中国科学院长春光学精密机械与物理研究所,吉林 长春130033
作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor,ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略:(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest,ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明:改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。
运动目标检测 ViBe算法 动态噪声抑制 阴影消除 moving target detection ViBe algorithm dynamic noise suppression shadow elimination
1 中国科学院空天信息创新研究院,北京 100194
2 中国科学院大学,北京 100049
3 华南理工大学 软件学院,广东 广州 510006
4 中国科学院上海光学精密机械研究所 量子光学重点实验室,上海 201800
激光雷达具有全天候工作、探测精度高、有效探测距离远、易获得三维信息等特点,但工作在远距离模式时,目标点云比较稀疏。当前便携条件下,基于深度学习的算法在激光雷达点云数据直接目标识别时,实时性和成功率尚不能达到远程监视实际工程的要求。针对实际工程中利用激光雷达检测运动目标进而实时引导高分辨率相机的需求,采用基于变化的检测方法,对远距离条件下激光雷达的运动目标检测方法进行了研究,利用点云数据的距离信息,给出三维单高斯模型和三维高斯混合模型检测动目标的过程和方法,提出了利用杂波图恒虚警率检测法处理点云数据的方法。实验表明,与二维图像动目标检测方法相比,三维单高斯模型法会很大程度提高检测准确性,降低虚警率,但仍然存在较高虚警率。为适应复杂三维场景,采用基于三维高斯混合模型的方法进一步降低了虚警率,但也降低了检测速度;而杂波图CFAR的方法具有很高的实时性,同时也具有较好的检测性能。
动目标检测 杂波图CFAR 激光雷达 三维高斯混合模型 moving target detection clutter map CFAR lidar 3D Gaussian mixture model 红外与激光工程
2023, 52(4): 20220506
南京邮电大学电子与光学工程学院、微电子学院,江苏 南京 210023
为了在多种环境条件下进行快速、高效的运动目标检测,提出一种基于新型背景提取的运动目标检测算法。首先,从视频中读取N帧连续图像,对任一像素位置,将每帧图像与其余图像对应位置依次作差,得到N组包含N个差值的差值序列;然后,基于矩形径向基函数,统计每个差值序列中属于矩形宽度内的差值个数;最后,将最大频率的差值序列所对应的像素值作为背景,通过背景减法提取运动目标。实验结果表明,在数据量一定的条件下,所提方法建立背景与真实背景的结构相似性值比ViBe算法高0.162,运动目标检测结果的precision、recall、F1-measure、假正率指标均优于ViBe算法和GMM算法。即所提算法是一种具有较高的精确性和抗干扰能力的运动目标检测算法。
图像处理 背景提取 运动目标检测 动态背景 径向基函数 激光与光电子学进展
2023, 60(12): 1210021
1 航天工程大学,a研究生院
2 航天工程大学,b.电子与光学系, 北京 101000
在高速运动目标逆合成孔径雷达(ISAR)成像中, 基于传统线性调频(LFM)信号参数估计进行相位补偿的方法存在计算复杂和误差大等问题, 对此提出一种基于卷积神经网络(CNN)的线性调频信号调频斜率估计方法。首先采用Wigner-Ville分布的时频分析方法对一定范围调频斜率的线性调频信号生成时频图像构建训练集; 其次将高速运动目标回波信号经Wigner-Ville分布处理的时频图输入到卷积神经网络中, 对回波信号调频斜率进行识别; 接着通过识别的调频斜率对目标速度进行反演, 进而构建补偿信号并对回波信号进行相位补偿; 最后通过距离多普勒成像算法处理后可得到清晰的ISAR像。仿真实验结果表明了所提方法的有效性。
高速运动目标 ISAR成像 卷积神经网络 Wigner-Ville分布 high-speed moving target ISAR imaging convolutional neural network Wigner-Ville distribution
江苏理工学院机械工程学院,江苏 常州 213000
对视觉领域中全景视觉的不断研究表明, 采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低, 受到噪声干扰时鲁棒性不高, 针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理, 利用相邻5帧之间进行差分来完成前景与背景的分离, 有效地减少目标空洞问题; 然后在混合高斯模型中提高自适应学习率和更新高斯分布数量, 有效克服了检测中出现的重影现象; 最后通过形态学处理, 得到目标检测结果。实验结果表明, 改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果, 目标检测率较高。
全景视觉 运动目标检测 混合高斯分布 五帧差分 panoramic vision moving target detection Gaussian mixture distribution five-frame difference
红外与激光工程
2022, 51(9): 20210843
红外与激光工程
2022, 51(7): 20210756
1 南京电子技术研究所, 江苏南京 210039
2 中国电子科技集团公司智能感知技术重点实验室, 江苏南京 210039
太赫兹雷达可以对地面进行高帧率高分辨力成像, 是太赫兹技术领域研究热点。针对太赫兹雷达宽带高分辨成像与地面动目标检测一体化实现需求, 提出了一种基于宽带空时自适应处理(STAP)的地面运动目标检测算法, 首次在机载太赫兹雷达上实现了同时对地高分辨雷达成像监视和多通道地面动目标指示(GMTI)检测。机载太赫兹雷达实测数据验证了算法的有效性。
太赫兹雷达 地面动目标指示 空时自适应处理 terahertz radar Ground Moving Target Indication Space-Time Adaptive Processing 太赫兹科学与电子信息学报
2022, 20(9): 941