一种面阵摄像机旋转扫描下的动目标鲁棒检测方法

技术领域

本发明属于图像处理技术领域，涉及背景建模与目标检测，提供一种面阵摄像机旋转扫描下的动目标鲁棒检测方法。

背景技术

近些年来，随着计算机视觉的发展，动目标检测技术在军事、环境监控等领域得到了广泛的应用。但目前大多动目标检测的研究都是基于静平台的，对于动平台下的动目标检测仍需进一步研究。

线阵摄像机通常被应用于获取高速度、高精度的大场景全景图像。但是，线阵摄像机对平台稳定性要求高、造价昂贵，且获取图像时需要逐行连续扫描，无法像面阵摄像机一样实现对目标的“凝视”监视。随着面阵摄像机在成像速度和成像质量的不断提高，以及价格的不断降低，面阵摄像机越来越广泛地应用于对大范围场景的扫描监视。有效的利用高速面阵摄像机进行动目标检测，既可以在大场景内扫描监视，又可以实现对目标的“凝视”监视。

在面阵摄像机旋转扫描运动条件下，场景背景也在图像中发生运动，为实现动目标检测，需要对背景运动进行补偿。此外，面阵摄像机在旋转扫描时，平面成像机制引起图像非一致畸变问题，导致不一致的背景运动，实验表明该畸变如果不进行补偿在动目标检测时将引起较大误差，造成动目标虚假检测。因此，为实现面阵摄像机旋转扫描条件下的动目标可靠检测，不仅要解决背景运动补偿问题，还需要克服图像非一致畸变问题。

目前常见的目标检测算法主要有帧间差分法，背景减除法和光流法。其中帧间差分法和背景减除法已有很多改进的算法，可以较好的检测目标而且计算简单，但是如果不进行运动补偿，这些方法只能应用于静平台下。光流法可适用于动平台下的目标检测，但其计算复杂度较高，难以实现实时性。此外，上述方法都没有考虑平面成像机制带来的非一致畸变问题。因此，如何实现动平台下的动目标实时、鲁棒检测依然面临巨大的挑战。

发明内容

针对现有技术中存在的背景运动问题，提出基于面阵摄像机扫描模型的运动背景补偿方法。建立摄像机扫描工作方式下的摄像机方程，将该方程线性化，并利用图像空间和参数空间的点－线对偶性，采用Hough变换把图像空间中的直线检测问题转换到参数空间中，实现该方程参数的快速鲁棒估计，进而同时实现背景运动和图像畸变补偿。在此基础上，将摄像机图像投影到柱面背景模型中，建立全景柱面模型。

本发明提供一种面阵摄像机旋转扫描条件下动目标检测的鲁棒方法。该方法可以在保证实时性的前提下，消除背景运动和图像畸变对动目标检测造成的影响，准确快速地提取出运动目标。

本发明的技术方案为：

一种面阵摄像机旋转扫描下的动目标检测方法，包括以下步骤：

第一步，特征匹配。

第二步，畸变补偿。

第三步，柱面投影模型及背景建模。

第四步，目标检测。

本发明原理及有益效果：面阵摄像机在旋转扫描工作条件下，首先需考虑摄像机运动导致的整个背景的运动，其次平面成像机制会引起图像非一致畸变，这种畸变增大了动目标检测虚警率。因此，在解决背景运动问题的同时，还应解决图像畸变问题。基于以上原理，本发明提出基于柱面背景模型的非一致图像畸变补偿方法，在图像匹配的基础上，同时实现背景运动和图像畸变补偿，进而实现动平台下动目标的快速可靠检测。

附图说明

图1为本发明流程图。

图2为摄像机旋转一维扫描运动模型。

图3为摄像机扫描补偿方程参数求解原理。

图4为柱面投影模型示意图；图(a)为柱面背景模型的几何关系俯视示意图，图(b)为其中一帧平面图像的中间区域ABCD投影到柱面背景模型A`B`C`D`的示意图。

图5为柱面投影模型投影关系图；图(a)为其中一帧图像投影时的位置俯视关系图，图(b)为相邻两帧投影时的位置俯视关系图。

图6为采样匹配点对位置与f误差关系图。

图7为动目标检测对比图，分别对室内和室外两种场景做了实验；图(a)、图(b)为室内和室外的原图，图(c)、图(d)仅使用特征匹配进行目标检测结果，图(e)、图(f)为使用摄像机方程进行畸变补偿的目标检测结果。

具体实施方式

以下对本发明做进一步说明。

一种面阵摄像机旋转扫描下的动目标检测算法，包括特征匹配、畸变补偿、柱面投影模型及背景建模、目标检测，具体步骤如下：

第一步，特征匹配

首先通过当前图像与上帧图像的匹配特征点对检测出当前背景的全局位移，然后使用自适应滤波器(如alpha-beta滤波)对下一帧全局位移进行预估，计算出当前图像特征点在下帧图像中的位置，在估计的误差范围内进行搜索，得到与当前特征点相匹配的特征点，加快图像匹配的过程，提高系统的实时性。

第二步，畸变补偿

(1)一维扫描条件下摄像机方程

摄像机在旋转扫描的过程中，由于摄像头角度的偏移，导致图像产生非一致畸变，为了准确检测出动目标，本发明采用针孔成像模型描述摄像机旋转扫描运动，推导出摄像机一维扫描工作方式下的摄像机方程。如图2所示，AB为物平面，CD、EF分别为第k帧和第k+1帧的像平面，焦距f＝ON＝OP，旋转角度α＝∠NOP，经过摄像机旋转扫描运动，第k帧图像的左半部分CN和右半部分DN分别畸变为第k+1帧图像的EP、FP，其关系式为：

令参数p＝f·tanα、参数q＝tanα/f，其中f为摄像机的焦距，α为前帧到后帧的旋转扫描角度，若以每帧图像中心为原点，前帧图像任一位置到原点距离为自变量x，后帧图像对应位置到原点距离为因变量y，即，若以N为原点，CN、DN为自变量x，EP、FP为因变量y，则x、y有关系式：

(2)方程线性化及参数求解

在旋转扫描工作方式下，摄像机的焦距、旋转角速度等为不定常参数，需要动态估计。我们首先将一维扫描条件下摄像机方程线性化，然后利用测量数据空间和参数空间的点-线对偶性，把测量数据空间中直线的检测问题转换到参数空间中，即通过Hough变换将匹配后的点映射到参数空间中以求解摄像机方程参数。如图3所示，参数坐标系中多条线的聚焦点对应于参数的解。

公式(3)可以线性化地表达成：

p＝-xyq+(y-x) (4)

其中，给定一组(x,y)，参数p、q满足线性关系，利用Hough变换将此线性关系投影到p、q参数空间；在给定多组(x,y)的条件下，利用Hough变换能够获得到p、q的准确估计。

在获得p、q可靠解的基础上，我们可以利用传统帧间差分法进行动目标检测。图7显示了帧间差分和畸变补偿的效果，图7(c)和图7(d)为仅使用特征匹配进行目标检测结果，图7(e)和图7(f)为畸变补偿后的目标检测结果。结果表明：本发明可以有效的消除背景运动和图像畸变对动目标检测造成的影响。

第三步，柱面投影模型及背景建模

(1)柱面投影模型

本发明利用摄像机在旋转扫描工作模式下对场景的连续、反复成像，建立基于全景柱面投影模型，实现对场景的精确描述，克服环境噪声(如背景中出现风吹草动)的影响，提高动目标检测的质量。

图4(a)是柱面背景模型的几何关系俯视示意图，M₁N₁、M₂N₂、M₃N₃、M₄N₄、M₅N₅为摄像机在一维扫描过程中产生的多帧图像，图4(b)是其中一帧平面图像的中间区域ABCD投影到柱面背景模型A`B`C`D`的示意图，我们将将每帧图像中间一部分区域AB投影到以焦点O为圆心、焦距f为半径的圆周坐标系上，将各帧依次投影，直到柱面背景模型完全建立。

(2)柱面背景模型

图5(a)是其中一帧图像投影时的位置俯视关系图，平面图像的投影区域O₁P₁将映射到圆周坐标系的弧线O₁P上，若以O₁为原点，令x为平面图像上投影点P₁的坐标，y为P₁映射到圆周坐标系上P的坐标，则：

由公式(5)可知建立准确的柱面背景模型关键在于求解焦距f。在模型初始化过程中，f可利用第二步中Hough变换求解的p、q参数推导求得，即：

柱面背景模型初步建立后，我们进一步利用柱面背景模型跟平面图像的投影关系也可获得的f可靠解，用于模型的更新。具体求解方式如下，图5(b)是相邻两帧投影时的位置俯视关系图，面阵摄像机旋转扫描成像图像由前帧M₁N₁转动α角度至后帧M₂N₂，O₁、O₂分别为圆周坐标系与前后帧图像的切点(也为成像图像的中点)，前帧P₁、Q₁点和后帧P₂、Q₂点将投影到圆周坐标系P、Q点上，若令x₁、x₂分别为平面图像上两个不同投影点Q₂、P₂的坐标，y₁、y₂分别为Q₂、P₂映射到圆周坐标系上Q、P的坐标。将公式(5)泰勒展开，y₁、y₂有关系式：

联立两式，可解得：

通过前后帧两个不同位置的投影方程可求解参数焦距f，得到准确的投影关系式，更新全景柱面背景模型。

(3)适用性分析

在特征匹配时，我们应用多点匹配和Hough变换等方法，有效地防止误差的产生。为分析本发明的适用性，我们假定特征匹配存在偏差，分析该偏差对参数估计的影响。

在适用性分析时，我们假定特征匹配偏差为一个像素；为突出偏差的影响，我们忽略Hough变换中求均值对参数(尤其是焦距f)估计的改善作用。图6显示了实验结果。f误差主要跟匹配点对在图像中的位置有关，匹配点对相距越远，引起的f误差越小。当匹配点对选取图像两端的点交叉运算时，f相对误差达到3％以下，柱面背景模型的投影误差小于0.5个像素，此时，匹配偏差不影响柱面背景模型的可靠性。

第四步，目标检测

通过图像匹配、畸变补偿和建立柱面背景模型，可有效的解决背景运动和图像畸变问题，将动态背景下的运动目标检测问题转换为静态背景下的目标检测问题。在此基础上，利用传统的背景差法，实现面阵摄像机旋转扫描条件下的动目标可靠检测。