专利名称：一种基于目标特征的运动矢量估计方法
技术领域：
本发明公开了一种基于目标特征的运动矢量估计方法，属于非接触式明渠测流的技术领域。
背景技术：
针对甚高流速的洪峰(大于5 6m/s)等复杂水流条件(或极端条件)下的测验，尤其是山溪性河流高洪期洪水暴涨暴落，水流速度变化快，含沙量高，漂浮杂物多，致使常规的河流流量测验方案无法开展布置，测速方法和仪器不能正常地施测。河流表面流速分布是水文监测中重要的测量参数，无论是对于流量估计还是河流泥沙淤积、河岸侵蚀模式的研究都至关重要。为了测量一段河流表面的流速分布，通常需要采用间隔安放的流速仪测量，这些流速仪安装在桥上或者横跨河流宽度的绳索上，或用测量船只。这种使用间隔流速仪测量流速的方法提供空域和时域分辨率都很差的数据。比如测量一个横断面为50米的河流要用数小时而且测量的数据局限在安装流速仪桥附近的横断面，而不是整个水面的流场分布。因此，至今仍尚未有支持高洪期稳定可靠和有效地测流技术方法以及相应的产品化仪器设备。大尺度粒子成像测速(Large-Scale PIV, LSPIV)是目前极端条件下进行应急测验或巡测的一种可能手段。上世纪90年代末，实验室环境下的粒子光学成像测速(ParticleImage Velocimetry,PIV)被改造引入日本Yodo河洪水的观测。这种大尺度粒子成像测速(LSPIV)通过测量某一小图像区域(观测窗口)的水面漂浮物及天然示踪模式(如波纹、浪花或旋涡等代替实验室环境下的人工示踪粒子)的平均位移来得到该区域中心处的流速。但是，极端测验条件下流体物化属性及测验环境复杂多变，水流示踪/漂浮物的尺度、旋转与遮挡等非刚体运动状态急速变化，特别是在水面光强、水面反射及水下和天空散射等光线扰动的复杂光学环境下，目前通常采用基于统计学的区域灰度相关匹配、目标跟踪等一类算法的LSPIV，极易出现伪矢量(甚至无矢量)，严重造成成像视场中的观测目标运动矢量时空分布不均或密度较低，极易导致河流表面流速场重建错误。通过对影响水面流速测验精度、稳定性及敏感性要素的剖析，仅对LSPIV的目前水面观测目标检测方法直接做一般的改造，或者平移和借用图像信息处理相关领域的先进技术方法，诸如水面舰艇、水雷或海洋溢油遥感等较大目标的检测等研究成果，并不适用于本课题中大视场观测下水流示踪/漂浮物这类光学特性复杂的弱小目标可靠、稳定地连续检测任务的要求。如何解决水面弱小目标信息的可靠连续采集和鲁棒检测、运动矢量精准估计等关键技术，进而为流场重建与定标提供可靠基础，是目前LSPIV存在的瓶颈问题，也是一项极具挑战性的研究课题。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足，提供了一种基于目标特征的运动矢量估计方法。
本发明为实现上述发明目的采用如下技术方案一种基于目标特征的运动矢量估计方法，包括如下步骤步骤1，获取web服务器中前后两帧视频图像，处理每帧视频图像得到目标图像；步骤2，计算每帧视屏图像中的目标特征值；步骤3，以前一帧视频图像中的一个目标为样本目标，根据样本目标特征值计算出河流水面流速起始值；步骤4，利用特征匹配跟踪方法，比较后一帧视频图像中目标特征值和步骤3所述样本目标的特征值，获取前后两帧视频图像中目标特征值差最小的目标；步骤5，在搜索范围内寻找后一帧视频图像中唯一与步骤3所述样本目标特征值差值最小的目标，并计算河流水面流速初始矢量，其中所述搜索范围是在样本目标运动方向正负M度以内，到样本目标距离在平均运动距离N倍以内的水面区域，M为小于180的正数，N为小于2的整数；步骤6，重复步骤3至步骤5，直至前一帧视频图像中的每一个目标都作为样本目标与后一帧视频图像中的所有目标进行特征值匹配并计算出河流水面流速矢量；步骤7，利用步骤5得到的河流水面流速初始矢量和步骤6得到的河流水面流速矢量构成河流水面流速场。
所述一种基于目标特征的运动矢量估计方法，步骤2中目标特征值采用如下步骤计算步骤2-1，根据目标面积S、周长C计算目标的圆度Afa ；步骤2-2，根据目标面积、圆度计算目标特征值value value= α · S+β · Afa ；其中，α、β为小于I的整数，且α+β = I。所述一种基于目标特征的运动矢量估计方法步骤5的具体实施如下步骤5-1，若后一帧视频图像中有唯一与步骤3所述样本目标特征值差值最小的目标，进入步骤5-2 ;否则，返回步骤4 ；步骤5-2，根据步骤5-1所述的后一帧视频图像中的目标、步骤3所述的样本目标，计算河流水面目标运动方向在河流水面目标运动方向超出样本目标运动方向正负M度时，返回步骤4 ;否则，进入步骤5-3 ；步骤5-3，计算步骤5-1所述的后一帧视频图像中的目标在两帧图像时间间隔内的运动距离在河流水面目标运动到样本目标距离超过平均运动距离N倍时，返回步骤4 ;否贝U，根据步骤5-1所述的后一帧视频图像中的目标运动距离计算河流水面流速。本发明采用上述技术方案，具有以下有益效果对特征匹配跟踪法的结果做反向校验，最后得到一一对应的跟踪结果，提高了匹配精度，避免了目标运动矢量再时空分布不均或密度较低的缺陷；一一对应的匹配结果对新流入摄像机画面范围的漂浮物和流出的漂浮物也能够很好的检验，提高了系统的鲁棒性。
图1为采集视频图像的设备安装示意图。图2为EMB-4650嵌入式开发板的硬件结构示意图。图3为本发明的流程图。图4为前后两帧视频图像漂浮物特征之后匹配跟踪结果的示意图。图5为通过反向校验过程缩小搜索范围后寻找前后两帧视频图像中特征值差值最小的一一对应的目标的特征值匹配跟踪结果。
具体实施例方式下面结合附图对发明的技术方案进行详细说明如图1所示的基于特征跟踪的河流水面流速监测系统，包括EMB-4650嵌入式开发板1、摄像机2及客户端3，摄像机2的输出端通过USB接口与EMB-4650嵌入式开发板I连接，EMB-4650嵌入式开发板I内采用特征匹配跟踪测速法实现河流水面流速场的计算工作，然后通过WIFI WLAN将计算结果上传到Web服务器4中，最终客户端3可以通过网络直接获取Web服务器4上的河流水面流速场信息。如图2所示的硬件结构,EMB-4650嵌入式开发板是一款采用Intel Menlow平台，高性能、低功耗EPIC规格的主板。该板采用Atom Z510P处理器，CPU速度可达到1. 1G，内存采用的是板载DDR II 512MB内存。EMB-4650嵌入式开发板通过12V电源供电，USB接口分别与摄像机和无线网卡连接，采集的图像保存到mini IDE接口连接的2. 5’ Disk中。EMB-4650开发板外围电路简单，整体硬件结构轻巧、功耗低，便于户外携带及使用。如图3所示的一种基于目标特征的运动矢量估计方法，以河流水面漂浮物为目标，通过采集前后两帧视频图像，计算河流漂浮物特征值，经过特征值匹配和反向校验过程计算得到河流水面流速，具体包括如下步骤步骤1，获取web服务器中前后两帧视频图像，处理每帧视频图像得到目标图像对每帧视频图像进行交替开闭运算，获取背景图像；对获得的背景图像采用减背景法，获取前景图像(即河流水面漂浮物)，并对前景图像进行二值化得到清晰的水面漂浮物图像；步骤2，计算每帧视屏图像中的目标特征值，目标特征值采用如下步骤计算步骤2-1，根据目标面积S、周长C计算目标的圆度Afa，Afa=4X π XS/C2 (I);步骤2-2，根据目标面积、圆度计算目标特征值value，value= α · S+β · Afa (2);其中，α、β为小于I的整数，且α+β = I。步骤3，以前一帧视频图像中的一个目标为样本目标，根据样本目标特征值计算出河流水面流速起始值。步骤4，利用特征匹配跟踪方法，比较后一帧视频图像中目标特征值和步骤3所述样本目标的特征值，获取前后两帧视频图像中目标特征值差最小的目标。步骤5，通过反向检验在搜索范围内寻找后一帧视频图像中唯一与步骤3所述样本目标特征值差值最小的目标，并计算河流水面流速初始矢量；搜索范围是在样本目标运动方向正负90度以内，到样本目标距离在平均运动距离1. 5倍以内的水面区域；搜索一一对应目标的具体步骤如下
步骤5-1，若后一帧视频图像中有唯一与步骤3所述样本目标特征值差值最小的目标，进入步骤5-2 ;否则，返回步骤4 ；步骤5-2，根据步骤5-1所述的后一帧视频图像中的目标、步骤3所述的样本目标，计算河流水面目标运动方向在河流水面目标运动方向超出样本目标运动方向正负90度时，返回步骤4;否则，进入步骤5-3 ；步骤5-3，计算步骤5-1所述的后一帧视频图像中的目标在两帧图像时间间隔内的运动距离在河流水面目标运动到样本目标距离超过平均运动距离1. 5倍时，返回步骤4 ;否贝U，根据步骤5-1所述的后一帧视频图像中的目标运动距离计算河流水面流速。步骤6，重复步骤3至步骤5，直至前一帧视频图像中的每一个目标都作为样本目标与后一帧视频图像中的所有目标进行特征值匹配并计算出河流水面流速矢量丨U)其中，为后一帧视频图像中唯一与前一帧视频图像中样本目标特征值差值最小的目标的运动距离，At为两帧视频图像的时间间隔。步骤7，利用步骤5得到的河流水面流速初始矢量和步骤6得到的河流水面流速矢量构成河流水面流速场。前后两帧视频图像漂浮物特征之后匹配跟踪结果如图4所示有一对一、多对一的情况。通过反向校验过程缩小搜索范围后寻找前后两帧视频图像中特征值差值最小的一一对应的目标，特征值匹配跟踪结果如图5所示。综上所述，本发明对特征匹配跟踪法的结果做反向校验，最后得到一一对应的跟踪结果，提高了匹配精度，避免了目标运动矢量再时空分布不均或密度较低的缺陷；一一对应的匹配结果对新流入摄像机画面范围的漂浮物和流出的漂浮物也能够很好的检验，提高了系统的鲁棒性。
权利要求
1.一种基于目标特征的运动矢量估计方法，其特征在于包括如下步骤 步骤1，获取Web服务器中前后两帧视频图像，处理每帧视频图像得到目标图像； 步骤2，计算每帧视屏图像中的目标特征值； 步骤3，以前一帧视频图像中的一个目标为样本目标，根据样本目标特征值计算出河流水面流速起始值； 步骤4，利用特征匹配跟踪方法，比较后一帧视频图像中目标特征值和步骤3所述样本目标的特征值，获取前后两帧视频图像中目标特征值差最小的目标； 步骤5，在搜索范围内寻找后一帧视频图像中唯一与步骤3所述样本目标特征值差值最小的目标，并计算河流水面流速初始矢量， 其中所述搜索范围是在样本目标运动方向正负M度以内，到样本目标距离在平均运动距离N倍以内的水面区域，M为小于180的正数，N为小于2的整数； 步骤6，重复步骤3至步骤5，直至前一帧视频图像中的每一个目标都作为样本目标与后一帧视频图像中的所有目标进行特征值匹配并计算出河流水面流速矢量； 步骤7，利用步骤5得到的河流水面流速初始矢量和步骤6得到的河流水面流速矢量构成河流水面流速场。
2.根据权利要求1所述的一种基于目标特征的运动矢量估计方法，其特征在于所述步骤2中目标特征值采用如下步骤计算 步骤2-1，根据目标面积S、周长C计算目标的圆度Afa ； 步骤2-2，根据目标面积、圆度计算目标特征值value : value= α · S+ β · Afa ； 其中，α、β为小于I的整数，且α + β = I。
3.根据权利要求1或2所述的一种基于目标特征的运动矢量估计方法，其特征在于所述步骤5的具体实施如下 步骤5-1，若后一帧视频图像中有唯一与步骤3所述样本目标特征值差值最小的目标，进入步骤5-2 ;否则，返回步骤4 ； 步骤5-2，根据步骤5-1所述的后一帧视频图像中的目标、步骤3所述的样本目标，计算河流水面目标运动方向 在河流水面目标运动方向超出样本目标运动方向正负M度时，返回步骤4;否则，进入步骤5-3 ； 步骤5-3，计算步骤5-1所述的后一帧视频图像中的目标在两帧图像时间间隔内的运动距离 在河流水面目标运动到样本目标距离超过平均运动距离N倍时，返回步骤4 ;否则，根据步骤5-1所述的后一帧视频图像中的目标运动距离计算河流水面流速。
全文摘要
本发明公开了一种基于目标特征的运动矢量估计方法，属于非接触式明渠测流的技术领域。本发明处理前后两帧视频图像得到目标特征值，对目标特征值差值最小的目标做特征值匹配，对特征匹配跟踪法的结果做反向校验，最后得到一一对应的跟踪结果，提高了匹配精度，避免了目标运动矢量再时空分布不均或密度较低的缺陷；一一对应的匹配结果对新流入摄像机画面范围的漂浮物和流出的漂浮物也能够很好的检验，提高了系统的鲁棒性。
文档编号G06T7/20GK103035011SQ20121051799
公开日2013年4月10日 申请日期2012年12月6日 优先权日2012年12月6日
发明者王鑫, 姚岚, 徐立中, 严锡君, 张振 申请人:河海大学