[發明專利]一種運動目標實時檢測方法

無效

• 申請號: 200810236675.0
• 申請日: 2008-12-05
• 公開（公告）號: CN101447082A
• 公開（公告）日: 2009-06-03
• 發明（設計）人: 譚毅華;呼志剛;孫愛蓉;田金文
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/00
• 代理公司: 華中科技大學專利中心
• 代理人: 方 放

1.一種運動目標實時檢測方法，包括：

(1)建立模型步驟：對第t幀圖像中(i，j)位置處的像素Q_i，j，t，建立M個高斯模型，Q_i，j，t的像素值X_{i，j，t}為YUV色彩空間矢量：

X_i，j，t＝{Y_i，j，t，U_i，j，t，U_{i，j，t}，V_{i，j，t}}^T，

其概率密度函數P(X_{i，j，t})為M個高斯模型的線性組合：

式中，ω_i，j，t(k)、μ_{i，j，t}(k)和σ_{i，j，t}(k)分別為第t幀圖像中(i，j)位置處的像素Q_i，j，t第k個高斯模型的權值、在YUV色彩空間的均值矢量和標準方差矢量：

μ_{i，j，t}(k)＝{μ_i，j，t(k_Y)，μ_{i，j，t}(k_U)，μ_{i，j，t}(k_V)}^T

σ_{i，j，t}(k)＝{σ_i，j，t(k_Y)，σ_{i，j，t}(k_U)，σ_{i，j，t}(k_V)}^T

σ^T_{i，j，t}(k)表示σ_{i，j，t}(k)的轉置，I為3×3的單位矩陣，M為3～5，1≤i≤R，1≤j≤C，R為圖像的行數，C為圖像的列數；

(2)模型初始化步驟：用第一幀圖像中(i，j)位置處的像素Q_{i，j，1}的像素值X_{i，j，1}初始化該像素處的M個高斯模型，

第k個高斯模型的權值ω_i，j，1(k)＝1/(2k+1)，??????k＝1～M，

第k個高斯模型的均值矢量μ_{i，j，1}(k)＝X_{i，j，1}，??k＝1～M，

第k個高斯模型的標準方差Y分量σ_{i，j，1}(k_Y)取值為20～30，

第k個高斯模型的標準方差U、V分量σ_{i，j，1}(k_U)和σ_i，j，1(k_V)取值為10～20；

在M個高斯模型中，取權值ω_{i，j，1}(k)≥TH的高斯模型表示背景模型，其余的為前景模型，背景閾值TH＝0.15～0.25；

(3)目標檢測與模型更新步驟：從第二幀圖像開始，進行如下過程，形成二值圖象：?

(3.1)將像素Q_{i，j，t}的像素值X_i，j，t依次與背景模型進行比較，判斷其是否滿足背景模型中的任何一個，是則像素Q_{i，j，t}為背景，轉過程(3.2)；否則將像素Q_i，j，t的像素值X_{i，j，t}依次與前景模型進行比較，判斷其是否滿足前景模型中一個，是則像素Q_i，j，t為目標，轉過程(3.2)；否則將像素Q_{i，j，t}判斷為目標，進行過程(3.3)；

(3.2)按前景模型或背景模型更新其對應的M個高斯模型，轉過程(3.4)；

(3.3)更新候選模型，轉過程(3.4)；

(3.4)根據更新后的各模型權值再重新劃分背景模型和前景模型，在M個高斯模型中，取權值ω_{i，j，t}(k)≥TH的高斯模型表示背景模型，其余的為前景模型，背景閾值TH＝0.15～0.25；

(4)虛假目標處理步驟：判斷前述步驟二值圖象中檢測的目標是否為虛假目標；當前像素Q_i，j，t被判斷為目標，則根據下式再將Q_i，j，t與重構背景進行比較，如果滿足則認為是虛假目標，將Q_{i，j，t}判斷為背景，否則保留Q_{i，j，t}為目標，得到去除虛假目標點的二值圖象：

R(Q_{i，j，t})、G(Q_{i，j，t})、B(Q_{i，j，t})、U(Q_{i，j，t})、V(Q_{i，j，t})表示當前像素Q_{i，j，t}的R、G、B和U、V值，R_Bg(Q_{i，j，t})、G_Bg(Q_{i，j，t})、B_Bg(Q_i，j，t)、U_Bg(Q_{i，j，t})、V_Bg(Q_i，j，t)表示當前像素Q^i，j，t對應的重構背景的R、G、B和U、V值，判決閾值T₁、T₂、T_u1、T_u2、T_v1及T_v2的取值范圍分別為：0.8～0.1、1.0～1.3、0.8～1.0、1.0～1.3、0.8～1.0及1.0～1.3；

當前像素Q_i，j，t對應的重構背景值為：

R_Bg(Q_{i，j，t})＝μ_{i，j，t}(max_R)，

G_Vg(Q_i，j，t)＝μ_i，j，t(max_G)，

B_Bg(Q_i，j，t)＝μ_{i，j，t}(max_B)，

U_Bg(Q_i，j，t)＝μ_{i，j，t}(max_U)，?

V_Bg(Q_i，j，t)＝μ_{i，j，t}(max_V)，

μ_i，j，t(max_R)、μ_{i，j，t}(max_G)、μ_{i，j，t}(max_B)、μ_{i，j，t}(max_U)、μ_{i，j，t}(max_V)分別表示當前像素Q_{i，j，t}對應的M個高斯模型中權值最大的背景模型均值的R、G、B、U、V值；

(5)陰影檢測步驟：先判斷當前幀圖像是否存在陰影，是則按如下過程檢測并去除陰影，得到去除陰影的二值圖象，轉步驟(6)；否則直接轉步驟(6)；

對保留為目標的像素Q_{i，j，t}根據下列三式進行判斷，三式同時滿足，則像素Q_i，j，t為陰影，將Q_i，j，t判斷為背景，否則保留Q_{i，j，t}為目標：

(S(Q_{i，j，t})-S_Bg(Q_{i，j，t}))≤τ_S，

|H(Q_{i，j，t})-H_Bg(Q_{i，j，t})|≤τ_H，

式中：H(Q_i，j，t)、S(Q_i，j，t)、V(Q_{i，j，t})與H_Bg(Q_{i，j，t})S_Bg(Q_{i，j，t})、V_Bg(Q_i，j，t)分別表示當前像素Q_{i，j，t}在HSV色彩空間中的H、S、V值以及與像素Q_i，j，t對應的重構背景的H、S、V值，α_S＝0.4～0.5，β_S＝0.8～1.0，τ_S＝0.05～0.1，τ_H＝10～30；H、S、V值在HSV色彩空間中分別表示色度、飽和度、亮度；

(6)后處理步驟：為了使檢測出的目標更完整，對步驟(4)和步驟(5)的結果進行如下處理：

式中F是最終結果二值圖像，Ms是經過步驟(4)處理后得到的二值圖像再經過形態學開運算的結果；M是經過步驟(5)處理后得到的二值圖像再經過腐蝕去除孤立的點后的結果；SE為N×N的結構元素，N＝3～7，?表示以SE為結構元素對M做膨脹運算，∩表示取交集；

(7)確定目標區域步驟：

對步驟(6)形成的二值圖像中保留為目標的所有像素做八鄰域連通分析，將該幀圖像中保留為目標的像素合并成目標塊，并得到各個目標塊的外接矩形，由各個目標塊的外接矩形構成當前幀圖像的真實目標區域，將當前幀圖像的真實目標區域擴大10％～20％作為下一幀圖像的預測目標區域；?

(8)背景的整體更新步驟：

統計步驟(6)形成的二值圖像中保留為目標的所有像素數量，判斷其是否小于該幀圖像所有像素數量的50％～80％，是則背景不整體更新；否則背景整體更新，將整幀圖像中各像素點的最大權值背景模型進行參數替換，用當前幀圖像對應像素點的像素值代替最大權值背景模型的均值，最大權值背景模型的權值置為0.5～0.8，最大權值背景模型的標準方差置為20～30；

(9)輸出步驟：輸出檢測結果，轉步驟(3)檢測下一幀圖像，直到視頻檢測結束。