高级搜索

一种视频监控中基于航迹的运动小目标检测算法

孙怡峰 吴疆 黄严严 汤光明

引用本文: 孙怡峰, 吴疆, 黄严严, 汤光明. 一种视频监控中基于航迹的运动小目标检测算法[J]. 电子与信息学报, 2019, 41(11): 2744-2751. doi: 10.11999/JEIT181110 shu
Citation:  Yifeng SUN, Jiang WU, Yanyan HUANG, Guangming TANG. A Small Moving Object Detection Algorithm Based on Track in Video Surveillance[J]. Journal of Electronics and Information Technology, 2019, 41(11): 2744-2751. doi: 10.11999/JEIT181110 shu

一种视频监控中基于航迹的运动小目标检测算法

    作者简介: 孙怡峰: 男,1976年生,副教授,硕士生导师,研究方向为图像处理、信息安全;
    吴疆: 男,1995年生,硕士生,研究方向为目标检测、图像处理;
    黄严严: 女,1978年生,高级工程师,研究方向为人工智能、信息安全;
    汤光明: 1963年生,教授,博士生导师,研究方向为网络安全、信息安全
    通讯作者: 吴疆,liam181113@163.com
摘要: 针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。

English

    1. [1]

      CHEN Chenyi, LIU Mingyu, TUZEL O, et al. R-CNN for small object detection[C]. Proceedings of the 13th Asian Conference on Computer Vision, Taipei, China, 2016: 214–230.

    2. [2]

      邓鹤, 魏艳涛, 童名文, 等. 基于改进的局部反熵算子的小目标检测[J]. 通信学报, 2013, 34(4): 60–69. doi: 10.3969/j.issn.1000-436x.2013.04.007
      DENG He, WEI Yantao, TONG Mingwen, et al. Small target detection based on modified local reverse entropy operator[J]. Journal on Communications, 2013, 34(4): 60–69. doi: 10.3969/j.issn.1000-436x.2013.04.007

    3. [3]

      CAO Guimei, XIE Xuemei, YANG Wenzhe, et al. Feature-fused SSD: Fast detection for small objects[C]. Proceedings of SPIE 10615, Ninth International Conference on Graphic and Image Processing, Qingdao, China, 2017: 106151E.

    4. [4]

      REN Shaoqing, He Kaiming, GIRSHICK R, et al. Faster R-CNN: Towards real-time object detection with region proposal networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017, 39(6): 1137–1149. doi: 10.1109/TPAMI.2016.2577031

    5. [5]

      LIN Tsungyi, DOLLÁR P, GIRSHICK R, et al. Feature pyramid networks for object detection[C]. Proceedings of 2017 IEEE Conference on Computer Vision and Pattern Recognition, Honolulu, USA, 2017: 936–944.

    6. [6]

      杨依忠, 汪鹏飞, 胡雄楼, 等. 基于鲁棒主成分分析的运动目标检测优化算法[J]. 电子与信息学报, 2018, 40(6): 1309–1315. doi: 10.11999/JEIT170789
      YANG Yizhong, WANG Pengfei, HU Xionglou, et al. Moving object detection optimization algorithm based on robust principal component analysis[J]. Journal of Electronics &Information Technology, 2018, 40(6): 1309–1315. doi: 10.11999/JEIT170789

    7. [7]

      ZIVKOVIC Z and VAN DER HEIJDEN F. Efficient adaptive density estimation per image pixel for the task of background subtraction[J]. Pattern Recognition Letters, 2006, 27(7): 773–780. doi: 10.1016/j.patrec.2005.11.005

    8. [8]

      VAN DROOGENBROECK M and PAQUOT O. Background subtraction: Experiments and improvements for ViBe[C]. Proceedings of 2012 IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, Providence, USA, 2012: 32–37.

    9. [9]

      薛阳, 张亚飞, 杨天宇, 等. 一种针对抖动视频序列的运动目标检测算法[J]. 激光与光电子学进展, 2018, 55(9): 091506.
      XUE Yang, ZHANG Yafei, YANG Tianyu, et al. A moving object detection algorithm aiming at jitter video sequence[J]. Laser &Optoelectronics Progress, 2018, 55(9): 091506.

    10. [10]

      WREN C R, AZARBAYEJANI A, DARRELL T, et al. Pfinder: Real-time tracking of the human body[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997, 19(7): 780–785. doi: 10.1109/34.598236

    11. [11]

      赵春江. C#数字图像处理算法典型实例[M]. 北京: 人民邮电出版社, 2009: 29–31.
      ZHAO Chunjiang. C# Digital Image Processing Algorithm for Typical Examples[M]. Beijing: Posts & Telecom Press, 2009: 29–31.

    12. [12]

      李长春, 王艳杰, 马春艳, 等. 多目标无人机微型凝视高光谱成像仪辐射校正[J]. 测绘通报, 2019(1): 60–64. doi: 10.13474/j.cnki.11-2246.2019.0012
      LI Changchun, WANG Yanjie, MA Chunyan, et al. Research on radiance correction of mini snapshot high spectrometer load on UAV using multi-target[J]. Bulletin of Surveying and Mapping, 2019(1): 60–64. doi: 10.13474/j.cnki.11-2246.2019.0012

    13. [13]

      THEODORIDIS S, 李晶皎, 王爱侠, 王骄, 等译. 模式识别[M]. 4版. 北京: 电子工业出版社, 2016: 282–288.
      THEODORIDIS S, LI Jingjiao, WANG Aixia, WANG Jiao, et al. translation. Pattern Recognition[M]. 4th ed. Beijing: Publishing House of Electronics Industry, 2016: 282–288.

    14. [14]

      GONZALEZ R C, WOODS R E, 阮秋琦, 阮宇智, 等译. 数字图像处理[M]. 3版. 北京: 电子工业出版社, 2017: 423–430.
      GONZALEZ R C, WOODS R E, RUAN Qiuqi, RUAN Yuzhi, et al. translation. Digital Image Processing[M]. 3rd ed. Beijing: Publishing House of Electronics Industry, 2017: 423–430.

    15. [15]

      陈钱, 钱惟贤, 张闻文. 红外目标探测[M]. 北京: 电子工业出版社, 2016: 298–300.
      CHEN Qian, QIAN Weixian, and ZHANG Wenwen. Infrared Target Detection[M]. Beijing: Publishing House of Electronics Industry, 2016: 298–300.

    16. [16]

      姚天任, 孙洪. 现代数字信号处理[M]. 2版. 武汉: 华中科技大学出版社, 2018: 30–40.
      YAO Tianren and SUN Hong. Advanced Digital Signal Processing[M]. 2nd ed. Wuhan: Huazhong University of Science & Technology Press, 2018: 30–40.

    1. [1]

      周建英, 吴小培, 张超, 吕钊. 基于滑动窗的混合高斯模型运动目标检测方法. 电子与信息学报, 2013, 35(7): 1650-1656.

    2. [2]

      李保珠, 关键, 董云龙. 基于航迹矢量检测的雷达与电子支援设施抗差关联算法. 电子与信息学报, 2019, 41(1): 123-129.

    3. [3]

      林建粦, 平西建, 马德宝. 基于二阶方向导数尺度空间的小目标检测. 电子与信息学报, 2012, 34(12): 2992-2998.

    4. [4]

      屠礼芬, 彭祺, 仲思东. 一种适应相机抖动的运动目标检测方法. 电子与信息学报, 2013, 35(8): 1914-1920.

    5. [5]

      宋涛, 李鸥, 刘广怡. 基于空时多线索融合的超像素运动目标检测方法. 电子与信息学报, 2016, 38(6): 1503-1511.

    6. [6]

      胡良梅, 段琳琳, 张旭东, 杨静. 融合颜色信息与深度信息的运动目标检测方法. 电子与信息学报, 2014, 36(9): 2047-2052.

    7. [7]

      杨依忠, 汪鹏飞, 胡雄楼, 伍能举. 基于鲁棒主成分分析的运动目标检测优化算法. 电子与信息学报, 2018, 40(6): 1309-1315.

    8. [8]

      张超, 吴小培, 周建英, 戚培庆, 王营冠, 吕钊. 基于改进高斯混合建模和短时稳定度的运动目标检测算法. 电子与信息学报, 2012, 34(10): 2402-2408.

    9. [9]

      范崇祎, 黄晓涛. 基于多方位分辨率图像的低频SAR地面运动目标检测方法. 电子与信息学报, 2012, 34(5): 1057-1064.

    10. [10]

      韩伟, 汤子跃, 朱振波. 一种多普勒盲区条件下的多假设运动模型目标跟踪方法. 电子与信息学报, 2013, 35(3): 516-523.

    11. [11]

      张超, 吴小培, 吕钊. 基于独立分量分析的运动目标检测算法中对通道数选择和观测向量生成方式的实验和分析. 电子与信息学报, 2015, 37(1): 137-142.

    12. [12]

      闫贺, 王珏, 黄佳, 王旭东. 基于二维速度搜索的星载SAR运动目标聚焦算法研究. 电子与信息学报, 2019, 41(6): 1287-1293.

    13. [13]

      韩明, 刘教民, 孟军英, 王震洲. 一种自适应调整K-的混合高斯背景建模和目标检测算法. 电子与信息学报, 2014, 36(8): 2023-2027.

    14. [14]

      刘书君, 袁运能, 毛士艺. 基于单通道SAR多子孔径空频处理的动目标检测算法. 电子与信息学报, 2010, 32(8): 1992-1996.

    15. [15]

      董凯, 王海鹏, 刘瑜. 基于拓扑统计距离的航迹抗差关联算法. 电子与信息学报, 2015, 37(1): 50-55.

    16. [16]

      董凯, 关欣, 王海鹏, 何友. 基于序贯修正灰关联度的全局最优航迹关联算法. 电子与信息学报, 2014, 36(8): 1939-1945.

    17. [17]

      李保珠, 张林, 董云龙, 关键. 基于航迹矢量分级聚类的雷达与电子支援措施抗差关联算法. 电子与信息学报, 2019, 41(6): 1310-1316.

    18. [18]

      李保珠, 董云龙, 李秀友, 关键. 基于t分布混合模型的抗差关联算法. 电子与信息学报, 2017, 39(7): 1774-1778.

    19. [19]

      庄哲民, 章聪友, 杨金耀, 李芬兰. 基于灰度特征和自适应阈值的虚拟背景提取研究. 电子与信息学报, 2015, 37(2): 346-352.

    20. [20]

      齐林, 崔亚奇, 熊伟, 王聪. 基于距离检测的自动识别系统和对海雷达航迹抗差关联算法. 电子与信息学报, 2015, 37(8): 1855-1861.

  • 图 1  视频帧图像与单高斯背景建模得到的运动前景二值图

    图 2  差值分布拟合曲线

    图 3  疑似目标初步检测的可视化过程

    图 4  航迹关联的双门限虚假目标过滤

    图 5  定性实验结果

    表 1  航迹关联规则

     (1) do;
     (2) for $u = 1,2,·\!·· ,U$;
     (3)  寻找${\rm{APT}}{_{U \times V}\;}$中第$u$行中的最大值${a_{uv}}$,记录其列号$v$;
     (4)  if第$v$列的最大值等于${a_{uv}}$;
     (5)      break;
     (6)  end if;
     (7) end for;
     (8) 关联$\{ {\text{Z}}_k^v\} $与$\{ \theta _{k - 1}^u\} $,删除${\rm{APT}}{_{U \times V}}\;$中的第$u$行和第$v$列元素,
      $U = U - 1 ,V = V - 1$;
     (9) while ${\rm{APT}}{_{U \times V}}\;$中存在元素大于0。
    下载: 导出CSV

    表 2  5种算法在不同视频中的MA值比较

    视频图像尺寸(pix)检测范围(%)像素数MOG2ViBe+Faster RCNN文献[5]本文算法
    blizzard$ 720 \times 480$0.10~0.12345~4140.150.781.001.000.28
    highway$ 320 \times 240$0.12~0.3092~2301.000.161.000.500.05
    Camera 01$ 1920 \times 1080$0.01~0.12207~24880.380.291.000.860.11
    Camera 02$ 1920 \times 1080$0.01~0.12207~24880.390.281.000.770.13
    下载: 导出CSV

    表 3  5种算法在不同视频中的FA值比较

    视频图像尺寸(pix)检测范围(%)像素数MOG2ViBe+Faster RCNN文献[5]本文算法
    blizzard$ 720 \times 480$0.10~0.12345~4140.710.210.000.000.18
    highway$ 320 \times 240$0.12~0.3092~2300.370.610.000.000.29
    Camera 01$ 1920 \times 1080$0.01~0.12207~24880.510.250.000.000.13
    Camera 02$ 1920 \times 1080$0.01~0.12207~24880.520.170.000.000.14
    下载: 导出CSV
  • 加载中
图(5)表(3)
计量
  • PDF下载量:  70
  • 文章访问数:  898
  • HTML全文浏览量:  719
文章相关
  • 通讯作者:  吴疆, liam181113@163.com
  • 收稿日期:  2018-11-29
  • 录用日期:  2019-03-14
  • 网络出版日期:  2019-05-17
  • 刊出日期:  2019-11-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章