[發明專利]一種基于幀差法和運動點聚類的運動目標檢測方法

在審

• 申請號: 201711287856.1
• 申請日: 2017-12-07
• 公開（公告）號: CN108510527A
• 公開（公告）日: 2018-09-07
• 發明（設計）人: 田秀娟;李潤華
• 申請（專利權）人: 上海悠絡客電子科技股份有限公司
• 主分類號: G06T7/254
• 分類號: G06T7/254
• 代理公司: 上海新天專利代理有限公司 31213
• 代理人: 龔敏

本發明涉及一種視頻處理領域的運動目標檢測方法，執行S4:由幀差分得到運動點集合，運動點是不連續的，灰色和白色部分由斷裂，不聯通；執行S5:幀內運動點聚類，將灰色和白色運動點集合聯通起來，構成完整的人的輪廓；執行步驟S7:通過幀間運動點聚類，將人的運動輪廓增強。本方法采用幀差法獲取運動點并基于幀內和幀間聚類算法對運動點進行了抗干擾的分析和合并處理，該方法適應能力優于高斯背景建模以及ViBe背景建模算法，能適應視頻的方塊效應，閃屏，燈光突變等問題，此外，通過運動點合并處理，該方法優于幀差法，靈敏度高，能夠檢測到物體的輕微的運動，得到物體的連續運動區域。

技術領域

本發明涉及一種視頻處理領域的運動目標檢測方法，通過該方法分析連續的視頻幀序列，檢測出視頻中運動的物體。

背景技術

目前，幀差法，高斯背景建模以及VIBE背景建模方法是運動目標檢測領域最常用的方法。但是，幀差法檢測到的物體會出現空洞現象，只能檢測到的運動物體的輪廓，并且會出現斷裂不連續的現象。高斯背景建模以及VIBE背景建模方法可以檢測到運動物體的實體不會出現空洞現場，但這兩種方法不能適應環境的突變，對視頻中的方塊效應，跳變，低對比度等情況適應性差。

現有商場互聯網安防中運動目標檢測所遇到的各種問題，具體問題包括：1)視頻采集端，設備廉價，圖像效果差且視頻經過網絡傳輸后，會有低對比度，躁點多，閃屏，視頻方塊效應等問題；2)應用場景復雜攝像頭安裝位置不定，且近焦應用，背景中的顏色多樣性，紋理，邊緣細節都干擾前景分析；3)此外面向商店的行人運動模式復雜，一方面是運動緩慢，并且有滯留現象(瀏覽商品，排隊交費等情形)。

針對現有技術的以上不足，以及現實應用場景視頻數據的特點，本發明提出一種基于幀差法和運動點聚類的運動目標檢測方法。

發明內容

為了解決以上技術問題，本發明提出一種新的目標檢測方法，該方法具有實時性好，適應性強，靈敏度高的特點。

本發明的具體技術方案是：

一種基于幀差法和運動點聚類的運動目標檢測方法，其方法如下：

S1:初始化，初始化全局運動點列表mvList{}；

S2:視頻數據輸入，讀入視頻幀序列，如果讀入失敗或視頻結束則退出算法，否則執行步驟S3；

S3:更新運動點列表mvList{},刪除無效的，過時的運動點；

S4:幀差法，獲取當前幀的運動點集合C；

S5:幀內運動點聚類，通過運動點的8聯通信息以及邊緣聯通信息對當前幀的運動點

集C進行聚類處理，聚類得到運動集合列表{L1,L2,...,Ln},集合Li代表一個運動目標,如果當前幀是第一幀，則執行步驟S6否則執行步驟S7；

S6:映射到全局運動點列表,將當前幀的運動點列表{L1,L2,...Ln}映射到全局運動點列表mvList{}中，得到全局運動點集合列表{G1,G2,....,Gn}，執行步驟S8；

S7:幀間運動點聚類，將當前幀的運動點聚類到前一幀的運動點列表中,1)首先對當前幀的運動集合列表{L1,L2,...,Ln}中的每個運動點m進行聚類，通過搜索運動點m鄰域內的前一幀的運動點信息，將其映射到前一幀的運動點列表中，得到一個全局標簽Gj(1<j<n),如果搜索不到前一幀的信息，則映射標簽為-1；2)然后統計當前幀運動列表Li中所有運動點的全局標簽Gj(1<j<n),通過投票法，得到Li所屬的聚類標簽Gk,并將Li的運動點合并到全局運動點列表Gk中，如果映射標簽為0，則新增全局運動點列表G(n+i),將Li的運動點添加到G(n+i)中，如果得到的聚類標簽為-1，則將Li所有運動點的聚類標簽設為0，且暫時不記錄到全局運動點列表中；執行步驟S8；