动态场景下基于稠密场景流的运动目标检测

摘要

移动机器人在动态场景下工作时,需要对场景进行识别,检测出所在场景中的运动目标.现有的动态目标检测算法如背景减法、帧间差分法,在动态背景下难以取得较好的效果,且现有的一些像素级的运动检测方法,都无法提取出完整的运动目标.本文提出了一种基于稠密场景流的运动目标检测方法,该方法首先利用K-Means聚类算法,对RGB-D图像中的深度图进行聚类并分割图像,然后计算图像的每个分割块的场景流,最后根据聚类结果和场景流估计结果,检测出运动场不为0的区域对应的该类即是动态物体,从而可检测并提取出动态场景下的运动目标.实验结果表明,本文提出的动态物体检测算法可以在背景运动时有效地检测出运动目标,具备较好的鲁棒性,且能够实现运动目标的完整提取.