[發明專利]基于HSV的MC-SILTP運動目標檢測方法

有效

• 申請號: 201810086250.X
• 申請日: 2018-01-30
• 公開（公告）號: CN108537771B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 姬紅兵;徐藝萍;張文博;殷鵬飛;高欣宇
• 申請（專利權）人: 西安電子科技大學昆山創新研究院;西安電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/194;G06T7/246;G06T7/90
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.基于HSV的MC-SILTP運動目標檢測方法，包括：

(1)設每個像素點(x,y)的背景模型對應一個碼本模型CB(x,y)，每個碼本模型中最多包含L＝20個碼字cw(x,y)，每個碼字包含像素的特征值f(x,y)及特征值對應的權值ω(x,y)；

(2)將每個像素點(x,y)的碼本模型初始化為空，即碼字個數為0，碼字為空；

(3)將前T幀I_a作為訓練幀，訓練每個像素點(x,y)的碼本模型CB_a(x,y)，其中a為訓練幀號，1≤a≤T，T＝50為訓練幀總數；

(3a)計算碼本模型中每個碼字的特征值:

(3a1)對I_a幀中每個像素點(x,y)，計算其在4-鄰域上R，G，B三個顏色通道中兩兩交叉的SILTP特征，得到三組不同的二進制值，并將其拼接為一個完整的MC-SILTP特征值

(3a2)將I_a幀轉化到HSV顏色空間，得到圖像X_a，選取X_a的色調分量X_a,h和飽和度分量X_a,s，將X_a,h和X_a,s中的值均量化到0－127范圍，并對量化后的色調分量X'_a,h和量化后的飽和度分量X'_a,s求和后在n×n鄰域內進行加權平均，得到顏色信息V_a,HS(x,y)，其中，n取值為3；

(3a3)將顏色信息V_a,HS(x,y)與特征值相融合，得到基于HSV顏色空間的MC-SILTP特征值

(3b)將與前一幀碼本模型CB_a-1(x,y)中的碼字cw_a-1,l(x,y)的特征值f_a-1,l(x,y)進行匹配，若有一個碼字與特征值匹配成功，則更新碼字的權值，否則用和權值ω₀＝1/T新建一個碼字，其中，1≤l≤K_a-1(x,y)，K_a-1(x,y)為前一幀碼字的個數；

(3c)判斷碼本模型是否訓練結束，若幀數a未達到訓練幀總數T，則a增加1，并重復執行步驟3a)-3b)，否則，執行步驟(4)；

(4)從視頻的T+1幀開始檢測前景：

(4a)找出前一幀I_t-1的每個像素點(x,y)的碼本模型中所有屬于背景的碼字cw_t-1,i(x,y)，其中i＝1,…,B(x,y)，表示背景的碼字個數，T_b＝0.7表示背景分割閾值，閾值越大，屬于背景的碼字就越多，ω_t-1,i(x,y)為第t-1幀第i個碼字的特征值對應的權值，cw_t-1,i(x,y)為第t幀中第i個碼字，t＝T+1,T+2,…；

(4b)對I_t幀中每個像素點(x,y)，計算當前特征值與它的所有背景碼字cw_t-1,i(x,y)的特征值f_t-1,i(x,y)之間的最小距離d_min(x,y)，其中，f_t-1,i(x,y)為第t-1幀第i個碼字對應的特征值；

(4c)在像素點(x,y)處，將最小距離d_min(x,y)與前景分割閾值T_fg＝5進行比較：

若d_min(x,y)＞T_fg，則像素(x,y)為前景即運動目標，表示為fg_t(x,y)＝1；

若d_min(x,y)≤T_fg，則為背景，表示為fg_t(x,y)＝0，并執行(5)；

(5)對碼本模型進行更新:

計算當前像素的紋理特征與所有背景碼字cw_t-1,i(x,y)紋理特征之間的最小距離：d_t,RGB,l(x,y)＝min{d_t,RGB,i(x,y)}，并判斷其值的大小：

若d_t,RGB,l(x,y)＝0，則更新權值ω(x,y)，

若d_t,RGB,l(x,y)＞0，則新建一個碼字，

其中，d_t,RGB,i(x,y)表示當前像素的紋理特征與第i個背景碼字cw_t-1,i(x,y)的紋理特征之間的距離，l＝argmin{d_t,RGB,i(x,y)}表示距離當前特征值最近的背景碼字cw_t-1,l(x,y)的下標，其中i＝1,…,B(x,y)；

(6)重復執行步驟4)-5)，直到視頻結束。