[發明專利]一種自適應參數的運動目標檢測方法

有效

• 申請號: 201410262304.5
• 申請日: 2014-06-12
• 公開（公告）號: CN105303581B
• 公開（公告）日: 2018-12-14
• 發明（設計）人: 錢惟賢;余明;劉恒建;廖逸琪;陳銀;顧國華;任侃
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/254
• 分類號: G06T7/254
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 唐代盛;孟睿

本發明提供一種自適應參數的運動目標檢測方法。本發明使用改進的混合高斯背景更新算法通過前景點像素的個數在整幅圖像中所占比例發生變化的大小來判斷場景是否發生變化，將背景分為變化區域和非變化區域，針對變化區域和非變化區域采取不同的更新速率與高斯分布個數，獲取新的背景模型，從而便于在新的背景模型中獲取運動目標。本發明能夠提高背景更新的效率，有效地抑制拖影現象和漏檢現象。

技術領域

本發明屬于目標檢測領域，具體涉及一種自適應參數的運動目標檢測方法。

背景技術

目標檢測技術就是從序列圖像中將目標從圖像背景中分割提取出來的技術，它是目標搜索與跟蹤系統中的關鍵技術，為后續目標識別、目標跟蹤、航跡關聯等技術提供初始信息。目標檢測的效果好壞直接影響整個識別與跟蹤系統。

目前，運動目標檢測在圖像處理領域得到了廣泛關注和充分發展。但是，如何在復雜的環境中有效地將運動目標檢測出來仍然是運動目標檢測方面的難點。在現在主流的運動目標檢測算法中，混合高斯背景更新算法有著顯著的優點，該算法比光流法和非參數估計實時性高，比幀差法探測率高，而且魯棒性較好。因此，混合高斯背景更新算法在運動目標檢測領域得到了廣泛的應用。但是，文獻<<Video Object Segmentation by Fusion ofSpatio-Temporal Information Based on Gaussian Mixture Model>>中所用的傳統混合高斯背景更新算法也有著自身的不足之處。例如，在背景更新中采用固定個數的高斯分布，固定更新速率，而且對每一幅圖像都要進行更新，這就導致該算法的三個不足之處：一是，在背景更新完成，達到穩定之后，混合高斯背景模型還繼續對圖像進行背景更新，造成不必要的時間浪費，在一定程度上影響了運動目標檢測的實時性；二是，當目標由靜止變為運動時，會有拖影現象；三是，當目標在場景中由運動變為靜止時，目標會逐漸融入到背景中，造成目標丟失，從而造成漏檢。

發明內容

本發明的目的在于提供一種自適應參數的運動目標檢測方法，能夠有效地抑制拖影現象和漏檢現象。

為了解決上述技術問題，本發明提供一種自適應參數的運動目標檢測方法，括以下步驟：

步驟一：將視頻序列圖像中的任意一幀圖像作為當前幀圖像，對當前幀圖像構造混合高斯背景模型，并對混合高斯背景模型中的每個高斯分布的權值、均值以及方差值進行初始化，得到初始化之后的混合高斯背景模型；

步驟二：在步驟一得到的混合高斯背景模型基礎之上，用與當前幀圖像相鄰的后一幀圖像中的每個像素點的像素值依次與對應位置的所有高斯分布進行匹配，通過匹配進一步更新混合高斯背景模型中全部高斯分布的權重值、均值和方差值，獲得更新后的混合高斯背景模型；

步驟三：對步驟二獲得的更新后的混合高斯背景模型特征進行分析，判斷背景是否存在突變，得到變化區域和非變化區域，并對變化區域和非變化區域選用不同的高斯分布個數和不同的更新速率進行背景更新處理，獲得背景圖像數據；

步驟四：使用步驟三得到的背景圖像數據提取出運動目標。

本發明與現有技術相比，其顯著優點在于：(1)本發明通過前景點像素的個數在整幅圖像中所占比例發生變化的大小來判斷場景是否發生變化，將背景分為變化區域和非變化區域，針對變化區域和非變化區域采取不同的更新速率與高斯分布個數，獲取新的混合高斯背景模型對背景進行選擇性背景更新處理，從而便于在新的混合高斯背景模型中獲取運動目標；(2)本發明方法對背景的不同區域采用選擇性更新，對于不同情況，采用選擇性更新，能夠有效地將運動目標從背景中識別出來，從而有效地抑制了漏檢現象；(3)本發明方法只針對性地對需要進行更新的區域進行背景更新處理，能夠有效提高背景更新的效率，提高本發明方法處理的實時性，從而有效地抑制拖影現象。

附圖說明