基于运动点团的鱼眼图像中多目标检测方法研究

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (24): 158-161.

基于运动点团的鱼眼图像中多目标检测方法研究

吴健辉1，2，商橙1，张国云1，2，郭龙源1，2，何伟1，2，涂兵1，2

1.湖南理工学院信息与通信工程学院，湖南岳阳 414006
2.湖南理工学院复杂系统优化与控制湖南省普通高等学校重点实验室，湖南岳阳 414006

出版日期:2016-12-15 发布日期:2016-12-20

Study of moving objects detection in fisheye image based on moving blob method

WU Jianhui1，2, SHANG Cheng1, ZHANG Guoyun1，2, GUO Longyuan1，2, HE Wei1，2, TU Bing1，2

1.College of Information and Communication Engineering, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China
2.Key Laboratory of Optimization and Control for Complex Systems of Hunan Province, Hunan Institute of Science and Technology, Yueyang, Hunan 414006, China

Online:2016-12-15 Published:2016-12-20

摘要/Abstract

摘要： 采用运动点团模式对鱼眼视频序列中的目标检测方法进行了研究和探讨。运动点团模式的运动目标检测分为三个层次，每个层次对应一个具体的检测算法，即基于像素层的背景提取和更新、运动点团层的点团检测和判定及运动目标层的目标标记和跟踪。对三个算法的原理进行了探讨，并结合鱼眼图像的特点进行了算法改进和优化。实验结果表明，以运动点团作为中间检测过程的方法能有效对圆形鱼眼视频序列中的多个运动目标进行检测，特别是图像边缘的大畸变、低分辨率目标，相比传统的检测方法具有更好的检测稳定性和准确性，在大范围智能视频监控中具备很好的实际应用价值。

关键词: 鱼眼图像, 运动点团, 运动目标, 目标检测

Abstract: This paper studies the multi-objects detection in fisheye image that uses the moving blob method. The moving blob detection method is divided into three levels when it uses in moving object detection, and each level corresponds to a specific detection algorithm, which is the background extraction and updating based on the pixel level, the moving blob detection and determining based on the moving blob level, the moving object marking and tracking based on the moving object level. The principle of these three algorithms are discussed, improved and optimized combined with the characteristics of fisheye image. The experimental results show that the objects can be detected effectively and stably in fisheye video sequences using the moving blob method as the intermediate inspection process, especially, when the moving object at the edge of image has the large distortion and low resolution. It has some practical value in wide range of intelligent video surveillance system.

Key words: fisheye image, moving blob, moving object, object detection

吴健辉1，2，商橙1，张国云1，2，郭龙源1，2，何伟1，2，涂兵1，2. 基于运动点团的鱼眼图像中多目标检测方法研究[J]. 计算机工程与应用, 2016, 52(24): 158-161.

WU Jianhui1，2, SHANG Cheng1, ZHANG Guoyun1，2, GUO Longyuan1，2, HE Wei1，2, TU Bing1，2. Study of moving objects detection in fisheye image based on moving blob method[J]. Computer Engineering and Applications, 2016, 52(24): 158-161.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[5]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[6]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[7]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[8]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[9]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[10]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[11]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[12]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[13]	沈新烽，姜平，周根荣. 改进SSD算法在零部件检测中的应用研究[J]. 计算机工程与应用, 2021, 57(7): 257-262.
[14]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[15]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.