[發(fā)明專利]結(jié)合幀差法和混合高斯模型的運動目標(biāo)檢測與跟蹤方法

在審

• 申請?zhí)枺?/td>: 201710632148.0
• 申請日: 2017-07-28
• 公開（公告）號: CN107507221A
• 公開（公告）日: 2017-12-22
• 發(fā)明（設(shè)計）人: 蘇寒松;代志濤;劉高華
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06T7/223
• 分類號: G06T7/223
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所12201
• 代理人: 劉子文

技術(shù)領(lǐng)域

本發(fā)明涉及視頻圖像處理技術(shù)領(lǐng)域，特別是涉及一種結(jié)合幀差法和混合高斯模型的運動目標(biāo)檢測與跟蹤方法。

背景技術(shù)

視頻公開課對于縮小城鄉(xiāng)和東西部之間教育差距是一種十分有效的手段，因此作為一種錄制視頻公開課的技術(shù)方式—智能課堂視頻錄播系統(tǒng)得到了快速的發(fā)展。智能課堂視頻錄播系統(tǒng)是一種利用多媒體技術(shù)和計算機網(wǎng)絡(luò)技術(shù)對課堂教學(xué)進行實時錄制的教育技術(shù)系統(tǒng)，其在整個課堂教學(xué)的錄制過程中無需人工操作，只需將攝像機放置在教室的固定位置，在計算機的控制下，利用圖像處理方法，使攝像機能夠自動錄制課堂情況，并且可以實時網(wǎng)絡(luò)直播。在課堂視頻錄播系統(tǒng)中主要的檢測和跟蹤對象是授課的教師和站起發(fā)言的學(xué)生。所以，運動目標(biāo)檢測是智能視頻錄播系統(tǒng)在復(fù)雜的課堂教學(xué)環(huán)境中對授課教師和站起發(fā)言學(xué)生實現(xiàn)有效錄制的基礎(chǔ)，運動目標(biāo)檢測結(jié)果的質(zhì)量將直接影響后續(xù)的跟蹤定位處理。

運動目標(biāo)檢測就是從采集到的圖像序列中檢測出相對于圖像背景運動的目標(biāo)，它是行為模式分析、目標(biāo)跟蹤等過程的基礎(chǔ)環(huán)節(jié)。根據(jù)攝像機與背景之間是否發(fā)生相對運動，可以將運動目標(biāo)檢測分為靜態(tài)背景和動態(tài)背景的目標(biāo)檢測。本發(fā)明中的課堂視頻錄播系統(tǒng)中針對運動目標(biāo)的檢測一般是發(fā)生在靜態(tài)背景下的。靜態(tài)背景下常用的運動目標(biāo)檢測方法，分別是：幀差法、背景差分法和光流法。幀差法利用相鄰兩幀或多幀之間的差分來進行運動目標(biāo)檢測，算法比較適合于動態(tài)變化的環(huán)境，差分圖像一般情況下受光線變化影響小，但分割出的運動目標(biāo)區(qū)域內(nèi)部會產(chǎn)生大塊的空洞。背景差分法是將當(dāng)前幀和背景幀進行差分運算檢測出運動目標(biāo)區(qū)域。在動態(tài)環(huán)境下，背景差分法對光線等外來事件的干擾特別敏感，需要建立合適的背景更新模型。采用混合高斯背景模型的背景差分法為圖像中每個像素建立K個高斯模型，能夠提高動態(tài)背景下運動目標(biāo)檢測的精確度，但是背景高斯模型的建立需要一個學(xué)習(xí)的過程，對光線的突變會在運動目標(biāo)檢測區(qū)域出現(xiàn)“虛影”。光流法可以在不具備背景區(qū)域任何先知條件情況下就能夠檢測出運動目標(biāo)，以及計算出運動目標(biāo)的速度。但是光流法的計算十分復(fù)雜、運算量大，不適合實時處理，而且抗噪聲能力差，很少用于實踐中。

發(fā)明內(nèi)容

本發(fā)明的目的是為了克服現(xiàn)有技術(shù)中的不足，提供一種結(jié)合幀差法和混合高斯模型的運動目標(biāo)檢測與跟蹤方法，本發(fā)明結(jié)合兩種目標(biāo)檢測算法的優(yōu)點，既緩解了幀差法在運動目標(biāo)檢測時的空洞現(xiàn)象，也解決了光線等外來事件干擾下前景區(qū)域出現(xiàn)的“虛影”問題，實現(xiàn)了對運動區(qū)域進行準(zhǔn)確、實時的檢測。

本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的：

結(jié)合幀差法和混合高斯模型的運動目標(biāo)檢測與跟蹤方法，該方法包括：

獲取視頻圖像，利用當(dāng)前幀的輸入視頻圖像與前一幀視頻圖像進行差分計算，得到幀間差分圖像；

利用初始化后的混合高斯模型算法處理獲取的視頻圖像，得到輸入視頻圖像的前景區(qū)域圖像和背景區(qū)域圖像；

將所述幀間差分圖像和所述前景區(qū)域圖像進行融合處理，得到融合后視頻圖像；

將所述融合后視頻圖像進行二值化與形態(tài)學(xué)處理，得到當(dāng)前輸入視頻圖像中的運動目標(biāo)圖像；

將當(dāng)前輸入視頻圖像中提取出的運動目標(biāo)圖像與前一幀視頻圖像中提取出的運動目標(biāo)圖像進行匹配，并根據(jù)匹配結(jié)果得到運動目標(biāo)跟蹤結(jié)果。

進一步的，利用當(dāng)前幀的輸入視頻圖像與前一幀視頻圖像進行差分計算，得到幀間差分圖像，具體包括：

將當(dāng)前輸入視頻圖像中任意一個像素點的像素值，分別與前一幀視頻圖像中相應(yīng)像素點的像素值相減，取差的絕對值，并賦值于當(dāng)前幀相應(yīng)像素點，對當(dāng)前輸入視頻圖像中的所有像素點進行上述處理，最終得到幀間差分圖像。

進一步的，利用初始化后的混合高斯模型算法處理獲取的視頻圖像，得到輸入視頻圖像的前景區(qū)域圖像和背景區(qū)域圖像；具體包括：

首先對混合高斯模型進行初始建模，計算一段時間內(nèi)輸入視頻圖像中每一像素點的平均灰度值μ₀及像素的方差用μ₀和初始化混合高斯模型中K個高斯分布的參數(shù)，計算公式如下所示：

當(dāng)新獲取一幀視頻圖像，檢查每一個新的像素值是否匹配該模型，也即對當(dāng)前輸入視頻圖像中每個像素值I_t與混合高斯模型中K個高斯分布分別匹配，驗證是否滿足下式：

|I_t-μ_t,k-1|≤τσ_t,k-1k＝1,2,3,…,k