基于景深估计运动物体视觉检测方法与系统与流程

本发明涉及视觉检测领域，特别涉及一种基于景深估计运动物体视觉检测方法与系统。

背景技术：

目前在视觉检测领域，因过去的在低速情况下，会关注车身周围的运动目标，由于目标的高度存在需要一定的视野范围，这样很多的远距离目标会被保留造成干扰，增加了近距离运动物体检测的难度，所以需要一种全新的近景视觉检测方法，既能根据不同的场景，自适应的选择相应的近景视觉方法，提高了近景运动物体的识别检测的正确率和距离精度。

技术实现要素：

本发明要解决的问题是，如何提供一种近景视觉检测方法，该方法主要是针对在多种环境情况下能自我适应，减少干扰且结合视觉方法等，可提高近景运动物体距离的准确度。

为了解决上述问题，本发明提供了一种基于景深估计运动物体视觉检测系统，包括视频获取模块、景深特征点处理模块、航迹处理模块和近景运动信息输出模块；视频摄取模块连接着景深特征点处理模块，景深特征点处理模块与航迹处理模块相连，航迹处理模块连接近景运动信息输出模块，视频获取模块用于获取车身周围的图像信息，景深特征点处理模块用于对图像进行景深估计与特征点提取，然后选择近距离的特征点集并进行跟踪，航迹处理模块用于对该特征点与车身信息进行航迹聚类处理，近景运动信息输出模块用于对获得的近景运动目标判别并输出相关信息。

优选的，景深特征点处理模块包括景深估计模块、特征点提取模块和中央处理模块；景深估计模块用于将图像进行景深估计处理，特征点提取模块用于提取图像的角点作为特征点，中央处理模块用于处理选择的近景特征点集并进行跟踪。

优选的，景深估计模块和特征点提取模块均与中央处理模块相连。

优选的，视频获取模块均与景深估计模块和特征点提取模块相连。

一种基于景深估计运动物体视觉检测方法，包括以下步骤：

s1.图像获取:通过车载摄像头收集各个视角的实时图像;

s2.图像处理：按帧接收实时图像，分别进行景深估计和特征点提取，景深估计后得到近距离的背景和前景区域，提取图像的特征点；

s3.获取近景特征点：估计出的近距离区域并选择近距离区域内的特征点；

s4.特征点跟踪：得到近景特征点，并结合后续几帧图像的近景特征点进行l-k跟踪算法得到特征点的航迹；

s5.航迹聚类：将相似航迹对应的特征点聚为一类，视为同一物体上的特征点，对特征点进行聚类，得到各类航迹的主要区域；

s6.判别：结合车身信息判别每个区域是否为运动目标上的特征点。

优选的，步骤s4中还包括保留近景特征点步骤。

优选的，步骤s2中的特征点为图像的角点。

优选的，步骤s5中的聚类方法为利用特征点的光流矢量进行k-means聚类。

优选的，特征点的光流矢量包括方向和幅度。

本基于景深估计运动物体视觉检测方法与系统具有以下的有益效果：

1.自适应环境，精确度高。因为近景视觉检测方法中，无论在街边，还是常规车位与环岛或地下车库等复杂场景下，都可以通过景深估计与特征点模块等处理，将车身周围近景运动物体进行检测，以此增加正确率，以及物体与车身的近距离精度。

2.降低干扰，增加完整性。由于并不是直接对视频中远处背景，因为会对近距离物体检测中的干扰，而是利用特征点来确定近景信息，尽可能的保持了近距离目标信息的完整性。

附图说明

图1为本发明基于一种景深估计运动物体视觉检测方法与系统的流程图。

图2为本发明基于一种景深估计运动物体视觉检测方法与系统的原理框图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的有点和特征更易被本领域技术人员理解，从而对本发明的保护范围做出更为清楚的界定。

实施例1

一种基于景深估计运动物体视觉检测系统，包括视频获取模块、景深特征点处理模块、航迹处理模块和近景运动信息输出模块；视频摄取模块连接着景深特征点处理模块，景深特征点处理模块与航迹处理模块相连，航迹处理模块连接近景运动信息输出模块，视频获取模块用于获取车身周围的图像信息，景深特征点处理模块用于对图像进行景深估计与特征点提取，然后选择近距离的特征点集并进行跟踪，航迹处理模块用于对该特征点与车身信息进行航迹聚类处理，近景运动信息输出模块用于对获得的近景运动目标判别并输出相关信息。

景深特征点处理模块包括景深估计模块、特征点提取模块和中央处理模块；景深估计模块用于将图像进行景深估计处理，特征点提取模块用于提取图像的角点作为特征点，中央处理模块用于处理选择的近景特征点集并进行跟踪。

景深估计模块和特征点提取模块均与中央处理模块相连。

视频获取模块均与景深估计模块和特征点提取模块相连。

开始运作时，通过视频获取模块来对车身环境进行获取图像，再将获取的图像传输给景深特征点处理模块，图像在该模块的景深估计模块进行基于mrf-map方法的处理，在其特征点提取模块进行获取所有的特征点，并进行l-k跟踪中，再把两个模块得到的信息在中央处理器进行选择近景特征点集以及对该特征点集跟踪和保留的处理，将处理得出的信息传输给航迹处理模块，该模块进行k-means聚类，，得到各类航迹的主要区域，最后结合车身信息，得到近景的运动目标的特征点信息，再将该信息传给驾驶员，驾驶员可以对近景环境情况和近景的运动事物进行应变处理。

实施例2

一种基于景深估计运动物体视觉检测方法，包括以下步骤：

s1.图像获取:通过车载摄像头收集各个视角的实时图像;

s2.图像处理：按帧接收实时图像，分别进行景深估计和特征点提取，景深估计后得到近距离的背景和前景区域，提取图像的特征点；即对起始帧的单幅图像进行基于mrf-map方法的景深估计，估计后获得近距离的图像区域，为了简化特征点的提取，选用对图像等分的网格点作为特征点，在进行l-k跟踪中，如果网格点具有较强的角点特性，该点会被跟踪和保留。

s3.获取近景特征点：估计出的近距离区域并选择近距离区域内的特征点；

s4.特征点跟踪：得到近景特征点，并结合后续几帧图像的近景特征点进行l-k跟踪算法得到特征点的航迹；

s5.航迹聚类：将相似航迹对应的特征点聚为一类，视为同一物体上的特征点，对特征点进行聚类，得到各类航迹的主要区域；特征点的光流矢量包括方向和幅度；

s6.判别：结合车身信息判别每个区域是否为运动目标上的特征点。

其中，步骤s2中的特征点为图像的角点；步骤s4中还包括保留近景特征点步骤；步骤s5中的聚类方法为利用特征点的光流矢量进行k-means聚类。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

技术特征：

技术总结
本发明公开了一种基于景深估计运动物体视觉检测方法与系统，包括视频获取模块、景深特征点处理模块、航迹处理模块和近景运动信息输出模块。通过接收到图像，将图像进行景深估计与特征点提取，来选择近距离的特征点集，就可以得到该特征点信息，并且进行跟踪，将该特征点与车身信息进行航迹聚类处理，最后得到近景的运动目标信息，传达给驾驶员，就可以在低速情况下，会关注车身周围的运动目标，避免由于很多的远距离目标会被保留造成干扰，增加了近距离运动物体检测的难度。

技术研发人员：汪浩;倪如金;王小刚
受保护的技术使用者：惠州市德赛西威汽车电子股份有限公司
技术研发日：2017.12.11
技术公布日：2018.05.08