[發(fā)明專利]一種結(jié)合相鄰幀差法和混合高斯模型的運(yùn)動目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 201310586151.5
• 申請日: 2013-11-19
• 公開（公告）號: CN103617632B
• 公開（公告）日: 2017-06-13
• 發(fā)明（設(shè)計）人: 宦若虹;潘赟;於正強(qiáng);王楚
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 杭州天正專利事務(wù)所有限公司33201
• 代理人: 王兵,黃美娟

1.一種結(jié)合相鄰幀差法和混合高斯模型的運(yùn)動目標(biāo)檢測方法，其特征為，包括以下步驟：

1)獲取圖像序列，包括當(dāng)前幀和前一幀圖像；

2)對當(dāng)前幀利用相鄰幀差法劃分為臨時運(yùn)動區(qū)域和臨時背景區(qū)域；包括：

a)將當(dāng)前幀和前一幀相減取絕對值，設(shè)f_k(x,y)和f_k+1(x,y)分別表示前一幀和當(dāng)前幀中坐標(biāo)點(diǎn)(x,y)的像素值，計算它們的差分結(jié)果d_x(x,y)：

d_k(x,y)＝|f_k+1(x,y)-f_k(x,y)|

b)計算當(dāng)前幀的像素點(diǎn)在M×M窗口中的梯度值Grad_k(x,y)，當(dāng)M＝5：

$\begin{array}{c}{\mathrm{Grad}}_k(x,y)=\underset{i=-2}{\overset{2}{\Σ}}\underset{j=-2}{\overset{2}{\Σ}}\left(\right|f_k\left(x+i,y+j+1\right)-f_k\left(x+i,y+j\right)\left|\right)\\ +\underset{i=-2}{\overset{2}{\Σ}}\underset{j=-2}{\overset{2}{\Σ}}\left(\right|f_k\left(x+i+1,y+j\right)-f_k\left(x+i,y+j\right)\left|\right)\end{array}$

c)比較相鄰兩幀相同坐標(biāo)位置像素的梯度值，梯度相差越大在計算幀差時的梯度系數(shù)就越大，令r表示梯度系數(shù)，F(xiàn)d_k(x,y)表示引入梯度系數(shù)的幀差值，計算Fd_k(x,y)：

Fd_k(x,y)＝d_k(x,y)×r

d)將Fd_k(x,y)與前J幀的幀差值進(jìn)行排序，將中間的值作為新的幀差值Fd_k’(x，y)；

e)把新的幀差值Fd_k’(x，y)與閾值T進(jìn)行比較，如果大于閾值則把該點(diǎn)標(biāo)為1，如果小于閾值則標(biāo)為0；

f)對閾值化以后的二值圖像進(jìn)行連通分量處理，通過連通分量處理后圖像被分為臨時運(yùn)動區(qū)域a_fg和臨時背景區(qū)域a_bg，其中a_fg包括相鄰幀差法計算出的運(yùn)動物體區(qū)域和其內(nèi)部空洞區(qū)域；

3)對2)中產(chǎn)生的2個區(qū)域分別用混合高斯模型進(jìn)行匹配，根據(jù)匹配結(jié)果再分成不同的區(qū)域；包括：

g)混合高斯模型中包含N個高斯模型，對于第i個高斯模型，在t時刻其參數(shù)包括：平均值μ_i，t、方差和權(quán)重w_i,t，參數(shù)在第一幀圖像時設(shè)定初值；

h)對于像素值為X_t的像素點(diǎn)，判斷其與某個高斯模型匹配的條件是：

|X_t-μ_i,t-1|＜2.5σ_i,t-1

如果滿足這個條件則該高斯模型與像素點(diǎn)匹配，如果不滿足則沒有匹配上，把高斯模型按照的大小順序進(jìn)行排序，排名前B個的高斯模型作為背景模型；對a_fg和a_bg區(qū)域像素點(diǎn)分別進(jìn)行混合高斯模型匹配，其中a_fg為臨時運(yùn)動區(qū)域和a_bg為臨時背景區(qū)域，根據(jù)匹配結(jié)果把圖像分為4個區(qū)域：①a_fg內(nèi)匹配上的區(qū)域a_fgm，②a_fg內(nèi)沒有匹配上的區(qū)域a_fgu，③a_bg內(nèi)匹配上的區(qū)域a_bgm，④a_bg內(nèi)沒有匹配上的區(qū)域a_bgu；

4)不同區(qū)域內(nèi)的高斯模型進(jìn)行不同的更新；包括：

i)a_fgm區(qū)域內(nèi)高斯模型的更新：

w_i,t＝(1-α)w_i,t-1+αM_i,t

μ_i,t＝(1-ρ)μ_i,t-1+M_i,tρX_t+ρμ_i,t-1(1-M_i,t)

${\mathrm{\σ}}_{i,t}^2=(1-\mathrm{\ρ}){\mathrm{\σ}}_{i,t-1}^2+M_{i,t}\mathrm{\ρ}{(X_t-{\mathrm{\μ}}_{i,t})}^T(X_t-{\mathrm{\μ}}_{i,t})+(1-M_{i,t}){\mathrm{\ρ\σ}}_{i,t-1}^2$

其中，α為參數(shù)更新率，這里0.1，w_i,t、μ_i,t和分別為第i個高斯模型在t時刻的權(quán)重、平均值和方差，M_i,t的值與第i個高斯模型在t時刻是否與像素點(diǎn)匹配有關(guān)，如果匹配取1，不匹配取0；

j)a_fgu區(qū)域內(nèi)的高斯模型不更新，也不建立新的高斯模型；

k)a_bgm區(qū)域內(nèi)高斯模型更新方法和i)中類似，不同的是參數(shù)更新率α取0.01；

l)a_bgu區(qū)域內(nèi)除了權(quán)重最小的高斯模型之外，其余均按照i)中的公式進(jìn)行更新，參數(shù)更新率α取0.01；新建一個高斯模型來替代權(quán)重最小的模型，新建的高斯模型的參數(shù)設(shè)置為：均值μ_t取當(dāng)前的像素值X_t，方差σ_t取一個比較小的值，權(quán)重w_t取值較大使得歸一化以后該新建模型排名較高；

5)根據(jù)3)中產(chǎn)生的區(qū)域確定最后運(yùn)動目標(biāo)區(qū)域；包括：m)綜合考慮f)中計算出的臨時運(yùn)動區(qū)域a_fg和a_fgu區(qū)域，重新進(jìn)行連通分量處理后確定最終的運(yùn)動目標(biāo)區(qū)域。