本发明涉及一种目标物体三维空间运动距离计算方法，属于图像检测分析技术领域。
背景技术：
早在上世纪70年代leese、novak等人以影像灰度值统计云层的卫星照片,分离背景与物体。80年代运用二维影像光流法、梯度法能够处理小运动范围的移动目标检测。90年代后背景减除、时间差分、运用区域块的光流计算提取特征块来识别物体。运动分析是近年来计算机视觉领域中备受关注的前沿方向,尤其在美国、英国等国家已经开展了大量相关项目的研究。在国内,运动图像分析已在人体运动检测与跟踪、智能交通、机器人视觉、运动目标检测与跟踪等诸方面展开了深层次研究。
对于运动图像的检测分析,背景图像是静止的情况,现阶段的研究成果比较成熟,也易于广泛实现,常见的有背景减除法、时间差分方法等,而对动态变化的背景图像,由于外界条件的复杂多变性,研究方法不可能完全一致,因而各研究方法也会有不同的适用性。现阶段的常用方法有基于光流方法、基于背景模型方法、基于熵的运动目标检测法等等。但是现阶段的运动目标检测法，比如背景模型方法只是基于二维平面，光流方法虽然能够提取运动目标轮廓，但是不能计算物体三维运动的移动距离。
技术实现要素：
本发明的目的在于克服现有技术中的不足，提供一种目标物体三维空间运动距离计算方法，解决现有技术无法基于单图像传感器采集的运动图像计算物体三维运动的移动距离的技术问题。
为解决上述技术问题，本发明所采用的技术方案是：一种目标物体三维空间运动距离计算方法，包括如下步骤：
利用单图像传感器采集目标物体的运动图像，将目标物体运动方向分解为上下、左右和前后六个方向；
根据运动图像中目标物体行心移动位置确定目标物体在平面上的移动距离；
利用成像面积函数计算目标物体前后移动距离；
根据目标物体在平面上的移动距离和前后移动距离，计算目标物体在三维空间的运动距离。
优选的，计算目标物体在平面上的移动距离前需将目标物体从背景图像中分离出。
进一步的，分离目标物体和背景图像的方法为：
利用二值化函数对运动图像进行处理；
采用概率统计方法确定像素最优阈值，并将二值化处理后的图像中小于最优阈值的像素分割为背景，大于或者等于最优阈值的像素分割为目标物体。
进一步的，所述二值化函数包括基于灰度值处理图像的函数。
进一步的，确定目标物体在平面上移动距离的方法为：
根据灰度图像找到目标物体的几何中心，即形心；
计算目标物体的形心在灰度图像中的移动距离，即目标物体在平面上的移动距离。
进一步的，计算目标物体前后移动距离的方法为：
通过成像原理，获得成像面积函数
其中f是镜头的焦距；d为物距；se是目标物体实际面积；sm是镜像的目标物体面积；k为镜头所接收到的图像被显示屏放大的比例；
目标物体前后移动距离通过物距d的前后变化计算获得。
与现有技术相比，本发明所达到的有益效果是：通过将物体平面上以及前后运动结合为物体在三维空间上的运动，能够精确的测算出物体在三维空间运动的距离，降低了计算难度，填补了目标物体在三维空间运动的图像分析的空白，可以用于机器人视觉图像领域。
附图说明
图1为本发明的算法流程图；
图2为本发明的光路分析图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示的，一种目标物体三维空间运动距离计算方法，包括以下步骤：
步骤一：将目标物体方向分解为上下、左右以及前后方向，其中在对目标物体的图像分析时将上下、左右结合在一个平面内。通过分析目标物体的图像上的变化来计算物体运动的距离。
步骤二：在单图像传感器的单色成像下，拍摄的图像为灰度图像。灰度图像通常把亮度划分成0到255共256个等级，其中0为黑色，255为白色。由于32×64的低像素，物体周围会产生一圈模糊轮廓，通过二值化对图像进行处理。
将单图像传感器拍摄的图像进行二值化处理，则表示像素在(i,j)位置的灰度值，二值化函数为
式中：(i,j)表示图像上的位置，f(i,j)为(i,j)位置的灰度值。
确定最优阈值来分离出目标物体与背景图像。即当二值化处理后的图像像素小于最优阈值t的像素分割为背景，大于或者等于最优阈值t的像素分割为目标物体。
最优阈值计算过程如下：
设一幅混着加性高斯噪声的图像，背景和目标的概率密度分别是pb(z)和p0(z)；整幅图像的混合概率密度是p(z)，其中
式中，μb和μ0分别是背景和目标区域的平均灰度值；σb和σ0是均值的均方差；pb和p0分别是背景和目标区域灰度值的先验概率。
此时，将目标像素划分为背景错误的概率和将背景像素划分为目标错误的概率分别为：
而总的误差概率是e(t)＝p0eb(t)+pbe0(t)
将上式中的变量t求导且令导数为零，得：pbpb(t)＝p0p0(t)
代入式中，同时假设σb＝σ0＝σ则得到一个最优阈值：
当然也有特殊情况，如果两个区域先验分布相同，那么最优阈值则可能是两个平均灰度值的中值。
步骤三：在单图像传感器的单色成像下，在对进行二值化处理后找到目标物体的几何中心，即形心，通过计算形心在灰度图像中的移动距离即为目标物体在平面上的运动距离。
步骤四：如图2所示，根据相机成像原理，目标物体所在平面与像所在平面相互平行，根据光路图△oab与△o’a’b’相似对应边成比例，目标物体在摄像设备的感光平面上成的像是倒立缩小的实像，经感光元件将光信号转化为电信号，最后经过放大最终才显示在屏幕上。根据成像原理和图像间的几何关系得到成像面积函数，即物体在图像中的面积与物体距离相机的距离的函数。
成像面积函数
其中f是镜头的焦距；d为物距；se是目标物体实际面积；sm是镜像的目标物体面积；k为镜头所接收到的图像被显示屏放大的比例；
步骤五：结合步骤三和步骤四中计算得出的目标物体在相应方向的距离，通过物距d的前后变化计算即可得出目标物体在三维空间运动的距离。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。