复杂动背景下的'低小慢'目标检测技术

摘要

为了在复杂天空背景下检测出低空慢速小目标,本文研究了"低小慢"目标的视觉显著性区域特征,融合扫描线填充算法,提出了一种动态背景下"低小慢"目标自适应实时检测技术.首先,根据图像的亮度对比度获取显著性图.接着,使用形态学梯度提取显著性特征,通过三帧差分算法得到种子点.然后,使用扫描线填充算法进行生长,结合提出的自适应双高斯算法分割出前景.最后,根据候选目标的面积占比变化、质心距离变化、宽高比差异剔除虚假目标,完成检测.为了验证算法的有效性,本文选取了7组复杂天空背景的视频序列进行测试,并与其他优秀检测算法进行了对比.结果表明,本文提出的算法对运动目标检测的平均运行时间为0.0409 s,平均检测准确率为89.97％,相比于其他算法的平均运算时间减少了0.35 s,检测的平均准确率提高了24.5％.算法在复杂背景下具有较好的稳定性和较强的鲁棒性.