[發(fā)明專利]基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710122544.9
• 申請(qǐng)日: 2017-03-03
• 公開(kāi)（公告）號(hào): CN108537823A
• 公開(kāi)（公告）日: 2018-09-14
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 防城港市港口區(qū)思達(dá)電子科技有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/223;G06T7/277
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括以下步驟：

S1：對(duì)圖像以W×W塊大小進(jìn)行分塊處理，對(duì)每個(gè)塊建立一個(gè)混合高斯模型，即K個(gè)高斯模型；

S2：對(duì)圖像進(jìn)行邊緣模糊處理；

S3：新像素值與當(dāng)前K個(gè)高斯模型按下式進(jìn)行比較，找到匹配新像素值的分布模型，即與該模型的均值偏差在2.5σ以內(nèi)；

；

S4：若所匹配的模型符合背景要求，則該像素屬于背景，否則屬于前景；

S5：以概率對(duì)各模型權(quán)值按以下公式進(jìn)行更新，其中α是學(xué)習(xí)速率，對(duì)于匹配的模型，否則，然后對(duì)各模型權(quán)重進(jìn)行歸一化處理；

；

S6：未匹配模型均值μ與標(biāo)準(zhǔn)差σ不變，匹配模型參數(shù)按以下公式以概率進(jìn)行更新；

；

；

；

S7：若步驟S3中沒(méi)有任何模型與之匹配，則以概率將權(quán)重最小的模型替換，即該模型均值被設(shè)置為當(dāng)前像素值，標(biāo)準(zhǔn)差和權(quán)重設(shè)置成初始值；

S8：各模型根據(jù)ω/σ降序排列，權(quán)重大、標(biāo)準(zhǔn)差小的模型排在前面；

S9：選前B個(gè)模型作為背景，B滿足以下公式，參數(shù)T表示背景所占比例；

。

2.根據(jù)權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，混合高斯模型的建立方法如下：

假設(shè)第t時(shí)刻，像素點(diǎn)取值集合為，其中I為視頻流，若用K個(gè)高斯分布表征圖像各像素點(diǎn)，則每個(gè)像素點(diǎn)的概率為：

；

其中，K為高斯分布個(gè)數(shù)，為第i個(gè)高斯分布t時(shí)刻權(quán)重，滿足且權(quán)重總和為1，為t時(shí)刻像素值，、分布為第i個(gè)高斯分布t時(shí)刻均值與方差，為第i個(gè)高斯分布的概率密度，其定義如下：

,。

3.根據(jù)權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，邊緣模糊處理采用均值濾波來(lái)實(shí)現(xiàn)，具體如下：

均值濾波過(guò)程由下式給出：

，

其中，F(xiàn)為的原圖像，U為（m，n為奇數(shù)）的濾波器模板，G為輸出圖像。