楊智堯， 宋 欣， 宋占偉

(1. 吉林大學(xué)電子科學(xué)與工程學(xué)院，吉林 長(zhǎng)春 130012；2. 吉林省啟明軟件園企業(yè)孵化有限公司，吉林 長(zhǎng)春 130117)

動(dòng)態(tài)圖像的拼接與運(yùn)動(dòng)目標(biāo)檢測(cè)方法的研究

楊智堯1， 宋 欣2， 宋占偉1

(1. 吉林大學(xué)電子科學(xué)與工程學(xué)院，吉林 長(zhǎng)春 130012；2. 吉林省啟明軟件園企業(yè)孵化有限公司，吉林 長(zhǎng)春 130117)

動(dòng)態(tài)圖像運(yùn)動(dòng)目標(biāo)檢測(cè)是圖像處理中的熱點(diǎn)，但動(dòng)態(tài)圖像的識(shí)別范圍卻成了目標(biāo)檢測(cè)的限制，針對(duì)此問題，本文提出了一種利用圖像拼接技術(shù)擴(kuò)展圖像識(shí)別范圍、并在此基礎(chǔ)上完成運(yùn)動(dòng)目標(biāo)檢測(cè)的方法。在圖像拼接中采用了SURF圖像匹配算法，運(yùn)動(dòng)目標(biāo)識(shí)別利用背景差分法，實(shí)驗(yàn)中使用的是開源的Linux操作系統(tǒng)、以及為圖像處理提供了大量算法和函數(shù)的OpenCV軟件開發(fā)庫(kù)。針對(duì)不同分辨率、不同角度采集的圖像進(jìn)行了實(shí)驗(yàn)研究，結(jié)果表明，可以在較好滿足圖像識(shí)別范圍的同時(shí)，明確地檢測(cè)出運(yùn)動(dòng)目標(biāo)的相關(guān)信息。同時(shí)，本文提出一種通過(guò)圖像拼接實(shí)現(xiàn)擴(kuò)展運(yùn)動(dòng)目標(biāo)檢測(cè)的方法，滿足了實(shí)時(shí)性要求，達(dá)到了增加圖像清晰度的目的，但是，在攝像設(shè)備與場(chǎng)景之間的相對(duì)運(yùn)動(dòng)方面還存在著有待解決的問題，這將成為今后研究的重點(diǎn)方向。

圖像拼接；SURF算法；運(yùn)動(dòng)目標(biāo)檢測(cè)；背景差分法

靜止是相對(duì)的，運(yùn)動(dòng)是絕對(duì)的，動(dòng)態(tài)圖像不僅給人們提供了直觀的動(dòng)態(tài)視覺體驗(yàn)，還包含了遠(yuǎn)高于單幅圖像的信息量，因此對(duì)動(dòng)態(tài)圖像的研究是現(xiàn)代圖像處理的一個(gè)熱點(diǎn)。動(dòng)態(tài)圖像[1]處理的內(nèi)容主要有運(yùn)動(dòng)目標(biāo)檢測(cè)，識(shí)別和跟蹤及目標(biāo)行為的理解與描述。其中運(yùn)動(dòng)目標(biāo)檢測(cè)作為計(jì)算機(jī)視覺的基礎(chǔ)被廣泛研究，但隨著人們對(duì)自動(dòng)化、智能化提出更高的要求，圖像可識(shí)別范圍的局限性逐漸凸顯出來(lái)。通常人們會(huì)采用廣角攝像設(shè)備提高圖像范圍，但是廣角攝像設(shè)備卻存在著嚴(yán)重的失真，同時(shí)其價(jià)格遠(yuǎn)高于普通攝像設(shè)備，因此本研究引入了圖像拼接技術(shù)[2]來(lái)增加圖像采集范圍。在拼接過(guò)程中對(duì)圖像進(jìn)行了預(yù)處理，不但避免了廣角設(shè)備的失真，還增加了圖像的清晰度，使目標(biāo)檢測(cè)更加準(zhǔn)確可靠。為獲得用于拼接的多幅圖像，本研究采用了多傳感器的方式，既使用雙攝像頭來(lái)完成圖像采集。經(jīng)過(guò)一系列的優(yōu)化使本研究的成果有著相當(dāng)廣泛的應(yīng)用前景，例如智能交通，軍事領(lǐng)域等。無(wú)論國(guó)內(nèi)外，在動(dòng)態(tài)圖像目標(biāo)識(shí)別方面都做了很多研究[3-5]，并且取得較好的成果，而且已有很多技術(shù)應(yīng)用到實(shí)際生活中，雖然國(guó)內(nèi)在這方面的研究相對(duì)落后于歐美等發(fā)達(dá)國(guó)家，但隨著國(guó)內(nèi)科技的不斷進(jìn)步，以及計(jì)算機(jī)視覺的快速發(fā)展，動(dòng)態(tài)圖像目標(biāo)識(shí)別技術(shù)將會(huì)得到越來(lái)越多的重視。

1 動(dòng)態(tài)圖像拼接

圖像拼接目的在于將多幅存在重疊部分的圖像拼接成一幅無(wú)縫隙高分辨率圖像。拼接的關(guān)鍵在于圖像配準(zhǔn)與圖像融合，本研究除了考慮基礎(chǔ)的圖片拼接技術(shù)以外，還需完成提高圖像質(zhì)量，雙攝像頭圖像采集同步，及解決拼接過(guò)程速度提升等技術(shù)和算法問題，為運(yùn)動(dòng)目標(biāo)檢測(cè)提供良好的基礎(chǔ)。

1.1 圖像拼接流程

從圖像拼接技術(shù)誕生至今，已形成一套相對(duì)完整的工作流程，根據(jù)本研究的過(guò)程給出相關(guān)闡述。首先，為減少圖像中噪聲與干擾的影響，滿足提高圖像質(zhì)量的要求，需要進(jìn)行圖像的預(yù)處理，此過(guò)程主要完成一些圖像處理的基本操作，例如圖像去噪、邊緣提取以及直方圖處理等，同時(shí)還要對(duì)圖像進(jìn)行某種變換，例如傅里葉變換，小波變換。

預(yù)處理完成后，進(jìn)行的是拼接的關(guān)鍵技術(shù)——圖像配準(zhǔn)，其目的是找出待拼接圖像的特征點(diǎn)在參考圖像中對(duì)應(yīng)的位置，根據(jù)對(duì)應(yīng)關(guān)系進(jìn)行圖像變換，是本課題的關(guān)鍵，因?yàn)閳D像配準(zhǔn)不僅直接關(guān)乎拼接圖像的質(zhì)量，最主要的是這一過(guò)程所選算法的好壞將給運(yùn)行時(shí)間帶來(lái)直接的影響。實(shí)驗(yàn)初期要對(duì)攝像設(shè)備進(jìn)行標(biāo)定，標(biāo)定方法為張正友棋盤格標(biāo)定法，本次實(shí)驗(yàn)采用的OpenCV函數(shù)庫(kù)，其提供了相關(guān)程序以及標(biāo)定過(guò)程介紹。

課題采用了一種設(shè)置硬件的方法來(lái)對(duì)圖像配準(zhǔn)進(jìn)行簡(jiǎn)化，根據(jù)攝像頭標(biāo)定獲得的攝像設(shè)備相關(guān)參數(shù)，對(duì)兩個(gè)攝像頭的位置和角度進(jìn)行固定，這樣就使得兩攝像頭采集的圖像保持一個(gè)確定的位置變換關(guān)系，可實(shí)現(xiàn)在最初幾幀圖像中通過(guò)配準(zhǔn)獲得這一變換關(guān)系 H，將這一變換關(guān)系應(yīng)用到后續(xù)的各幀圖像中，即可省去圖像配準(zhǔn)這一過(guò)程，從而大幅減少程序運(yùn)行時(shí)間。根據(jù)變換關(guān)系 H，進(jìn)行坐標(biāo)系統(tǒng)的統(tǒng)一。最后進(jìn)行圖像融合，將兩幅圖像的重疊部分合二為一，消除圖像拼接的痕跡，實(shí)現(xiàn)無(wú)縫拼接。圖 1為圖像拼接過(guò)程的基本流程。

1.2圖像配準(zhǔn)算法分析

圖1 圖像拼接基本流程

目前在圖像配準(zhǔn)方面已形成一套獨(dú)立的體系結(jié)構(gòu)，常見方法有：基于灰度信息的方法、基于變換域的方法和基于特征的方法。其中，基于特征的配準(zhǔn)獲得的關(guān)注程度很高，因?yàn)閳D像的特征對(duì)旋轉(zhuǎn)、尺度縮放、仿射變換都保持良好地不變性(scale invariant feature transform, SIFT)，對(duì)于噪聲和光照變換有較好地魯棒性(speeded up robust transform, SURF)。SIFT[6]和SURF[3]就是能夠滿足不變性與魯棒性的兩種常用算法，本課題就這兩種算法進(jìn)行了研究。

1.2.1 SIFT與SURF

SIFT算法[4]被廣范應(yīng)用于圖像配準(zhǔn)，SURF算法[5,7]與SIFT算法類似，可以說(shuō)SURF算法是SIFT算法的優(yōu)化，SURF算法保持了SIFT算法優(yōu)良的穩(wěn)定性與魯棒性，同時(shí)還減少了檢測(cè)的時(shí)間，增加了實(shí)時(shí)性優(yōu)勢(shì)，這是本實(shí)驗(yàn)采用SURF算法的主要原因。通過(guò)OpenCV庫(kù)中的FeatureDetector()類對(duì)兩種算法進(jìn)行實(shí)際對(duì)比，圖 2給出對(duì)同一景物不同角度拍攝的圖像，對(duì)兩種方法進(jìn)行了特征點(diǎn)檢測(cè)，表 1給出了檢測(cè)過(guò)程的相關(guān)參數(shù)。由此可以看出，SURF算法不僅檢測(cè)出足夠的特征點(diǎn)，而且檢測(cè)時(shí)間小于SIFT算法，這證明了選取SURF算法的合理性。

圖2 SIFT算法與SURF算法測(cè)得描述符示意圖

表1 SIFT算法與SURF算法測(cè)得描述符數(shù)目與運(yùn)行時(shí)間

1.2.2 SURF算法解析

SURF圖像配準(zhǔn)算法主要目的在于生成SURF描述子用以表示圖像的特征點(diǎn)， SURF算法采用了Hessian矩陣的行列式來(lái)進(jìn)行圖像特征點(diǎn)[8]的判斷，Hessian矩陣的一般形式為：

式中，f(x, y)表示任一個(gè)函數(shù)，由式(1)得其行列式為：

通過(guò)對(duì)det(H)的符號(hào)進(jìn)行判斷，可得知此點(diǎn)是否為極值點(diǎn)。對(duì)于一幅圖像 P1，設(shè)其像素點(diǎn)滿足函數(shù) I(x, y)，在此選取一種標(biāo)準(zhǔn)的二階高斯函數(shù)G (σ)作為濾波器，求得圖像的二階偏導(dǎo)數(shù)，根據(jù)等式(1)可得到圖像P1中各像素點(diǎn)對(duì)應(yīng)的Hessian矩陣形式為：

式中，X=(x, y)，而L(X,σ)是由I(x, y)與G (σ)卷積所得：

根據(jù)式(2)～(3)可以得到圖像P1的Hessian矩陣對(duì)應(yīng)的行列式，此處為方便應(yīng)用，將L(X,σ)替換為離散形式D(X,σ)，行列式為：

式中，ω為權(quán)值，引入ω的目的在于平衡準(zhǔn)確值與近似值之間的誤差，通常情況下 ω是通過(guò)多次試驗(yàn)而獲得的經(jīng)驗(yàn)值。

通過(guò)源圖像與G (σ)卷積得到尺度空間，這也是SIFT與SURF時(shí)間差距的主要原因之一，SIFT尺度空間是對(duì)源圖像進(jìn)行重復(fù)卷積所得，即下一幅圖像要利用本次的結(jié)果，SURF算法則通過(guò)調(diào)節(jié)濾波模板的大小同時(shí)處理多個(gè)層次，大大減小運(yùn)行時(shí)間。尺度空間構(gòu)建完成后，通過(guò)相鄰點(diǎn)對(duì)比選取特征點(diǎn)，進(jìn)而為特征點(diǎn)構(gòu)造描述算子，將特征點(diǎn)表示出來(lái)。

1.3 相關(guān)實(shí)驗(yàn)內(nèi)容分析

本次實(shí)驗(yàn)的拼接手段是Opencv中的Stitcher()結(jié)構(gòu)，函數(shù)內(nèi)部在配準(zhǔn)算法方面采用的就是SURF算法，下面給出拼接部分的幾個(gè)主要函數(shù)：首先通過(guò)Stitcher::createDefault(bool try_use_gpu=false)對(duì)初始值、閾值進(jìn)行設(shè)定，接下來(lái)的圖像配準(zhǔn)函數(shù)Stitcher::estimateTransform(InputArray images, const std::vector＜std::vector＜Rect＞＞& rois)函數(shù)參數(shù)中images為輸入圖像組，參數(shù)rois是感興趣區(qū)域，由于只關(guān)心待配準(zhǔn)圖像的重疊部分，對(duì)rois進(jìn)行設(shè)定可以進(jìn)一步節(jié)省時(shí)間。下一步是圖形融合Stitcher::composePanorama(InputArray images, OutputArray pano)根據(jù)變換關(guān)系對(duì)圖像進(jìn)行融合，函數(shù)參數(shù)分別為輸入數(shù)組images，輸出結(jié)果pano。圖3為實(shí)際采集的兩幅圖像及其拼接后的圖像。

圖3 圖像拼接情況

2 動(dòng)態(tài)圖像運(yùn)動(dòng)目標(biāo)檢測(cè)

完成圖像拼接，獲得了廣視角的動(dòng)態(tài)圖像，在此基礎(chǔ)上進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)[9-10]。本實(shí)驗(yàn)中，檢測(cè)的目的是從圖像序列中將運(yùn)動(dòng)目標(biāo)與背景分離，并進(jìn)行標(biāo)識(shí)。

2.1 運(yùn)動(dòng)目標(biāo)檢測(cè)的方法

目標(biāo)檢測(cè)通常分為靜態(tài)背景與動(dòng)態(tài)背景[11]兩部分，由于本課題在完成圖像拼接的基礎(chǔ)上進(jìn)行目標(biāo)檢測(cè)，考慮到算法的復(fù)雜程度，本研究重點(diǎn)為靜態(tài)背景的情況。下面對(duì)靜態(tài)處理方法進(jìn)行簡(jiǎn)要概述，并結(jié)合實(shí)際情況對(duì)算法作出合理選擇。

幀間差分，就是對(duì)相鄰兩幀進(jìn)行差分，提取出兩幀中的變化目標(biāo)，這種方法很難提取出完整目標(biāo)。光流法，是一種相對(duì)復(fù)雜的算法，它主要是通過(guò)估計(jì)圖像的運(yùn)動(dòng)場(chǎng)，將相似的運(yùn)動(dòng)矢量合成起來(lái)，便構(gòu)成了所檢測(cè)的目標(biāo)。雖然這種算法能夠產(chǎn)生良好地檢測(cè)效果，但是對(duì)噪聲很敏感，加之以復(fù)雜的計(jì)算過(guò)程，很難適應(yīng)本次實(shí)驗(yàn)的要求。背景差分，將當(dāng)前幀與背景幀相減，原理相對(duì)簡(jiǎn)單，檢測(cè)速度也比較快，最重要的是能夠得到較為完整目標(biāo)信息，但背景的構(gòu)造及更新是一個(gè)難點(diǎn)，本次實(shí)驗(yàn)中采用的正是背景差分法。

2.2 背景差分法

對(duì)于一組動(dòng)態(tài)圖像中的一幀，可用f(x, y)表示，背景則用B(x, y)表示，由此可得差分值D(x, y)：在本實(shí)驗(yàn)中，背景的初值選擇為動(dòng)態(tài)圖像的第一幀，完成差分后對(duì)D(x, y)進(jìn)行二值化處理，根據(jù)相關(guān)實(shí)驗(yàn)經(jīng)驗(yàn)給出閾值 T，將低于閾值的像素賦值為0即為黑色，相反則賦值為255即為白色，而此白色部分便為運(yùn)動(dòng)目標(biāo)，設(shè)二值化圖像函數(shù)為 I(x, y)，則：

對(duì)于背景更新，需采用的是基礎(chǔ)的加權(quán)更新原理：

式中，Bk(x, y),表示當(dāng)前背景，而Bk-1(x, y)表示的是上一幀的背景，α 是加權(quán)值稱作更新率，根據(jù)式(8)可知，α 值的選取對(duì)背景更新帶來(lái)很大影響，當(dāng)α 值過(guò)大背景更新很快，但會(huì)引入噪聲，而α 值過(guò)小背景更新過(guò)慢，根據(jù)實(shí)驗(yàn)對(duì)比α 值取在0.01到0.10之間較為合理。圖4為α 取0.05時(shí)得到的運(yùn)動(dòng)目標(biāo)檢測(cè)情況。

圖4 運(yùn)動(dòng)目標(biāo)檢測(cè)情況

3 實(shí)驗(yàn)內(nèi)容與結(jié)果

根據(jù)需求進(jìn)行硬件設(shè)備的選擇，實(shí)驗(yàn)的重點(diǎn)是實(shí)時(shí)性，要求硬件設(shè)備有足夠的運(yùn)行速度，其次還需考慮可行性、實(shí)用性等問題，合理選定設(shè)備。本實(shí)驗(yàn)選擇的主要處理設(shè)備為Intel Core2雙核 2.0 GHz CPU，攝像設(shè)備為市場(chǎng)上廣泛使用的USB攝像頭中微星ZC0301。軟件方面，采用的是Linux系統(tǒng)，加之以廣泛應(yīng)用于圖像處理的Opencv圖形開發(fā)庫(kù)，實(shí)現(xiàn)動(dòng)態(tài)圖像拼接、運(yùn)動(dòng)目標(biāo)檢測(cè)。

實(shí)驗(yàn)初期設(shè)定了兩攝像頭的角度與距離，因此攝像頭參數(shù)之間有一個(gè)固定變換關(guān)系，可采用只在最初幾幀測(cè)定此變換關(guān)系的方法，來(lái)減少匹配時(shí)間的消耗，而實(shí)驗(yàn)過(guò)程中會(huì)以一定的時(shí)間間隔進(jìn)行變換關(guān)系的再匹配，以克服光照變換所帶來(lái)的影響。

對(duì)一般視頻而言，圖像每秒幀數(shù)為25 fps，對(duì)于本實(shí)驗(yàn)，在滿足圖像拼接與目標(biāo)識(shí)別的同時(shí)，很難達(dá)到這一要求，因此應(yīng)當(dāng)在滿足人眼的動(dòng)態(tài)視覺要求的前提下，適當(dāng)減少圖像幀數(shù)。表 2展示本實(shí)驗(yàn)在不同分辨率下有、無(wú)ROI等情況下的幀數(shù)。

表2 圖像幀數(shù)情況

硬件設(shè)備配置完成，軟件開發(fā)完畢，所得實(shí)驗(yàn)結(jié)果如圖5所示。從圖5中可以看出，通過(guò)圖像拼接完成了識(shí)別范圍擴(kuò)展，在此基礎(chǔ)之上精準(zhǔn)完成了運(yùn)動(dòng)目標(biāo)的識(shí)別。圖中邊緣部分的不整齊是圖像匹配造成的，這一點(diǎn)可以通過(guò)邊緣裁剪來(lái)解決，總體上本實(shí)驗(yàn)已達(dá)到課題目標(biāo)。

圖5 圖像拼接與運(yùn)動(dòng)目標(biāo)識(shí)別整體結(jié)果

4 結(jié) 論

本次課題研究主要實(shí)現(xiàn)了在完成動(dòng)態(tài)圖像運(yùn)動(dòng)目標(biāo)檢測(cè)的同時(shí)，通過(guò)圖像拼接技術(shù)擴(kuò)大了圖像識(shí)別的范圍，以節(jié)約資源為前提克服了當(dāng)前目標(biāo)檢測(cè)識(shí)別范圍不足的缺陷，通過(guò)合理選擇圖像配準(zhǔn)算法，調(diào)整圖像分辨率，以及圖像ROI來(lái)減少圖像拼接的時(shí)間消耗，可產(chǎn)生滿足人眼要求的、清晰度要求的準(zhǔn)實(shí)時(shí)動(dòng)態(tài)圖像，并根據(jù)背景差分法，清晰地提取出運(yùn)動(dòng)目標(biāo)的輪廓信息，為接下來(lái)的目標(biāo)分析打下了良好的基礎(chǔ)。綜合本次課題的結(jié)果，以及實(shí)驗(yàn)過(guò)程中所遇到的問題，對(duì)相關(guān)研究方向的未來(lái)發(fā)展做出展望，今后的重點(diǎn)目標(biāo)是本次實(shí)驗(yàn)所未解決的動(dòng)態(tài)背景下的目標(biāo)檢測(cè)，以及如何進(jìn)一步提高圖像分辨率等問題。

[1] Zitova′ B, Jan F. Image registration methods：a survey [J]. Image and Vision Computing, 2003, 21(11): 977-1000.

[2] 王 娟, 師 軍, 吳憲祥. 圖像拼接技術(shù)綜述[J]. 計(jì)算機(jī)應(yīng)用研究, 2008, 25(7): 1940-1943.

[3] 時(shí) 磊, 謝曉方, 喬勇軍. 基于SURF算法和OpenCV的人臉特征檢測(cè)技術(shù)研究[J]. 計(jì)算機(jī)與數(shù)字工程, 2010, 38(2): 124-126.

[4] Cai Guorong, Jodoin P M, Li Shaozi, Wu Yundong, Su Songzhi, Huang Zhenkun. Perspective-SIFT： an efficient tool for low-altitude remote sensing image registration [J]. Signal Processing, 2013, 93(11): 3088-3110.

[5] 張亞娟. 基于SURF特征的圖像與視頻拼接技術(shù)的研究[D]. 西安: 西安電子科技大學(xué), 2013.

[6] Yang Fan, Deng Zhensheng, Fan Qiuhong. A method for fast automated microscope image stitching [J]. Micron, 2013, 48: 17-25.

[7] 仝如強(qiáng), 黃玉清, 田瑞娟. SURF算法及其對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)跟蹤效果[J]. 西南科技大學(xué)學(xué)報(bào), 2011, 26(3): 63-67.

[8] Nascimento E R, Oliveira G L, Vieira A W, Campos M F. On the development of a robust, fast and lightweight keypoint descriptor [J]. Neurocomputing, 2013, 120(S1): 141-155.

[9] 張曉慧. 視頻監(jiān)控運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究與實(shí)現(xiàn)[D].西安: 西安電子科技大學(xué), 2012.

[10] Maillard J, Leny M, Diakhaté H. Enhancing the audience experience during sport events：real-time processing of multiple stereoscopic cameras [J]. Annals of Telecommunications, 2013, 68(11-12): 657-671.

[11] Ali I, Dailey M N. Multiple human tracking in high-density crowds [J]. Image and Vision Computing, 2012, 30(12): 966-977.

The Research of Dynamic Image Mosaic and Moving Object Detection Method

Yang Zhiyao1, Song Xin2, Song Zhanwei1
(1. College of Electronic Science and Engineering, Jilin University, Changchun Jilin 130012, China; 2. Qiming Software Park Business Incubation CO., LTD, Changchun Jilin 130117, China)

The moving object detection of dynamic image, in the modern world is a key point, a difficult point and also a hotspot in image processing, it has a lot of useful application, such as keep a lookout over traffic situation in intelligent transportation, the precise guidance in military affairs and so on, but the recognition range of dynamic image has been the limitation of moving object detection. In order to solve this problem, this paper have made a research and put forward a kind of new method that using image mosaic technology to expand the scope of image recognition, and then based on the wide angle image we have get to finishing the detection of moving object. In this experiment, first we considered the problem of real-time and then we choose the SURF (speeded up robust transform) as an image matching algorithm instead of the SIFT (scale invariant feature transform) which is usually adopted in image mosaicking, because of the SURF algorithm can provide enough characteristic points and on other hand it’s working speed is faster than SIFT algorithm, and after the image mosaic we start to do the detection work about the moving object, at this time we took advantage of the background difference method, which can help us detect the moving object completely and quickly. Second, we considered the problem of practicability and then we choose the open source systemLinux as the operating system and the software library which named OpenCV is used in this experiment as the tool of image processing which can provided a large number of algorithms and functions, the reason that we choose this software is that all of them are free. We can get them through the internet easily. We use the image that we take about one sight from different angle, different distance and the image with different resolution rate to do this experiment, so that we can have a general result. At the end of this experiment, the study results show that, we can get the dynamic image that satisfy the requirement of real-time and the enhancement of the resolution rate, and it can detect the moving object clearly and get the useful information of the moving object completely, at the same time this study can gave a more spacious image recognition range. In this paper we put forward a new kind of moving target detection method which can gave a widely recognition range of an image by image mosaic, and at the same time on one hand we can fulfil the real-time requirements, also can fulfill the requirements of practicability, on the other hand we can also increase the image resolution rate. However, there is still some problem we can’t solve in this study, just like the relatively motion between the camera and the sight. After finish the work of this research we will start to make a deep study about this topic so that at the next study we will take steps to solve the problem persist.

image mosaic; speeded up robust transform; moving target detection; background difference

TP 391

A

2095-302X(2014)06-0893-06

2014-06-04；定稿日期：2014-07-16

長(zhǎng)春市物聯(lián)網(wǎng)重大科技專項(xiàng)資助項(xiàng)目(2011144)

楊智堯(1989-)，男，吉林白山人，博士。主要研究方向?yàn)閳D像處理、嵌入式系統(tǒng)研究。E-mail：naruto_yang@163.com

宋占偉(1962-)，男，吉林長(zhǎng)春人，教授，博士。主要研究方向?yàn)閿?shù)字信號(hào)處理、圖像處理、智能交通、嵌入式系統(tǒng)研究。E-mail：songzw@jlu.edu.cn