和對(duì)比度增益控制窗口的大小能夠通過(guò)調(diào)節(jié)以適應(yīng)實(shí)際情況下的運(yùn)動(dòng)目標(biāo)檢測(cè)。所述模擬視覺(jué)線性濾波是基于LOG濾波來(lái)實(shí)現(xiàn)。LOG濾波器是一種與人眼的視網(wǎng)膜神經(jīng)節(jié)細(xì)胞與外側(cè)膝狀體感受相似的濾波器，能夠消除圖像中的二階冗余，提取圖像中的重要結(jié)構(gòu)信息。由于經(jīng)過(guò)模擬視覺(jué)線性濾波處理后的圖像中仍存在高階冗余，故需要用對(duì)比度增益控制進(jìn)行進(jìn)一步的消除。因而對(duì)于視頻圖像冗余信息的預(yù)處理具體是采用LOG與對(duì)比度增益控制相結(jié)合的NLOG算法來(lái)消除視頻二階和高階冗余信息。去除冗余信息后的圖像具有對(duì)光照變化不敏感的特點(diǎn)。所述LOG濾波算子是高斯函數(shù)在水平方向和垂直方向的二階導(dǎo)數(shù)之和。LOG濾波算子表示為公式（1）：（1）式中：為高斯函數(shù)，和為高斯函數(shù)的二階導(dǎo)數(shù)，為L(zhǎng)OG濾波算子的尺度參數(shù)；、為位置參數(shù)。人類視覺(jué)系統(tǒng)存在對(duì)比度增益控制機(jī)制。在圖像處理相關(guān)的研究中區(qū)分歸一化變換Divisivenormalizationtransform，簡(jiǎn)稱DNT，被用來(lái)模擬對(duì)比度增益控制機(jī)制。將LOG濾波算子與DNT模型聯(lián)合起來(lái)，直接對(duì)圖像LOG信號(hào)進(jìn)行DNT變換。通過(guò)將傳統(tǒng)DNT模型中的線性濾波器組用LOG濾波算子代替，對(duì)空間相鄰系數(shù)的能量采用高斯函數(shù)進(jìn)行加權(quán)作為對(duì)比度增益控制因子。對(duì)比度增益進(jìn)行控制后的LOG信號(hào)記做NLOG信號(hào)。對(duì)于圖像信號(hào)的NLOG處理，見(jiàn)公式（2）所示：（2）式中：為高斯模糊函數(shù)；是常數(shù)，用來(lái)防止分母為零和控制輸出的飽和程度。為進(jìn)行處理的像素，為NLOG處理后的結(jié)果，、為高斯模糊函數(shù)的窗口長(zhǎng)寬的大小。、是變量，的取值在1到之間，的取值在1到之間。第三步前景圖像獲取模塊通過(guò)閾值化處理獲取前景圖像前景圖像獲取模塊對(duì)得到的NLOG處理后的視頻圖像進(jìn)行幀差MSE獲得運(yùn)動(dòng)目標(biāo)圖像，并進(jìn)行閾值化處理獲得前景圖像。由于獲得的前景圖像包含了噪聲，所以采用形態(tài)學(xué)閉運(yùn)算，以消除噪聲并填補(bǔ)空白的檢測(cè)到的對(duì)象。最后進(jìn)行運(yùn)動(dòng)區(qū)域面積的篩選，使前景圖像中少于X個(gè)的像素點(diǎn)的區(qū)域被排除掉。由于利用幀差法來(lái)進(jìn)行前景的提取對(duì)于光照變化敏感，而經(jīng)過(guò)NLOG處理的圖像去除了圖像的二階冗余以及一部分高階冗余，對(duì)光照變化不再敏感。因而通過(guò)幀差MSE能夠穩(wěn)定地檢測(cè)出視頻中的運(yùn)動(dòng)目標(biāo)。所述NLOG幀差MSE表示為公式（2）：（3）式中表示第k幀經(jīng)過(guò)NLOG處理后的圖像，表示NLOG幀差MSE圖像,、為像素位置坐標(biāo)。所述閾值化處理過(guò)程表示為公式（3）：（4）其中，表示前景圖像，為前景分割閾值。第四步Blob分析模塊進(jìn)行Blob分析并獲取運(yùn)動(dòng)目標(biāo)信息Blob分析模塊對(duì)得到的前景圖像進(jìn)行Blob分析，獲得前景圖像中的運(yùn)動(dòng)目標(biāo)信息，包括：運(yùn)動(dòng)目標(biāo)區(qū)域大小、運(yùn)動(dòng)目標(biāo)數(shù)目和運(yùn)動(dòng)目標(biāo)區(qū)域位置。所述Blob的全稱為二進(jìn)制大對(duì)象binarylargeobject，Blob分析是對(duì)圖像中相同像素的連通域的屬性進(jìn)行分析，包括：區(qū)域的面積、周長(zhǎng)和重心位置。在進(jìn)行Blob分析以前，把圖像分割為構(gòu)成斑點(diǎn)和局部背景的二進(jìn)制像素集合。Blob分析能夠?yàn)闄C(jī)器視覺(jué)應(yīng)用提供圖像中的目標(biāo)的有無(wú)、數(shù)量、面積、位置、長(zhǎng)度、方向的信息，是圖像處理的最基本方式。第五步目標(biāo)輸出模塊輸出檢測(cè)到的運(yùn)動(dòng)目標(biāo)信息目標(biāo)輸出模塊利用Blob分析獲取的運(yùn)動(dòng)目標(biāo)信息，將運(yùn)動(dòng)目標(biāo)在視頻圖像中用紅色矩形框標(biāo)出并播放顯示，包括：運(yùn)動(dòng)目標(biāo)的數(shù)量和位置。至此，完成了基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)。本專利技術(shù)中基于視覺(jué)質(zhì)量感知的圖像質(zhì)量評(píng)價(jià)模型與人的感知的一致性差異較小，其中NLOG-MSE算法能在更大范圍上模擬人眼的視覺(jué)去除較多的圖像冗余信息，同時(shí)由于其是基于MSE的改進(jìn)方法，保留了計(jì)算速度快的優(yōu)點(diǎn)，因此通過(guò)加入NLOG-MSE到運(yùn)動(dòng)檢測(cè)模型中，能夠獲得與主觀感知較一致的運(yùn)動(dòng)檢測(cè)結(jié)果；經(jīng)過(guò)實(shí)踐檢驗(yàn)NLOG-MSE應(yīng)用于圖像視覺(jué)質(zhì)量感知評(píng)價(jià)中并取得了非常優(yōu)異的效果。此外，本專利技術(shù)對(duì)于獲得的前景圖像進(jìn)行Blob分析，能夠獲取前景中運(yùn)動(dòng)目標(biāo)的有無(wú)，大小，位置等信息并進(jìn)行輸出，繼而能夠通過(guò)獲得的位置與大小信息在原始視頻圖像上進(jìn)行運(yùn)動(dòng)目標(biāo)標(biāo)注并播放展示。附圖說(shuō)明圖1一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述運(yùn)動(dòng)目標(biāo)檢測(cè)流程圖；圖2一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述LOG濾波器圖；圖3一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述NLOG計(jì)算示意圖；圖4一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述NLOG處理后的某幀視頻圖像；圖5一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述NLOG處理后的某相鄰幀視頻圖像；圖6一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述相鄰兩幀NLOG幀差MSE處理并進(jìn)行閾值化獲得的前景圖像；圖7一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述進(jìn)行形態(tài)學(xué)閉運(yùn)算后獲得前景圖像；圖8一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述對(duì)前景圖像進(jìn)行Blob分析后獲得運(yùn)動(dòng)目標(biāo)信息；圖9一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法所述運(yùn)動(dòng)目標(biāo)信息繪制到原始視頻進(jìn)行播放顯示示意圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本專利技術(shù)做進(jìn)一步詳細(xì)描述，顯然，所描述的實(shí)施例僅僅是本專利技術(shù)的一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本專利技術(shù)的保護(hù)范圍。一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法的具體步驟為：第一步搭建基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于具體步驟為：第一步?搭建基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)；基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)，包括：視頻圖像冗余信息預(yù)處理模塊、前景圖像獲取模塊、Blob分析模塊和目標(biāo)輸出模塊；第二步?視頻圖像冗余信息預(yù)處理模塊對(duì)視頻圖像進(jìn)行冗余信息的預(yù)處理；第三步?前景圖像獲取模塊通過(guò)對(duì)幀差MSE得到的目標(biāo)圖像進(jìn)行閾值化處理獲取前景圖像；第四步?Blob分析模塊對(duì)得到的前景圖像進(jìn)行Blob分析；第五步?目標(biāo)輸出模塊輸出檢測(cè)到的運(yùn)動(dòng)目標(biāo)信息。

【技術(shù)特征摘要】
1.一種基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于具體步驟為：第一步搭建基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)；基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)平臺(tái)，包括：視頻圖像冗余信息預(yù)處理模塊、前景圖像獲取模塊、Blob分析模塊和目標(biāo)輸出模塊；第二步視頻圖像冗余信息預(yù)處理模塊對(duì)視頻圖像進(jìn)行冗余信息的預(yù)處理；第三步前景圖像獲取模塊通過(guò)對(duì)幀差MSE得到的目標(biāo)圖像進(jìn)行閾值化處理獲取前景圖像；第四步Blob分析模塊對(duì)得到的前景圖像進(jìn)行Blob分析；第五步目標(biāo)輸出模塊輸出檢測(cè)到的運(yùn)動(dòng)目標(biāo)信息。2.如權(quán)利要求1所述的基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于：所述視頻圖像冗余信息預(yù)處理模塊首先對(duì)每一幀視頻圖像進(jìn)行灰度化處理得到灰度圖像，然后對(duì)灰度圖像進(jìn)行模擬視覺(jué)線性濾波處理去除二階冗余，最后采用對(duì)比度增益控制去除視頻高階冗余，獲得NLOG處理后的視頻圖像；其中，LOG濾波算子的尺度以及濾波窗口和對(duì)比度增益控制窗口的大小能夠通過(guò)調(diào)節(jié)以適應(yīng)實(shí)際情況下的運(yùn)動(dòng)目標(biāo)檢測(cè)。3.如權(quán)利要求1或2所述的基于視覺(jué)質(zhì)量感知模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于：所述前景圖像獲取模塊對(duì)得到的NLO...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳曉剛，潘藝旻，王薷健，孫志鵬，葉剛進(jìn)，馮新華，潘堅(jiān)躍，鄭偉彥，俞旻慧，王偉，施松陽(yáng)，林德彩，
申請(qǐng)(專利權(quán))人：國(guó)網(wǎng)浙江省電力公司杭州供電公司，西安交通大學(xué)，
類型：發(fā)明
國(guó)別省市：浙江,33