[發明專利]基于混合高斯模型與超像素分割的運動目標檢測方法

有效

• 申請號: 201610024820.3
• 申請日: 2016-01-15
• 公開（公告）號: CN105528794B
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 陳穎;董嘉煒;宗蓋蓋
• 申請（專利權）人: 上海應用技術學院
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/246
• 代理公司: 上海精晟知識產權代理有限公司 31253
• 代理人: 楊軍

本發明公開了一種基于混合高斯模型與超像素分割的運動目標檢測方法。運動目標檢測的任務是從復雜場景中盡可能提取感興趣的對象，并以二值圖像呈現結果。本發明方法首先利用高斯混合模型進行背景建模，獲取當前幀的背景圖像。其次，對當前幀用SLIC(簡單線性迭代聚類)算法進行超像素分割。最后，對分割好的圖像和背景圖像分別進行LTP(局部三值模式)的紋理特征提取，然后進行比較，從而獲得運動目標。本發明的有益效果在于：能夠實時的根據攝像頭捕捉到的視頻圖像來檢測運動目標；檢測方法高效、準確。

技術領域

本發明屬于智能視頻監控領域，涉及一種視頻運動目標檢測算法，具體涉及一種基于混合高斯模型與超像素分割的運動目標檢測方法。

背景技術

最近十幾年來，隨著公共安全意識的逐漸提高，智能監控領域的技術有了長足的進步，并開始越來越多的應用在安防、交通和互聯網等領域。運動目標檢測融合了計算機視覺和模式識別技術，是智能視頻監控系統中最基礎、最核心的研究方向之一。

圖像分割是指把圖像分成若干個相對獨立的區域。因為圖像處理大多是在像素級別進行操作，若能將具有相同特性的像素分割出來，能夠降低后續操作的復雜度。所以，圖像分割在近幾十年來有了長足的進步。

當前圖像處理大都以像素為單位，僅用二維矩陣來表示一張圖像，并未考慮像素之間的空間組織關系，使得算法效率過低。Ren等最早提出了超像素這一概念所謂超像素，是指具有相似紋理、顏色、亮度等特征的相鄰像素構成的圖像塊。它利用像素之間特征的相似程度將像素分組，可以獲取圖像的冗余信息，在很大程度上降低了后續圖像處理任務的復雜度。LIU M Y等人提出了基于熵率的超像素分割算法，描述了基于圖形拓撲的能量函數。WANG S等人提出了使用超象素來提取跟蹤對象結構信息。TIGHE J等人在場景組成分析使用其它超像素，提出了一個簡單而有效的非參數的圖像分析方法。

目前常用的運動目標檢測方法有三類：光流法、幀間差法和背景差分法。光流法是通過計算速度場來區分背景和運動目標。幀間差法和背景差分法的基本步驟：先將待檢測幀與參考幀進行差分，然后人工設定閾值，若大于閾值，該像素點為前景，否則為，背景。幀間差法的參考幀為當前幀的相鄰幀，由于相鄰幀與當前幀間隔短，對環境光照變化不敏感，缺點是如果運動中的物體突然以很慢的速度運動，會在檢測結果中出現空洞。背景差分的參考幀是在沒有待檢測目標下的圖像。背景差分法分為參數化方法和非參數化方法。最常用的參數法為高斯混合模型(GMM)，用k(3-5)個高斯分布的加權混合來構建背景模型。優點是能夠動態適應環境變化。缺點是當運動中的物體突然從靜止轉為運動，檢測效果不佳。Li等在Foreground object detection from videos containing complex background提出的一種在復雜場景下的目標檢測算法是一種非參數法，該算法對差分圖像使用了全局閾值化方法檢測出所有的運動，然后，對運動區域進行背景抑制。缺點是忽略了像素與像素之間的空間關聯性，場景越復雜，效果越不理想。除了上述基本的方法，其他方法也被提了出來，如Migdal G.等由馬爾可夫隨機場理論構造出運動場分布模型，利用此模型來檢測運動場間的斷點，以此實現運動目標檢測；McHugh J M等提出的基于小波變換的方法：Guan Y-P等提出的在多尺度上計算由光譜、方向和尺度參數構成的向量來進行目標檢測。

發明內容

為了克服上述方法的不足，本發明的目的是提供一種基于混合高斯模型與超像素分割的運動目標檢測方法。該檢測方法能夠實時的根據攝像頭捕捉到的視頻圖像來檢測運動目標。本發明方法側重于以下幾個方面：

1)將待檢測的當前幀的圖像利用SLIC(簡單線性迭代聚類算法)。SLIC在進行聚類時，僅在一個種子點作為2S(S是種子之間的距離)×2S區域的中心搜尋類似像素，而不是在整幅圖中進行搜索，提高了算法的計算速度。