基于BRISK特征的动态背景下运动目标检测.docxVIP

下载本文档

4
0
约1.37万字
约 10页
2025-02-19 发布于山东
举报
版权申诉

基于BRISK特征的动态背景下运动目标检测.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

2018年第37卷第2期传感器与微系统(TransducerandMicrosystemTechnologies)127

DOI:10.13873/J.1000—9787(2018)02—0127—04

基于BRISK特征的动态背景下运动目标检测*

韩乐乐，王思明，李伟杰

（兰州交通大学自动化与电气工程学院，甘肃兰州730070)

摘要：针对动态背景下运动目标检测过程中对检测算法实时性和鲁棒性的要求，提出了一种基于二进制鲁棒不变尺度特征(BRISK)的运动目标检测算法。通过改进的BRISK算法检测特征点；为了保证匹配精度和速度，采用K最近邻(KNN)算法进行特征点匹配；运用基于随机抽样一致性(RANSAC)的全局运动参数估计法获取最优全局运动参数；采用帧间差分法进行运动目标检测。实验结果表明：改进的BRISK算法减少了49.8%的特征点数目，KNN算法去除了85.9%的特征点对；在各种场景下能够准确地检测出运动目标，与以往算法相比检测效果较好。

关键词：动态背景；运动目标检测；二进制鲁棒不变尺度特征

中图分类号：TP391.4文献标识码：A文章编号：1000—9787(2018)02—0127—04

MovingobjectdetectionbasedonBRISKfeatureindynamicbackground*

HANLe-le,WANGSi-ming,LIWei-jie

(SchoolofAutomationElectricalEngineering,LanzhouJiaoTongUniversity,Lanzhou730070,China)

Abstract:Consideringrequirementsofreal-timeandrobustnessofdetectionalgorithminmovingobjectdetectionprocessunderdynamicbackground,amovingobjectdetectionalgorithmbasedonbinaryrobustinvariantscalablekeypoints(BRISK)isproposed.TheimprovedBRISKalgorithmisusedtodetectfeaturepoints.Toassurematchingprecisionandspeed,theknearestneighbor(KNN)algorithmisadoptedtomatchfeaturepoints.Globalmotionparameterestimationmethodbasedonrandomsampleconsensus(RANSAC)isusedtoobtaintheoptimalglobalmotionparameters.Interframedifferencemethodisappliedtoachievethedetectionofmovingtargets.TheexperimentalresultsindicatethattheimprovedBRISKalgorithmreducesthenumberoffeaturepointsby49.8%,andKNNalgorithmremoves85.9%featurepoints.Meanwhile,thealgorithmcanaccuratelydetectmovingobiectsinvariousscenes,comparedwithpreviousalgorithm,detectingeffectisbetter.

Keywords:dynamicbackground;movingobjectdetection;binaryrobustinvariantscalablekeypoints(BRISK)

0引言

运动目标检测作为机器视觉领域的研究热点，其目的是从图像序