[發(fā)明專利]基于運(yùn)動矢量的目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 201210218615.2
• 申請日: 2012-06-28
• 公開（公告）號: CN102800105A
• 公開（公告）日: 2012-11-28
• 發(fā)明（設(shè)計(jì)）人: 吳煒;黃鵬;羅霽;宋彬
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06T7/20
• 分類號: G06T7/20;H04N5/14;H04N7/26
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于運(yùn)動矢量的目標(biāo)檢測方法，包括如下步驟：

(1)利用視頻解碼，得到每一幀運(yùn)動矢量信息；

(2)設(shè)定運(yùn)動、準(zhǔn)靜止和靜止這3個(gè)目標(biāo)狀態(tài)，其中運(yùn)動狀態(tài)表示連續(xù)的兩幀之間，前景目標(biāo)存在有位移；靜止?fàn)顟B(tài)表示連續(xù)的兩幀之間，目標(biāo)沒有產(chǎn)生位移；準(zhǔn)靜止?fàn)顟B(tài)表示運(yùn)動狀態(tài)與靜止?fàn)顟B(tài)之間的過渡，防止將運(yùn)動的前景目標(biāo)錯(cuò)誤地判為靜止目標(biāo)；

(3)視頻序列開始時(shí)采用混合高斯模型作為背景模型，并利用K-means算法進(jìn)行背景模型的初始化；

(4)讀取下一幀的運(yùn)動矢量信息，對運(yùn)動矢量進(jìn)行處理；

4.1)記錄所有的前景目標(biāo)中像素點(diǎn)的坐標(biāo)，并選取其中橫坐標(biāo)最小和最大的像素點(diǎn)，以及縱坐標(biāo)最小和最大的像素點(diǎn)，用這四個(gè)像素點(diǎn)確定一個(gè)方形區(qū)域，使這四個(gè)像素點(diǎn)在該方形區(qū)域的邊界上，通過這四個(gè)像素點(diǎn)坐標(biāo)的變化得到方形區(qū)域的位移；

4.2)將方形區(qū)域內(nèi)所有的4×4塊的V_i，m，n值累加，得到這個(gè)方形區(qū)域內(nèi)包含的非零運(yùn)動矢量4×4塊的數(shù)目；

其中V_i，m，n表示第i幀位置為(m,n)的4×4塊的運(yùn)動矢量是否為零，其中1≤m≤M，1≤n≤N，M和N分別為圖像寬和高中4×4塊的數(shù)目；當(dāng)此塊運(yùn)動矢量為零時(shí)，V_i，m，n＝0，當(dāng)此塊運(yùn)動矢量不為零時(shí)，V_i，m，n＝1；

(5)判定目標(biāo)狀態(tài)：

5.1)當(dāng)目標(biāo)在運(yùn)動狀態(tài)時(shí)，先根據(jù)方形區(qū)域非零運(yùn)動矢量塊的數(shù)目判定目標(biāo)是否由運(yùn)動狀態(tài)進(jìn)入準(zhǔn)靜止?fàn)顟B(tài)，如果連續(xù)三幀非零運(yùn)動矢量塊的數(shù)目小于給定的門限值T，則判定目標(biāo)進(jìn)入準(zhǔn)靜止?fàn)顟B(tài)，否則判定目標(biāo)仍在運(yùn)動狀態(tài)，執(zhí)行步驟(8)，再根據(jù)方形區(qū)域非零運(yùn)動矢量塊的數(shù)目以及方形區(qū)域的位移判定目標(biāo)是否由準(zhǔn)靜止?fàn)顟B(tài)進(jìn)入靜止?fàn)顟B(tài)，如果在以后20幀中，沒有連續(xù)三幀非零運(yùn)動矢量塊的數(shù)目大于給定的門限值T，同時(shí)方形區(qū)域位移小于給定的位移門限D(zhuǎn)，則判定目標(biāo)進(jìn)入靜止?fàn)顟B(tài)，執(zhí)行步驟(6)，否則判定目標(biāo)跳回運(yùn)動狀態(tài)，執(zhí)行步驟(8)，其中T=55，D=6；

5.2)當(dāng)目標(biāo)在靜止?fàn)顟B(tài)時(shí)，根據(jù)方形區(qū)域非零運(yùn)動矢量塊的數(shù)目判定目標(biāo)是否重新運(yùn)動，如果連續(xù)三幀非零運(yùn)動矢量塊的數(shù)目大于給定的門限值T，則判定目標(biāo)進(jìn)入運(yùn)動狀態(tài)，執(zhí)行步驟(7)，否則判定目標(biāo)仍在靜止?fàn)顟B(tài)，執(zhí)行步驟(8)；

(6)對于進(jìn)入靜止?fàn)顟B(tài)的第一幀，對方形區(qū)域內(nèi)所有像素點(diǎn)的背景模型采用新的更新方法進(jìn)行更新，即直接將該幀中方形區(qū)域的圖像作為背景，實(shí)現(xiàn)快速的背景模型更新；而對這個(gè)方形區(qū)域之外的所有像素點(diǎn)，執(zhí)行步驟(8)；從靜止?fàn)顟B(tài)的第二幀開始，執(zhí)行步驟(8)；

(7)對于重新運(yùn)動之后的第一幀，對方形區(qū)域內(nèi)所有像素點(diǎn)的背景模型采用新的更新方法進(jìn)行更新，即將之前運(yùn)動狀態(tài)中最后一幀，目標(biāo)所在的方形區(qū)域的背景直接作為當(dāng)前幀該區(qū)域的背景，實(shí)現(xiàn)快速的背景模型更新，從而精確地檢測出目標(biāo)；而對方形區(qū)域之外的所有像素點(diǎn)，執(zhí)行步驟(8)；從重新運(yùn)動之后的第二幀開始，執(zhí)行步驟(8)；

(8)每L幀對整幀的所有像素進(jìn)行更新，對于其它幀中運(yùn)動矢量為0的塊的像素，跳過不更新，對于其它幀中運(yùn)動矢量非0的塊的像素，采用混合高斯模型MOG更新方法進(jìn)行更新。

2.根據(jù)權(quán)利要求1所述的基于運(yùn)動矢量的目標(biāo)檢測方法，其中步驟(1)所述的利用視頻解碼，得到每一幀運(yùn)動矢量信息，是指在解碼端使用聯(lián)合視頻編碼組JVT的解碼器進(jìn)行解碼，得到每一幀圖像中所有4×4塊的運(yùn)動矢量。

3.根據(jù)權(quán)利要求1所述的基于運(yùn)動矢量的目標(biāo)檢測方法，其中步驟(3)所述的視頻序列開始時(shí)采用混合高斯模型作為背景模型，并利用K-means算法進(jìn)行背景模型的初始化，是按如下步驟進(jìn)行：

3a)在每個(gè)像素點(diǎn)上建立10個(gè)類，計(jì)算每個(gè)像素點(diǎn)的灰度值與這些類之間的距離，對距離最近的類中像素點(diǎn)個(gè)數(shù)加1，同時(shí)計(jì)算該類的均值；

3b)使用K個(gè)高斯模型模擬每個(gè)像素點(diǎn)的值，將像素點(diǎn)個(gè)數(shù)最多的那個(gè)類的均值賦給第一個(gè)高斯模型，后面的K-1個(gè)模型的均值都賦為0；再把第一個(gè)模型的權(quán)值賦為0.8，后面的K-1個(gè)模型的權(quán)值賦為0.2/K-1,其中K表示高斯模型的個(gè)數(shù)。

4.根據(jù)權(quán)利要求1所述的基于運(yùn)動矢量的目標(biāo)檢測方法，其中步驟(8)所述的采用混合高斯模型MOG更新方法進(jìn)行更新，按如下步驟進(jìn)行：

8a)將每個(gè)像素點(diǎn)與K個(gè)高斯模型進(jìn)行匹配檢測，若像素點(diǎn)滿足如下公式，則表示匹配成功：

μ_i，p，q,k-2.5·∑_i，p，q,k≤X_i，p，q≤μ_i，p，q,k+2.5·∑_i，p，q,k，

其中X_i，p，q表示第i幀中坐標(biāo)為(p，q)的像素點(diǎn)的值，μ_{i，p，q，k}表示在第i幀中第k個(gè)混合高斯模型的均值，∑_{i，p，q，k}表示在第i幀中第k個(gè)混合高斯模型的協(xié)方差矩陣；

8b)對于匹配成功的像素點(diǎn)，按如下公式更新其權(quán)值w_{i，p，q，k}，均值μ_{i，p，q，k}，標(biāo)準(zhǔn)差σ_{i，p，q，k}，即：

w_i，p，q,k＝(1-α)·w_{i-1，p，q,k}+α，

μ_{i，p，q，k}＝(1-ρ)·μ_i-1p，q，k+ρ·X_i，p，q，

σi,p,q,k2=(1-ρ)·σi-1,p,q,k2+ρ·(Xi,p,q-μi,p,q,k)T(Xi,p,q-μi,p,q,k),]]>

其中w_{i-1，p，q,k}表示更新前第i-1幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的權(quán)值，w_{i，p，q，k}表示更新后第i幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的權(quán)值，μ_{i-1，p，q，k}表示更新前第i-1幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的均值，μ_{i，p，q，k}表示更新后第i幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的均值，σ_{i-1，p，q，k}表示更新前第i-1幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的標(biāo)準(zhǔn)差，σ_{i，p，q，k}表示更新后第i幀中坐標(biāo)為(p，q)的像素點(diǎn)的第k個(gè)混合高斯模型的標(biāo)準(zhǔn)差，α表示一個(gè)學(xué)習(xí)速率，其取值為0.02，ρ表示的是另一個(gè)學(xué)習(xí)速率，其取值為0.005；

8c)對于沒有匹配成功的像素點(diǎn)，保持它們的均值μ_{i，p，q，k}和標(biāo)準(zhǔn)差σ_{i，p，q，k}不變，并按如下公式權(quán)值更新：

w_i，p，q,k＝(1-α)·w_i-1p，q,k。