一種基於目標特徵的運動矢量估計方法

2023-05-23 10:46:01

專利名稱：一種基於目標特徵的運動矢量估計方法
技術領域：
本發明公開了一種基於目標特徵的運動矢量估計方法，屬於非接觸式明渠測流的技術領域。
背景技術：
針對甚高流速的洪峰(大於5 6m/s)等複雜水流條件(或極端條件)下的測驗，尤其是山溪性河流高洪期洪水暴漲暴落，水流速度變化快，含沙量高，漂浮雜物多，致使常規的河流流量測驗方案無法開展布置，測速方法和儀器不能正常地施測。河流表面流速分布是水文監測中重要的測量參數，無論是對於流量估計還是河流泥沙淤積、河岸侵蝕模式的研究都至關重要。為了測量一段河流表面的流速分布，通常需要採用間隔安放的流速儀測量，這些流速儀安裝在橋上或者橫跨河流寬度的繩索上，或用測量船隻。這種使用間隔流速儀測量流速的方法提供空域和時域解析度都很差的數據。比如測量一個橫斷面為50米的河流要用數小時而且測量的數據局限在安裝流速儀橋附近的橫斷面，而不是整個水面的流場分布。因此，至今仍尚未有支持高洪期穩定可靠和有效地測流技術方法以及相應的產品化儀器設備。大尺度粒子成像測速(Large-Scale PIV, LSPIV)是目前極端條件下進行應急測驗或巡測的一種可能手段。上世紀90年代末，實驗室環境下的粒子光學成像測速(ParticleImage Velocimetry,PIV)被改造引入日本Yodo河洪水的觀測。這種大尺度粒子成像測速(LSPIV)通過測量某一小圖像區域(觀測窗口)的水面漂浮物及天然示蹤模式(如波紋、浪花或旋渦等代替實驗室環境下的人工示蹤粒子)的平均位移來得到該區域中心處的流速。但是，極端測驗條件下流體物化屬性及測驗環境複雜多變，水流示蹤/漂浮物的尺度、旋轉與遮擋等非剛體運動狀態急速變化，特別是在水面光強、水面反射及水下和天空散射等光線擾動的複雜光學環境下，目前通常採用基於統計學的區域灰度相關匹配、目標跟蹤等一類算法的LSPIV，極易出現偽矢量(甚至無矢量)，嚴重造成成像視場中的觀測目標運動矢量時空分布不均或密度較低，極易導致河流表面流速場重建錯誤。通過對影響水面流速測驗精度、穩定性及敏感性要素的剖析，僅對LSPIV的目前水面觀測目標檢測方法直接做一般的改造，或者平移和借用圖像信息處理相關領域的先進技術方法，諸如水面艦艇、水雷或海洋溢油遙感等較大目標的檢測等研究成果，並不適用於本課題中大視場觀測下水流示蹤/漂浮物這類光學特性複雜的弱小目標可靠、穩定地連續檢測任務的要求。如何解決水面弱小目標信息的可靠連續採集和魯棒檢測、運動矢量精準估計等關鍵技術，進而為流場重建與定標提供可靠基礎，是目前LSPIV存在的瓶頸問題，也是一項極具挑戰性的研究課題。

發明內容
本發明所要解決的技術問題是針對上述背景技術的不足，提供了一種基於目標特徵的運動矢量估計方法。
本發明為實現上述發明目的採用如下技術方案一種基於目標特徵的運動矢量估計方法，包括如下步驟步驟1，獲取web伺服器中前後兩幀視頻圖像，處理每幀視頻圖像得到目標圖像；步驟2，計算每幀視屏圖像中的目標特徵值；步驟3，以前一幀視頻圖像中的一個目標為樣本目標，根據樣本目標特徵值計算出河流水面流速起始值；步驟4，利用特徵匹配跟蹤方法，比較後一幀視頻圖像中目標特徵值和步驟3所述樣本目標的特徵值，獲取前後兩幀視頻圖像中目標特徵值差最小的目標；步驟5，在搜索範圍內尋找後一幀視頻圖像中唯一與步驟3所述樣本目標特徵值差值最小的目標，並計算河流水面流速初始矢量，其中所述搜索範圍是在樣本目標運動方向正負M度以內，到樣本目標距離在平均運動距離N倍以內的水面區域，M為小於180的正數，N為小於2的整數；步驟6，重複步驟3至步驟5，直至前一幀視頻圖像中的每一個目標都作為樣本目標與後一幀視頻圖像中的所有目標進行特徵值匹配並計算出河流水面流速矢量；步驟7，利用步驟5得到的河流水面流速初始矢量和步驟6得到的河流水面流速矢量構成河流水面流速場。

所述一種基於目標特徵的運動矢量估計方法，步驟2中目標特徵值採用如下步驟計算步驟2-1，根據目標面積S、周長C計算目標的圓度Afa ；步驟2-2，根據目標面積、圓度計算目標特徵值value value= α · S+β · Afa ；其中，α、β為小於I的整數，且α+β = I。所述一種基於目標特徵的運動矢量估計方法步驟5的具體實施如下步驟5-1，若後一幀視頻圖像中有唯一與步驟3所述樣本目標特徵值差值最小的目標，進入步驟5-2 ;否則，返回步驟4 ；步驟5-2，根據步驟5-1所述的後一幀視頻圖像中的目標、步驟3所述的樣本目標，計算河流水面目標運動方向在河流水面目標運動方向超出樣本目標運動方向正負M度時，返回步驟4 ;否則，進入步驟5-3 ；步驟5-3，計算步驟5-1所述的後一幀視頻圖像中的目標在兩幀圖像時間間隔內的運動距離在河流水面目標運動到樣本目標距離超過平均運動距離N倍時，返回步驟4 ;否貝U，根據步驟5-1所述的後一幀視頻圖像中的目標運動距離計算河流水面流速。本發明採用上述技術方案，具有以下有益效果對特徵匹配跟蹤法的結果做反向校驗，最後得到一一對應的跟蹤結果，提高了匹配精度，避免了目標運動矢量再時空分布不均或密度較低的缺陷；一一對應的匹配結果對新流入攝像機畫面範圍的漂浮物和流出的漂浮物也能夠很好的檢驗，提高了系統的魯棒性。


圖1為採集視頻圖像的設備安裝示意圖。圖2為EMB-4650嵌入式開發板的硬體結構示意圖。圖3為本發明的流程圖。圖4為前後兩幀視頻圖像漂浮物特徵之後匹配跟蹤結果的示意圖。圖5為通過反向校驗過程縮小搜索範圍後尋找前後兩幀視頻圖像中特徵值差值最小的一一對應的目標的特徵值匹配跟蹤結果。
具體實施例方式下面結合附圖對發明的技術方案進行詳細說明如圖1所示的基於特徵跟蹤的河流水面流速監測系統，包括EMB-4650嵌入式開發板1、攝像機2及客戶端3，攝像機2的輸出端通過USB接口與EMB-4650嵌入式開發板I連接，EMB-4650嵌入式開發板I內採用特徵匹配跟蹤測速法實現河流水面流速場的計算工作，然後通過WIFI WLAN將計算結果上傳到Web伺服器4中，最終客戶端3可以通過網絡直接獲取Web伺服器4上的河流水面流速場信息。如圖2所示的硬體結構,EMB-4650嵌入式開發板是一款採用Intel Menlow平臺，高性能、低功耗EPIC規格的主板。該板採用Atom Z510P處理器，CPU速度可達到1. 1G，內存採用的是板載DDR II 512MB內存。EMB-4650嵌入式開發板通過12V電源供電，USB接口分別與攝像機和無線網卡連接，採集的圖像保存到mini IDE接口連接的2. 5』 Disk中。EMB-4650開發板外圍電路簡單，整體硬體結構輕巧、功耗低，便於戶外攜帶及使用。如圖3所示的一種基於目標特徵的運動矢量估計方法，以河流水面漂浮物為目標，通過採集前後兩幀視頻圖像，計算河流漂浮物特徵值，經過特徵值匹配和反向校驗過程計算得到河流水面流速，具體包括如下步驟步驟1，獲取web伺服器中前後兩幀視頻圖像，處理每幀視頻圖像得到目標圖像對每幀視頻圖像進行交替開閉運算，獲取背景圖像；對獲得的背景圖像採用減背景法，獲取前景圖像(即河流水面漂浮物)，並對前景圖像進行二值化得到清晰的水面漂浮物圖像；步驟2，計算每幀視屏圖像中的目標特徵值，目標特徵值採用如下步驟計算步驟2-1，根據目標面積S、周長C計算目標的圓度Afa，Afa=4X π XS/C2 (I);步驟2-2，根據目標面積、圓度計算目標特徵值value，value= α · S+β · Afa (2);其中，α、β為小於I的整數，且α+β = I。步驟3，以前一幀視頻圖像中的一個目標為樣本目標，根據樣本目標特徵值計算出河流水面流速起始值。步驟4，利用特徵匹配跟蹤方法，比較後一幀視頻圖像中目標特徵值和步驟3所述樣本目標的特徵值，獲取前後兩幀視頻圖像中目標特徵值差最小的目標。步驟5，通過反向檢驗在搜索範圍內尋找後一幀視頻圖像中唯一與步驟3所述樣本目標特徵值差值最小的目標，並計算河流水面流速初始矢量；搜索範圍是在樣本目標運動方向正負90度以內，到樣本目標距離在平均運動距離1. 5倍以內的水面區域；搜索一一對應目標的具體步驟如下
步驟5-1，若後一幀視頻圖像中有唯一與步驟3所述樣本目標特徵值差值最小的目標，進入步驟5-2 ;否則，返回步驟4 ；步驟5-2，根據步驟5-1所述的後一幀視頻圖像中的目標、步驟3所述的樣本目標，計算河流水面目標運動方向在河流水面目標運動方向超出樣本目標運動方向正負90度時，返回步驟4;否則，進入步驟5-3 ；步驟5-3，計算步驟5-1所述的後一幀視頻圖像中的目標在兩幀圖像時間間隔內的運動距離在河流水面目標運動到樣本目標距離超過平均運動距離1. 5倍時，返回步驟4 ;否貝U，根據步驟5-1所述的後一幀視頻圖像中的目標運動距離計算河流水面流速。步驟6，重複步驟3至步驟5，直至前一幀視頻圖像中的每一個目標都作為樣本目標與後一幀視頻圖像中的所有目標進行特徵值匹配並計算出河流水面流速矢量丨U)其中，為後一幀視頻圖像中唯一與前一幀視頻圖像中樣本目標特徵值差值最小的目標的運動距離，At為兩幀視頻圖像的時間間隔。步驟7，利用步驟5得到的河流水面流速初始矢量和步驟6得到的河流水面流速矢量構成河流水面流速場。前後兩幀視頻圖像漂浮物特徵之後匹配跟蹤結果如圖4所示有一對一、多對一的情況。通過反向校驗過程縮小搜索範圍後尋找前後兩幀視頻圖像中特徵值差值最小的一一對應的目標，特徵值匹配跟蹤結果如圖5所示。綜上所述，本發明對特徵匹配跟蹤法的結果做反向校驗，最後得到一一對應的跟蹤結果，提高了匹配精度，避免了目標運動矢量再時空分布不均或密度較低的缺陷；一一對應的匹配結果對新流入攝像機畫面範圍的漂浮物和流出的漂浮物也能夠很好的檢驗，提高了系統的魯棒性。
權利要求
1.一種基於目標特徵的運動矢量估計方法，其特徵在於包括如下步驟 步驟1，獲取Web伺服器中前後兩幀視頻圖像，處理每幀視頻圖像得到目標圖像； 步驟2，計算每幀視屏圖像中的目標特徵值； 步驟3，以前一幀視頻圖像中的一個目標為樣本目標，根據樣本目標特徵值計算出河流水面流速起始值； 步驟4，利用特徵匹配跟蹤方法，比較後一幀視頻圖像中目標特徵值和步驟3所述樣本目標的特徵值，獲取前後兩幀視頻圖像中目標特徵值差最小的目標； 步驟5，在搜索範圍內尋找後一幀視頻圖像中唯一與步驟3所述樣本目標特徵值差值最小的目標，並計算河流水面流速初始矢量， 其中所述搜索範圍是在樣本目標運動方向正負M度以內，到樣本目標距離在平均運動距離N倍以內的水面區域，M為小於180的正數，N為小於2的整數； 步驟6，重複步驟3至步驟5，直至前一幀視頻圖像中的每一個目標都作為樣本目標與後一幀視頻圖像中的所有目標進行特徵值匹配並計算出河流水面流速矢量； 步驟7，利用步驟5得到的河流水面流速初始矢量和步驟6得到的河流水面流速矢量構成河流水面流速場。
2.根據權利要求1所述的一種基於目標特徵的運動矢量估計方法，其特徵在於所述步驟2中目標特徵值採用如下步驟計算 步驟2-1，根據目標面積S、周長C計算目標的圓度Afa ； 步驟2-2，根據目標面積、圓度計算目標特徵值value : value= α · S+ β · Afa ； 其中，α、β為小於I的整數，且α + β = I。
3.根據權利要求1或2所述的一種基於目標特徵的運動矢量估計方法，其特徵在於所述步驟5的具體實施如下 步驟5-1，若後一幀視頻圖像中有唯一與步驟3所述樣本目標特徵值差值最小的目標，進入步驟5-2 ;否則，返回步驟4 ； 步驟5-2，根據步驟5-1所述的後一幀視頻圖像中的目標、步驟3所述的樣本目標，計算河流水面目標運動方向 在河流水面目標運動方向超出樣本目標運動方向正負M度時，返回步驟4;否則，進入步驟5-3 ； 步驟5-3，計算步驟5-1所述的後一幀視頻圖像中的目標在兩幀圖像時間間隔內的運動距離 在河流水面目標運動到樣本目標距離超過平均運動距離N倍時，返回步驟4 ;否則，根據步驟5-1所述的後一幀視頻圖像中的目標運動距離計算河流水面流速。
全文摘要
本發明公開了一種基於目標特徵的運動矢量估計方法，屬於非接觸式明渠測流的技術領域。本發明處理前後兩幀視頻圖像得到目標特徵值，對目標特徵值差值最小的目標做特徵值匹配，對特徵匹配跟蹤法的結果做反向校驗，最後得到一一對應的跟蹤結果，提高了匹配精度，避免了目標運動矢量再時空分布不均或密度較低的缺陷；一一對應的匹配結果對新流入攝像機畫面範圍的漂浮物和流出的漂浮物也能夠很好的檢驗，提高了系統的魯棒性。
文檔編號G06T7/20GK103035011SQ20121051799
公開日2013年4月10日 申請日期2012年12月6日 優先權日2012年12月6日
發明者王鑫, 姚嵐, 徐立中, 嚴錫君, 張振 申請人:河海大學