[發明專利]一種動態圖像運動目標檢測方法

無效

• 申請號: 201110440364.8
• 申請日: 2011-12-24
• 公開（公告）號: CN103177454A
• 公開（公告）日: 2013-06-26
• 發明（設計）人: 李萌
• 申請（專利權）人: 南京理工大學常熟研究院有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機視覺和圖像處理領域，尤其是對動態圖像中運動目標進行檢測的技術。

背景技術

運動目標檢測是隨著視頻技術的發展而產生的具有應用價值的研究課題，在目標跟蹤、視頻監控和精確制導等領域有著重要應用。動態圖像運動目標檢測是指從視頻流中去除靜止的背景，檢測出運動目標及其攜帶的運動信息，運動目標的有效分割對目標分類和跟蹤等后期處理非常關鍵。

在靜止攝像機的條件下，運動目標檢測的關鍵就是背景圖像的描述模型即背景模型，背景建模是計算機視覺中的一個基本問題，國內外的許多學者也建立了許多數學模型來描述背景，最常用的描述背景點顏色分布的概率模型是高斯分布。

運動目標檢測的方法很多，例如背景差分法，也是目前運動目標分割中最為常見的方法，背景差分法易于分割出運動目標，但對環境變化比較敏感。傳統的運動目標檢測算法存在閾值確定困難、對噪聲較敏感等缺點。參數主動輪廓方法是解決靜止與運動圖像分割和目標檢測問題的一種有效方法，其主要缺點在于拓撲適應性較弱，即在演化過程中不能自適應地分裂或合并。傳統的幾何主動輪廓方法是利用梯度迫使演化曲線停在具有大梯度的目標邊界上，因為涉及到差分計算，所以受噪聲影響大，且易越過模糊的邊緣。

Mumford-Shah模型是近年來研究較為廣泛的圖像分割和輪廓提取技術，該模型的泛函包含了對圖像區域和邊界的描述，通過泛函的優化，可以一次獲得圖像的特征邊界及全局區域的劃分。但由于Mumford-Shah模型是現代數學中的一種自由不連續問題，模型對圖像中邊緣等跳躍部分通過幾何測度項(長度項)來控制，使數值逼近或數值解成為十分棘手的問題，為應用帶來一定困難。

針對上述問題，提出Chan-Vese算法，假設圖像中每個同質區域的灰度為常數，即對于區域有I(R_i)＝c_i，c_i是常數，則最小化能量函數F^MS就是要尋找最優分割C₀，使得分割圖像和原圖像u之間的差異最小。但是，具有空洞區域的目標的壁比較厚時，Chan-Vese算法往往不能得到正確的結果。

發明內容

為了保證在高噪聲和邊緣模糊的情況下曲線演化的正確性，可以將改進Chan-Vese算法，引入到運動目標分割中，結合主動輪廓模型，并采用改進區域生長算法進行準確性驗證，從而設計一種新的運動目標檢測方法。

1.高斯濾波與圖像差分

在連續的圖像序列中兩個相鄰幀之間，采用基于像素的時間差分并且閾值化來提取圖像中的運動區域。圖像中含有運動物體意味著圖像強度在發生變化，這是運動檢測算法的依據。定義灰度差分圖像D＝{d(x，y)}為：

d(x，y)＝g(|I(x，y，t+1)-I(x，y，t)|)????(1)

其中，I(x，y，t+1)和I(x，y，t)為圖像序列中兩個相鄰幀圖像，函數g(x)定義為：

g(x)=255e-γx2---(2)]]>

函數g(x)的作用是調整圖像的對比度和均衡化圖像，γ為調整系數，可以根據情況進行適當調節。對分辨率較低場景中存在多個運動目標，且其運動速度和方向不相同的條件下，采用簡單的閾值法分割效果較差。使用差分法后，目標運動區域即成為目標檢測的主要研究區域，圖像中靜止的背景被排除在檢測的搜索范圍之外。

在實際中，由于噪聲的影響，在沒有發生像素移動的區域也會出現圖像間差分不為零的情況，導致所得到的運動目標區域比真實區域偏大。考慮到視頻鏡頭產生的噪聲符合高斯分布，且圖像序列中的隨機噪聲、亮度變化、背景紋理的慢變化等統計量噪聲一般也符合高斯分布，可以在差分圖像前先對圖像進行高斯濾波處理。

2.基于改進Chan-Vese算法的運動區域檢測