[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

技術領域

本發明屬于智能視頻監控領域，具體涉及一種基于改進混合高斯和圖像剪切的運動目標檢測方法，用于視頻監控中的運動目標檢測。?

背景技術

隨著人工智能技術的快速發展，智能視頻監控系統的研究和應用逐漸成為人們關注的熱點，并且在安全保障、交通、商業活動以及軍事等多個領域得到了廣泛的應用。在視頻監控的場景中，運動目標是主體，所以監控系統必須能實時地檢測運動目標。運動目標檢測，是一種基于目標幾何和統計特征的圖像分割技術，主要方法有幀間差分法、光流法、背景差分法等。?

幀間差分法是一種簡單直接的運動檢測方法，它利用圖像中所要提取的目標與背景在灰度特性上的差異，通過選取合適的灰度閾值對圖像進行分割，從而將目標從背景中提取出來，因其實現簡單、運算速度快，在大多數情況下檢測效果較好，常常用于對實時性要求比較高的場合。但幀間差分法處理所得圖像經常含有大量的噪音、中空以及分裂部分，處理較復雜圖像序列時效果并不理想。光流法檢測運動物體的基本原理是給圖像中的每一個像素點賦予一個速度矢量，這就形成了一個圖像運動場，在運動的一個特定時刻，圖像上的點與三維物體上的點一一對應，這種對應關系可由投影關系得到，根據各個像素點的速度矢量特征，可以對圖像進行動態分析。光流法的優點在于光流不僅攜帶了運動物體的運動信息，而且還攜帶了有關景物三維結構的豐富信息，它能夠在不知道場景的任何信息的情況下，檢測出運動對象。但是光流法計算耗時高，實時性和實用性都較差。背景差分法是利用圖像序列中的當前圖像與背景圖像的差分來檢測出?運動區域的一種技術，但對于動態場景的變化，如光照和外來無關事件的干擾等特別敏感，僅適合環境變化小的情況。?

為了實時準確地檢測物體變化，1997年Wren（Pfinder：Real-time?tracking?of?the?human?body.IEEE?Trans.Patt.）提出為圖像中的每個像素建立顏色模型，該模型服從高斯分布。但是單一高斯模型對戶外環境的處理效果并不理想。1999年Stauffer和Grimson（Adaptive?background?mixture?models?for?real-time?tracking，CVPR，1999.IEEE?Computer?Society?Conference?on.）提出了混合高斯模型的算法，并廣泛應用于魯棒的復雜場景背景建模，但在實際應用中混合高斯模型面臨的一大難題就是算法的計算量大，實時性較差。近年來，許多研究者提出不同的方法來解決混合高斯模型實時性差的問題。其中，期望最大化(EM)算法是混合高斯模型參數估計的經典方法。但EM算法對輸入初始值比較敏感，不同的初始值對應的聚類結果往往差別較大。?

發明內容

本發明針對混合高斯模型在運動目標檢測方面表現出的計算量大、實時性差的問題，提出一種基于改進混合高斯和圖像剪切的運動目標檢測方法，具體實驗方案如下：?

針對固定視場的監控攝像機獲取的視頻，首先利用基于灰度差異性的三幀差分及曲線擬合的方法確定目標運動區域，然后在運動區域的范圍內采用融合EM算法的混合高斯模型進行運動目標檢測，這樣可以大大的減少計算量，縮短算法運行時間；其中，本發明利用基于網格和密度估計的方法對EM算法進行初始化，以減小EM算法對于初始值的依賴。?

本發明的具體實現步驟為：?

（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：?