域外的像素點(diǎn)采用嚴(yán)格的匹配準(zhǔn)則；在目標(biāo)塊區(qū)域內(nèi)的像素點(diǎn)采用 寬松的匹配準(zhǔn)則。
[0108] 較佳的，將上一幀目標(biāo)塊區(qū)域擴(kuò)展15%作為當(dāng)前幀的目標(biāo)塊區(qū)域，在目標(biāo)塊區(qū)域 外的像素點(diǎn)減少15%采樣點(diǎn)，在目標(biāo)塊區(qū)域內(nèi)增加 15%采樣點(diǎn)，可提高目標(biāo)檢測(cè)的效果。
[0109] 具體的，所述后處理步驟中，按照上面所述方法可得到目標(biāo)圖像的二值圖像模板 Morg。對(duì)二值模板Morg進(jìn)行3 X 3形態(tài)學(xué)開運(yùn)算，得到結(jié)果為Ms，再經(jīng)過3 X 3腐蝕運(yùn)算去 除孤立的點(diǎn)后得到結(jié)果為M。該過程導(dǎo)致了部分目標(biāo)像素的丟失，采取如下基于形態(tài)學(xué)目標(biāo) 重構(gòu)的外理方法可以盡可能俁留審名的日標(biāo)圖像： _0]
(11)
[0111] 等式（I 1)中F是經(jīng)過前景提取、噪聲濾除后的最終結(jié)果。等式中的結(jié)構(gòu)元素 SE的 尺寸大小取決于檢測(cè)的目標(biāo)尺寸。實(shí)驗(yàn)發(fā)現(xiàn)采用5 X 5的結(jié)構(gòu)元素可以達(dá)到較好的目標(biāo)檢 測(cè)結(jié)果。利用結(jié)構(gòu)元素結(jié)合同化填充對(duì)分割出的前景目標(biāo)F進(jìn)行空洞填充能使目標(biāo)更加 完整。最后通過目標(biāo)大小統(tǒng)計(jì)的結(jié)果去除小于50個(gè)像素的小塊，以達(dá)到消除噪聲的目的。
[0112] 簡(jiǎn)言之，本發(fā)明的面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，首先對(duì)視頻節(jié)點(diǎn)采集 到的目標(biāo)圖像Xt進(jìn)行4X4分塊，然后構(gòu)建混合采樣矩陣Φ在空間域直接對(duì)圖像采樣后， 得到壓縮圖像yt。由壓縮感知理論可知yt包含了原始圖像絕大部分信息，通過高效Vibe 算法構(gòu)建背景模型，通過背景減法獲得前景圖像，然后對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理。
[0113] 本申請(qǐng)選擇嵌入式視覺平臺(tái)進(jìn)行目標(biāo)檢測(cè)測(cè)試，如圖1、2中所示的過程，如圖3以 及圖4-6所示，根據(jù)與現(xiàn)有其他算法的比較，本發(fā)明可獲得較好的目標(biāo)檢測(cè)結(jié)果并且具有 較強(qiáng)的抗干擾性，相對(duì)于傳統(tǒng)的其他目標(biāo)檢測(cè)算法，內(nèi)存容量減少約四分之三，處理時(shí)間可 減少40%以上。
[0114] 以上所述，僅為本發(fā)明較佳的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于，包括圖像重構(gòu)步驟、混合 壓縮感知步驟、高效Vibe目標(biāo)檢測(cè)步驟、更新步驟和后處理步驟，其中， 51、 所述圖像重構(gòu)步驟，根據(jù)采集到的目標(biāo)圖像尺寸大小對(duì)目標(biāo)圖像進(jìn)行4*4分塊，并 將分塊后的圖像塊轉(zhuǎn)換為16*1的向量； 針對(duì)每一幀圖像實(shí)施以下步驟： 52、 所述混合壓縮感知步驟，包括： 依據(jù)各圖像塊進(jìn)行邊緣檢測(cè)的結(jié)果或更新上一幀圖像時(shí)得到的參數(shù)調(diào)節(jié)信息構(gòu)建各 圖像塊的混合采樣矩陣，再利用所述混合采樣矩陣對(duì)相應(yīng)的圖像塊進(jìn)行采樣壓縮，得到壓 縮后的各圖像塊； 53、 所述高效Vibe目標(biāo)檢測(cè)步驟，針對(duì)所述壓縮后的各圖像塊中的每個(gè)像素點(diǎn)，利用 Vibe像素級(jí)背景建模算法將像素點(diǎn)的像素值與該像素點(diǎn)對(duì)應(yīng)的樣本集進(jìn)行比較，判斷其是 否屬于背景點(diǎn)； 54、 所述更新步驟，根據(jù)所述高效Vibe目標(biāo)檢測(cè)步驟的檢測(cè)結(jié)果，確定當(dāng)前幀圖像塊 中的背景塊區(qū)域與目標(biāo)塊區(qū)域； 然后根據(jù)像素點(diǎn)屬于背景塊區(qū)域還是目標(biāo)塊區(qū)域得到該像素點(diǎn)下一幀圖像的混合采 樣矩陣的參數(shù)調(diào)節(jié)信息； 55、 所述后處理步驟，對(duì)當(dāng)前幀的各圖像塊進(jìn)行解壓、重構(gòu)和后期圖像優(yōu)化處理，得到 當(dāng)如幀最終的目標(biāo)圖像。2. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述混合壓縮感知步驟中，依據(jù)各圖像塊進(jìn)行邊緣檢測(cè)的結(jié)果，構(gòu)建各圖像塊的混合采樣 矩陣，再利用所述混合采樣矩陣對(duì)相應(yīng)的圖像塊進(jìn)行采樣壓縮的具體步驟如下： 首先，對(duì)圖像作邊緣檢測(cè)，如等式（1)所示， T(f)~T(fp) =T(卿） (1) 等式（1)中，記T(f)為邊緣檢測(cè)算子，T(fp)為預(yù)測(cè)圖像邊緣檢測(cè)，T(1(A))為對(duì)低 分辨率采樣后圖像進(jìn)行邊緣檢測(cè)； 然后，采用等式（2)進(jìn)行形態(tài)學(xué)處理， Sa=Mp(T(fp)) (2) 等式（2)中，記MP(T(fp))為對(duì)預(yù)測(cè)邊緣進(jìn)行經(jīng)典形態(tài)學(xué)操作； 再者，根據(jù)形態(tài)學(xué)處理結(jié)果構(gòu)建混合采樣矩陣，所述混合采樣矩陣由低分辨采樣矩陣、 自適應(yīng)采樣矩陣以及隨機(jī)采樣矩陣三者的合集構(gòu)成，所述混合采樣矩陣如等式（3)所示， Sn=SaUSrUSi (3) 等式（3)中，記Sm為混合采樣矩陣，Sa為低分辨率采樣，S1^為自適應(yīng)采樣，Si*隨機(jī)采 樣。3. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述Vibe像素級(jí)背景建模算法具體包括：在模型中，為每個(gè)背景點(diǎn)存儲(chǔ)一個(gè)樣本集，然后 將每一個(gè)新的像素值和樣本集進(jìn)行比較并判斷是否屬于背景點(diǎn)，其判斷依據(jù)為：如果一個(gè) 新的像素值屬于背景點(diǎn)，那么新的像素值應(yīng)該和樣本集中的采樣值接近， 其過程進(jìn)一步為： 如等式（4)、（5)所示， M(x) = {Vi,v2,......vN} (4) {SR(v(x))fl{Vi,v2,......vN}} (5) 等式（4)、（5)中，記v(x)為x點(diǎn)處的像素值、M(x)為x處的背景樣本集（樣本集大小 為N)、SR(v(x))為以x為中心R為半徑的區(qū)域； 模型的更新策略是每一個(gè)背景點(diǎn)有1/>的概率去更新自己的模型樣本值，同時(shí)也有 1/>的概率去更新鄰居點(diǎn)的模型樣本值，樣本值在時(shí)刻t不被更新的概率是（N-l)/N，假設(shè) 時(shí)間是連續(xù)的，那么在dt的時(shí)間過去后，樣本值仍然保留的概率為：如果等式（6)大于一個(gè)給定的閾值，那么就認(rèn)為x點(diǎn)屬于背景點(diǎn)。4. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述更新步驟中得到的混合采樣矩陣的參數(shù)調(diào)節(jié)信息進(jìn)一步使得： 針對(duì)上一幀圖像中的目標(biāo)塊區(qū)域，在當(dāng)前幀該區(qū)域的1.2倍區(qū)域內(nèi)提高采樣率，而在 背景塊區(qū)域內(nèi)降低采樣率。5. 根據(jù)權(quán)利要求4所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述更新步驟中得到的混合采樣矩陣的參數(shù)調(diào)節(jié)信息進(jìn)一步使得： 針對(duì)當(dāng)前幀圖像中的目標(biāo)塊區(qū)域，更新速度提升10%，采樣率提升10% ; 針對(duì)當(dāng)前幀圖像中的背景塊區(qū)域，更新速度降低10%，采樣率降低10%。6. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述更新步驟中，確定當(dāng)前幀圖像塊中的背景塊與目標(biāo)塊時(shí)，將上一幀檢測(cè)出的目標(biāo)塊區(qū) 域經(jīng)過擴(kuò)展后作為當(dāng)前幀的目標(biāo)塊區(qū)域進(jìn)行匹配檢測(cè)，其中， 在目標(biāo)塊區(qū)域外的像素點(diǎn)采用嚴(yán)格的匹配準(zhǔn)則； 在目標(biāo)塊區(qū)域內(nèi)的像素點(diǎn)采用寬松的匹配準(zhǔn)則。7. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述更新步驟中得到的混合采樣矩陣的參數(shù)調(diào)節(jié)信息進(jìn)一步使得：將上一幀檢測(cè)出的目標(biāo) 塊區(qū)域擴(kuò)展15%作為當(dāng)前幀的目標(biāo)塊區(qū)域，其中， 在目標(biāo)塊區(qū)域外的像素點(diǎn)減少15%采樣點(diǎn)； 在目標(biāo)塊區(qū)域內(nèi)的像素點(diǎn)增加15%采樣點(diǎn)。8. 根據(jù)權(quán)利要求1所述的一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，其特征在于， 所述混合壓縮感知步驟是以M行N列（M〈〈N)大小的混合采樣矩陣?對(duì)信號(hào)x(N維）進(jìn)行 測(cè)量，可得到壓縮后的測(cè)量值y(M維），該過程可由等式（8)實(shí)現(xiàn)， y=(j>x=(j)il；a=0a (8) 如果信號(hào)x在某個(gè)變化域具有稀疏性，如等式（9)所示： a=WTx (9) 并且混合采樣矩陣〇滿足約束等距性條件，即指對(duì)于任意的K稀疏信號(hào)f以及常數(shù) skG(〇, 1)滿足：進(jìn)而通過等式（10)來完美恢復(fù)該信號(hào)：(10) 該過程為所述解壓重構(gòu)，其中的0范數(shù)指的就是0元素的個(gè)數(shù)。
【專利摘要】本發(fā)明公開一種面向?qū)崟r(shí)視覺系統(tǒng)的目標(biāo)壓縮感知方法，包括圖像重構(gòu)步驟、混合壓縮感知步驟、高效Vibe目標(biāo)檢測(cè)步驟、更新步驟和后處理步驟，圖像重構(gòu)步驟根據(jù)采集到的圖像尺寸大小對(duì)圖像進(jìn)行4×4分塊，將得到的圖像塊轉(zhuǎn)換為16×1的向量；混合壓縮感知步驟包括構(gòu)建混合采樣矩陣對(duì)相應(yīng)的圖像塊進(jìn)行采樣壓縮；高效Vibe目標(biāo)檢測(cè)步驟對(duì)圖像塊中每個(gè)像素點(diǎn)，將像素值與樣本集進(jìn)行比較，判斷是否屬背景點(diǎn)；更新步驟根據(jù)上述檢測(cè)結(jié)果，確定圖像塊中背景塊與目標(biāo)塊區(qū)域；然后根據(jù)像素點(diǎn)屬于背景塊還是目標(biāo)塊區(qū)域得到該像素點(diǎn)下一幀圖像的混合采樣矩陣的參數(shù)調(diào)節(jié)信息；后處理步驟對(duì)當(dāng)前幀各圖像塊進(jìn)行圖像優(yōu)化處理，得到當(dāng)前幀最終的目標(biāo)圖像。
【IPC分類】G06K9/32
【公開號(hào)】CN105095898
【申請(qǐng)?zhí)枴緾N201510559474
【發(fā)明人】方武
【申請(qǐng)人】蘇州經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院
【公開日】2015年11月25日
【申請(qǐng)日】2015年9月6日