采用灰度加权核函数的动态背景运动目标检测算法

王鲁平; 张路平; 韩建涛

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用灰度加权核函数的动态背景运动目标检测算法

王鲁平, 张路平, 韩建涛

文章导航 > 红外与激光工程 > 2013 > 42(12): 3453-3457

王鲁平, 张路平, 韩建涛. 采用灰度加权核函数的动态背景运动目标检测算法[J]. 红外与激光工程, 2013, 42(12): 3453-3457.

引用本文:

王鲁平, 张路平, 韩建涛. 采用灰度加权核函数的动态背景运动目标检测算法[J]. 红外与激光工程, 2013, 42(12): 3453-3457.

Wang Luping, Zhang Luping, Han Jiantao. Detecting algorithm of moving target in dynamic background based on gray-weighted kernel function[J]. Infrared and Laser Engineering, 2013, 42(12): 3453-3457.

Citation:

Wang Luping, Zhang Luping, Han Jiantao. Detecting algorithm of moving target in dynamic background based on gray-weighted kernel function[J]. Infrared and Laser Engineering, 2013, 42(12): 3453-3457.

采用灰度加权核函数的动态背景运动目标检测算法

1.
国防科学技术大学电子科学与工程学院ATR实验室,湖南长沙 410073

基金项目:

国防重点实验室基金（9140C80030212ZS9301）;国家青年科学基金（61101185）

详细信息

作者简介:
王鲁平（1974-），男，副研究员，博士，主要从事图像自动目标检测与跟踪方面的研究。Email：wangluping405@sina.com

中图分类号: TP919.5

Detecting algorithm of moving target in dynamic background based on gray-weighted kernel function

1.
School of Electronics Science and Engineering,National University of Defense Technology,Changsha 410073,China

摘要: 针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题，提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准，然后将图像分为3232的子块，分别计算每一子块图像的灰度加权核函数（GWK），利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量，确认灰度加权核函数发生变化的子块，进而完成图像中的运动目标检测。实验结果表明，基于灰度核函数的运动目标检测算法运行速度快，可以有效抑制图像配准误差以及灰度起伏的影响，实时实现运动目标检测，具有较好的实时性和鲁棒性。
- 动目标检测 /
- 灰度加权核函数 /
- 动态背景
Abstract: A new detecting algorithm based on gray-weighted kernel function was proposed to solve the proplem of low running rate and high false alarm within the moving target detection(MTD) in dynamic series of image. This algorithm firstly realized image sequence registration by using the biggest gradient block, then divided the image into 3232 sub-images. It could calculate gray-weighted kernel function for every sub-image and detect changing of gray-weighted kernel function by using Bhattacharyya coefficient as similarity principle for every sub-image. The moving target could be detected in sub-image which gray-weighted kernel function has changed. The testing result shows that the algorithm with batter performance of real-time and robustness can detect the moving target in real-time and suppress the influence due to image registration error and gray fluctuation effectively.
- moving target detection /
- kernal function /
- dynamic background

[1]	Lipton A, Fujiyoshi H, Patil R S. Moving target detection and classification from real-time video[R]. In Proceedings of IEEE WACV98, 1998, 778-783.
[2]
[3]
[4]	Barron J, Fleet D, Beauchemin S. Performance of optical flow techniques[J]. International Journal of Computer Vision, 1994, 12(1): 43-77.
[5]
[6]	Mikolajczyk K, Schmid C. Indexing based on scale invariant interest points[C]//Proceedings of International Conference on Computer Vision, 2001: 525-531.
[7]	Yosi K, Amir A. Fast gradient methods based on global motion estimation for video compression[J]. IEEE Trans on Circuits System Video Technol, 2003, 13(4): 300-309.
[8]
[9]	Collins R A. System for video surveillance and monitoring:VSAM final report.Carnegie mellon university technical report[R]. CMU-RI-TR-00-1 2, 2000.
[10]
[11]
[12]	Luo Jun. Application and implementation of moving estimate in image stabilation and matching[D]. Changsha: National University of Defense Technology, 2007.
[13]	Li Jicheng. Research of infrared small target detecting technology in clutter background[D]. Changsha: National University of Defense Technology, 1998.
[14]
[15]	Li Long, Li Junshan, Ye Xia. Airborne infrared target tracking based on Mean Shift[J]. Infrared and Laser Engineering, 2007, 36(2): 229-230. (in Chinese)

[1]	薛珊, 安宏宇, 吕琼莹, 曹国华. 复杂背景下基于YOLOv7-tiny的图像目标检测算法 . 红外与激光工程, 2024, 53(1): 20230472-1-20230472-12. doi: 10.3788/IRLA20230472
[2]	翟光, 胡圣冉, 孙一勇. 面向天基红外预警的高动态弱小目标LSTM检测方法研究 . 红外与激光工程, 2023, 52(10): 20230010-1-20230010-11. doi: 10.3788/IRLA20230010
[3]	冯杰, 冯扬, 刘翔, 邓陈进, 喻忠军. 远距离监视激光雷达动目标快速检测 . 红外与激光工程, 2023, 52(4): 20220506-1-20220506-9. doi: 10.3788/IRLA20220506
[4]	张竞文, 李丽圆, 李潇雁, 苏晓锋, 胡亭亮, 陈凡胜. 基于动态开窗的快速运动目标信息获取方法 . 红外与激光工程, 2022, 51(3): 20210164-1-20210164-9. doi: 10.3788/IRLA20210164
[5]	任维贺, 张月, 苏云, 张学敏, 邓红艳, 柳祎. 环境扰动下空中动目标探测技术综述 . 红外与激光工程, 2022, 51(9): 20210843-1-20210843-18. doi: 10.3788/IRLA20210843
[6]	卢瑞涛, 申通, 杨小冈, 李清格, 陈璐, 朱正杰. 高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀） . 红外与激光工程, 2022, 51(4): 20220191-1-20220191-11. doi: 10.3788/IRLA20220191
[7]	鲁晓锋, 柏晓飞, 李思训, 王轩, 黑新宏. 基于改进加权增强局部对比度测量的红外小目标检测方法 . 红外与激光工程, 2022, 51(8): 20210914-1-20210914-9. doi: 10.3788/IRLA20210914
[8]	孙鹏, 于跃, 陈嘉欣, 秦翰林. 基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀) . 红外与激光工程, 2022, 51(4): 20220167-1-20220167-8. doi: 10.3788/IRLA20220167
[9]	袁帅, 延翔, 张昱赓, 秦翰林. 双邻域差值放大的高动态红外弱小目标检测方法（特邀） . 红外与激光工程, 2022, 51(4): 20220171-1-20220171-11. doi: 10.3788/IRLA20220171
[10]	张维光, 于洵, 韩峰, 张发强, 吴银花, 陈玉娇. 室内模拟环境下动态调制传递函数检测方法 . 红外与激光工程, 2022, 51(7): 20210756-1-20210756-8. doi: 10.3788/IRLA20210756
[11]	孙俊灵, 马鹏阁, 庞栋栋, 金秋春, 陈新永, 单涛, 陶然. 机载平台动态杂波背景下多脉冲激光距离扩展目标回波滤波算法研究 . 红外与激光工程, 2021, 50(3): 20200449-1-20200449-7. doi: 10.3788/IRLA20200449
[12]	陆福星, 陈忻, 陈桂林, 饶鹏. 背景自适应的多特征融合的弱小目标检测 . 红外与激光工程, 2019, 48(3): 326002-0326002(7). doi: 10.3788/IRLA201948.0326002
[13]	陈卫, 孙晓兵, 乔延利, 陈震庭, 殷玉龙. 海面耀光背景下的目标偏振检测 . 红外与激光工程, 2017, 46(S1): 63-68. doi: 10.3788/IRLA201746.S117001
[14]	高绍姝, 金伟其, 王延江, 张晓东. 灰度融合图像目标与背景感知对比度客观评价模型 . 红外与激光工程, 2015, 44(5): 1660-1665.
[15]	陈志斌, 张超, 宋岩, 刘先红. 灰度拉伸Retinex 在大动态范围烟雾图像增强中的应用 . 红外与激光工程, 2014, 43(9): 3146-3150.
[16]	张己化, 范如玉, 赵宁, 蔡雷, 白鑫. 强背景下光电系统空间目标探测能力 . 红外与激光工程, 2014, 43(1): 212-216.
[17]	田昌会, 杨百愚, 蔡明, 范琦, 王斌科, 王伟宇, 屈绍波. 大气背景对红外目标探测的影响 . 红外与激光工程, 2014, 43(2): 438-441.
[18]	李俊山, 陈霞, 李建华. 不同地面背景下目标与背景红外辐射对比特性 . 红外与激光工程, 2014, 43(2): 424-428.
[19]	王坤, 游安清, 贺喜, 王磊. 基于动态目标结构特征的姿态实时定位方法 . 红外与激光工程, 2013, 42(11): 3029-3034.
[20]	成志铎, 李明博, 李健, 常晓权, 刘君. 目标与背景的红外辐射特性仿真方法 . 红外与激光工程, 2013, 42(9): 2336-2340.

点击查看大图

计量

文章访问数: 288
HTML全文浏览量: 40
PDF下载量: 148
被引次数: 0

采用灰度加权核函数的动态背景运动目标检测算法

1. 国防科学技术大学电子科学与工程学院ATR实验室,湖南长沙 410073

作者简介:
王鲁平（1974-），男，副研究员，博士，主要从事图像自动目标检测与跟踪方面的研究。Email：wangluping405@sina.com

收稿日期: 2013-04-16
修回日期: 2013-05-12
刊出日期: 2013-12-25

基金项目:

国防重点实验室基金（9140C80030212ZS9301）;国家青年科学基金（61101185）

中图分类号: TP919.5

关键词:

摘要: 针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题，提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准，然后将图像分为3232的子块，分别计算每一子块图像的灰度加权核函数（GWK），利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量，确认灰度加权核函数发生变化的子块，进而完成图像中的运动目标检测。实验结果表明，基于灰度核函数的运动目标检测算法运行速度快，可以有效抑制图像配准误差以及灰度起伏的影响，实时实现运动目标检测，具有较好的实时性和鲁棒性。