[發(fā)明專利]基于HSV的MC-SILTP運動目標檢測方法

有效

• 申請?zhí)枺?/td>: 201810086250.X
• 申請日: 2018-01-30
• 公開（公告）號: CN108537771B
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 姬紅兵;徐藝萍;張文博;殷鵬飛;高欣宇
• 申請（專利權(quán)）人: 西安電子科技大學(xué)昆山創(chuàng)新研究院;西安電子科技大學(xué)
• 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(yè)專利中心 61205
• 代理人: 王品華;朱紅星

本發(fā)明公開了一種基于HSV的MC?SILTP運動目標檢測方法，主要解決現(xiàn)有技術(shù)在紋理少或無紋理區(qū)域檢測準確度低的問題。其實現(xiàn)步驟是：1)在MC?SILTP紋理特征的基礎(chǔ)上將HSV顏色空間的H和S通道顏色信息與MC?SILTP紋理信息相融合，得到HS?MC?SILTP特征，使得在時間域上擁有與HSV顏色特征一致的時間序列分布；2)使用HS?MC?SILTP特征建立碼本背景模型；3)改進碼本模型的更新策略，使其更加準確地擬合背景，從而檢測出運動目標。本發(fā)明提高了對紋理“平坦”區(qū)域的區(qū)分能力，漏檢率低，檢測結(jié)果更加完整，可用于智能監(jiān)控、智能交通、人機交互、視覺導(dǎo)航、虛擬現(xiàn)實、醫(yī)學(xué)診斷和可視化手術(shù)。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機視覺領(lǐng)域，特別涉及一種運動目標檢測方法，可廣泛應(yīng)用于智能監(jiān)控、智能交通、人機交互、視覺導(dǎo)航、虛擬現(xiàn)實、醫(yī)學(xué)診斷與可視化手術(shù)對視頻圖像的檢測。

背景技術(shù)

隨著近年來眾多學(xué)者對視頻目標檢測領(lǐng)域的研究，出現(xiàn)了大量相關(guān)研究成果，尤其是基于背景建模的目標檢測領(lǐng)域，出現(xiàn)了大量優(yōu)秀的算法。根據(jù)使用的背景模型不同，可以分為基于統(tǒng)計特性的混合高斯MOG和支持向量機SVM模型、基于聚類的硬聚類K-means和碼本Codebook模型、基于神經(jīng)網(wǎng)絡(luò)的卷積神經(jīng)網(wǎng)絡(luò)CNN和自組織神經(jīng)網(wǎng)絡(luò)SONN模型，基于樣本的前景檢測Vibe模型等。但是，在實際應(yīng)用場景中目標檢測往往面臨著復(fù)雜又多元的挑戰(zhàn)，如動態(tài)背景、光照變化、相機抖動、陰影等等。簡單的背景建模方法通常在復(fù)雜場景下得不到完整準確的檢測結(jié)果。因此，研究人員提出了一系列的改進方法。

一般來說，他們對背景建模的改進主要在兩個方向上。一個方向是提出更加復(fù)雜的背景模型，使得建立的背景模型可以更加完美地擬合真實背景，從而得到更好的檢測結(jié)果。另一個方向是使用更加有效的工具來提取圖像特征，使得圖像特征可以更加魯棒的描述背景圖像。使用復(fù)雜的背景模型通常情況下可以提高模型魯棒性，適應(yīng)更多的復(fù)雜情景，但不可避免的會增加算法復(fù)雜度，使得模型的建立與更新更加困難，以至于無法滿足實時性需要。

紋理是一種反映圖像中同質(zhì)現(xiàn)象的視覺特征，它體現(xiàn)了物體表面的具有緩慢變化或者周期性變化的表面結(jié)構(gòu)組織排列屬性。因此可以更加精確地描述復(fù)雜紋理場景，并且對于光照變化以及局部陰影場景都有一定的抑制能力，因而其成為運動目標檢測領(lǐng)域最常用的特征之一。最簡單的紋理描述算子是由Heikkila等人在2004年提出的局部二值模式LBP。通過提取LBP特征，建立直方圖對背景進行建模使得模型具有一定程度的抗光照變化能力，但LBP是一種硬化分，對噪聲十分敏感，當周圍像素點的值存在微小波動時，可能造成LBP特征值的變化，并且無法處理無紋理或少紋理區(qū)域。Tan和Triggs提出了局部三值模式LTP，其在LBP特征的基礎(chǔ)上引入了一個容忍區(qū)間，由于在區(qū)間范圍內(nèi)的微小變化都不會引起特征值變化，因而能夠有效解決局部噪聲問題，但對于全局光照變化等劇烈變化情況仍無能為力。Liao等人在2010年CVPR國際會議上提出了一種灰度尺度不變局部三值模式SILTP特征，該特征通過自適應(yīng)閾值策略大大提高了算子對于局部以及全局灰度變化的魯棒性。

上述無論是LBP，LTP或者SILTP算子都僅利用圖像的灰度值來計算特征值，對顏色紋理平坦區(qū)域的區(qū)分度低，從而導(dǎo)致目標檢測漏檢率較高，針對這個問題，F(xiàn).Ma等人在2013年提出一種改進的SILTP紋理算子，即多通道SILTP紋理算子MC-SILTP。該算子是在SILTP算子的基礎(chǔ)上，改變單純利用灰度空間計算的方式，采用RGB顏色空間中對SILTP特征進行多通道計算，即對R，G，B三個顏色通道分別進行兩兩交叉計算SILTP算子，從而得到三組不同的SILTP二進制特征值，最后將三種特征值拼接為一個完整的MC-SILTP特征值。但是對于RGB顏色空間中的紋理較少以及無紋理區(qū)域，將會得到相同的MC-SILTP紋理特征值，使得視覺上明顯不同的區(qū)域卻擁有相同的紋理特征值，從而導(dǎo)致誤檢。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于HSV的MC-SILTP運動目標檢測方法，以提高檢測結(jié)果的完整性，并有效降低檢測的誤檢率和漏檢率。