[發明專利]一種基于改進混合高斯和圖像剪切的運動目標檢測方法

無效

• 申請號: 201210365994.8
• 申請日: 2012-09-27
• 公開（公告）號: CN103077530A
• 公開（公告）日: 2013-05-01
• 發明（設計）人: 楊金福;楊宛露;傅金融;李明愛;趙偉偉;解濤
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 吳蔭芳

1.一種基于改進混合高斯和圖像剪切的運動目標檢測方法，其特征在于，該方法包括以下步驟：

（1）圖像輸入步驟，輸入原始視頻圖像序列；

（2）圖像預處理步驟，將原始視頻圖像序列轉換成灰度圖像序列；

（3）圖像差分運算步驟：

（3.1）取大小為M×N的滑動窗口W，W_i(x，y)表示灰度圖像序列的第i幀圖像中滑動窗口的灰度矩陣，計算灰度圖像序列中相鄰兩幀對應窗口的灰度差異性系數R(W_i(x，y)，W_i+1(x，y))，計算方法如下：

R(Wi(x,y),Wi+1(x,y))=1M×NΣx=1MΣy=1N(Wi(x,y)-Wi+1(x,y))2]]>

其中，x和y分別為灰度矩陣中每個元素的橫坐標和縱坐標，M和N分別為滑動窗口的長和寬，且0＜R(W_i(x，y)，W_i+1(x，y))＜1；

（3.2）若灰度差異性系數大于閾值T，則將灰度圖像序列的第i幀圖像中滑動窗口對應位置的灰度值均設定為1，反之設定為0，T的取值范圍為0.25至0.35，移動滑動窗口直至遍歷灰度圖像序列的第i幀和第i+1幀圖像，重復以上操作直到灰度圖像序列全部完成灰度差異性運算，得到二值圖像序列I_B(x，y)；

（3.3）對二值圖像序列I_B(x，y)中相鄰兩幀做‘與’運算，二值圖像序列I_B(x，y)中所有圖像完成‘與’運算后得到目標圖像序列I_M(x，y)，I_M(x，y)中灰度值為1的區域是初步確定的運動目標；

（4）運動區域確定步驟：

（4.1）根據目標圖像序列I_M(x，y)中目標位置，確定目標的運動方向，具體包括，

目標圖像序列I_M(x，y)共包含num幀圖像，若num為偶數，從目標圖像序列I_M(x，y)中抽取第1幀、第num/2幀圖像和第num幀圖像，若num為奇數，則從目標圖像序列I_M(x，y)中抽取第1幀、第(num+1)/2幀圖像和第num幀圖像，并將3幀圖像中目標位置的最高點進行直線擬合，若擬合直線與水平方向夾角小于45°則判定目標沿水平方向運動，若擬合直線與水平方向夾角大于45°則判定目標沿垂直方向運動；

若目標圖像序列I_M(x，y)第num幀圖像中的目標位置出現在第(num+1)/2幀或第num/2幀中目標位置的左側，第(num+1)/2幀或第num/2幀中目標位置出現在第1幀中目標位置的左側，則判定目標是從右向左運動；若第num幀圖像中的目標位置出現在第(num+1)/2幀或第num/2幀中目標位置的右側，第(num+1)/2幀或第num/2幀中目標位置出現在第1幀中目標位置的右側，則判定目標是從左向右運動；第num幀圖像中的目標位置出現在第(num+1)/2幀或第num/2幀中目標位置的上方，第(num+1)/2幀或第num/2幀中目標位置出現在第1幀中目標位置的上方，則判定目標是從下向上運動；若第num幀圖像中的目標位置出現在第(num+1)/2幀或第num/2幀中目標位置的下方，第(num+1)/2幀或第num/2幀中目標位置出現在第1幀中目標位置的下方，，則判定目標是從上向下運動；

（4.2）根據目標的運動方向，確定目標邊界點位置，并利用最小二乘曲線擬合的方法確定目標的運動區域；

（4.3）將灰度圖像序列每一幀中對應于運動區域的部分剪切出來，構成運動區域圖像序列I_q(x，y)；

（5）期望最大化EM算法初始化步驟：

（5.1）運動區域圖像序列I_q(x，y)的第一幀圖像作為期望最大化EM算法初始化步驟的輸入數據，運動區域圖像序列I_q(x，y)的第一幀圖像是一個L×H的數據空間，其中L為運動區域圖像序列I_q(x，y)的第一幀圖像在x軸方向上所占的像素個數，H為運動區域圖像序列I_q(x，y)的第一幀圖像在y軸方向上所占的像素個數；

從EM算法初始化步驟的輸入數據中讀取1個數據點A，坐標為（x，y），并建立以A為中心的矩形網格，矩形網格建立方法如下：

矩形網格是以A為中心，長為E_ps1，寬為E_ps2的區域，即：

[x-Eps12,x+Eps12]×[y-Eps22,y+Eps22]]]>

其中，

Eps1=Lk,]]>Eps2=Hk]]>

k為混合高斯模型分量數；

（5.2）從EM算法初始化步驟的輸入數據中依次讀入數據點，如果該點不能落入任何一個已有的網格中，則按照步驟（5.1）的方法新建一個網格，網格的密度為1，如果新輸入的數據點屬于已有的網格，相應的網格密度增加1，直到輸入數據中數據點全部處理完為止；

若網格密度大于閾值den則將該網格標記為高密網格，den的取值是輸入數據個數的20%；

（5.3）當兩個高密網格具有公共區域，或者兩個高密網格都跟另一高密網格連通，即認為這兩個高密網格是相互連通的；將連通的高密網格單元組合為高密網格族，并將每個高密網格族的重心作為初始聚類中心；

（5.4）利用k均值（k-means）算法把EM算法初始化步驟的輸入數據聚為C個類，C的大小等于步驟（5.3）中初始聚類中心的個數，處理聚類結果作為EM算法的參數初始值∑和μ，其中，權值等于每個類中的數據點個數與EM算法初始化步驟的輸入數據的總數據點個數的比值，方差∑等于各個類中數據點的協方差，均值μ等于各個類的中心；

（6）利用已初始化的EM算法估計混合高斯模型GMM參數，然后利用混合高斯模型檢測出運動目標，其中混合高斯模型的輸入數據為運動區域圖像序列I_q(x，y)。

2.根據權利要求1中步驟（4.2）所述的確定目標運動區域的方法為：

當目標沿水平方向運動時，將目標圖像序列I_M(x，y)的每一幀中目標位置的最高點利用最小二乘法曲線擬合得到目標運動區域的上界，最低點利用最小二乘法曲線擬合得到目標運動區域的下界，若目標為從右向左運動，第一幀最右點所在垂線，最后一幀最左點所在垂線與擬合得到的上界下界構成目標的運動區域，若目標為從左向右運動，第一幀最左點所在垂線，最后一幀最右點所在垂線與擬合得到的上界下界構成目標的運動區域；

當目標沿垂直方向運動時，將目標圖像序列I_M(x，y)的每一幀中目標位置的最左點利用最小二乘法曲線擬合得到目標運動區域的左邊界，最右點利用最小二乘法曲線擬合得到目標運動區域的右邊界，若目標為從上向下運動，第一幀最高點所在水平線，最后一幀最低點所在水平線與擬合得到的上界下界構成目標的運動區域，若目標為從下向上運動，第一幀最低點所在水平線，最后一幀最高點所在水平線與擬合得到的上界下界構成目標的運動區域。