基于谱残差和聚类法的运动目标检测研究

摘要

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续.针对这一问题,分别引入谱残差算法和k-means聚类算法,并加以改进,提出一种基于谱残差算法和k-means聚类算法的运动目标检测算法.具体方法是:首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k-means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标.实验显示,本文算法目标识别率达到90.61％,误检率达到21.25％,分别优于传统基于SURF特征的运动目标检测算法66.60％的识别率、31.91％的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573％的识别率、26.80％的误检率.虽然该算法平均运行时间为18 fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用.