[發(fā)明專利]一種紅外視頻的運動物體識別方法、系統(tǒng)和報警裝置

在審

• 申請?zhí)枺?/td>: 201811020190.8
• 申請日: 2018-09-03
• 公開（公告）號: CN109359518A
• 公開（公告）日: 2019-02-19
• 發(fā)明（設計）人: 曾少寧;彭剛;蔣輝;曾威;汪華斌
• 申請（專利權(quán)）人: 惠州學院
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 廣州嘉權(quán)專利商標事務所有限公司 44205
• 代理人: 唐致明;洪銘福

1.一種紅外視頻的運動物體識別方法，其特征在于，包括步驟：

轉(zhuǎn)換紅外視頻圖像為灰度圖像；

計算一段時間內(nèi)，序列圖像像素的均值和方差以作為背景模型，初始化K個高斯分布模型的參數(shù)和對應權(quán)值；

基于預設的匹配關(guān)系式處理當前像素和高斯分布模型以確定匹配關(guān)系；

根據(jù)匹配關(guān)系修改高斯分布模型的權(quán)值、均值和方差；

根據(jù)權(quán)值和標準差計算優(yōu)先級，根據(jù)優(yōu)先級排序高斯分布模型并從中選取若干個的高斯分布模型以作為背景模型的逼近；

將當前像素根據(jù)優(yōu)先級排序與對應高斯分布模型逐一匹配，如果符合判斷式則標定其為前景點；

集合所述前景點以形成運動目標圖像，根據(jù)運動目標圖像的坐標變化以獲取運動參數(shù)。

2.根據(jù)權(quán)利要求1所述的一種紅外視頻的運動物體識別方法，其特征在于，還包括步驟：

基于|I_t-μ_i,t-1|≤D₁δ_i,t-1處理所述當前像素和高斯分布模型以確定匹配關(guān)系，其中，I_t為當前像素，μ_i,t-1和δ_i,t-1分別是第i個高斯分布模型對應的高斯函數(shù)在時刻t-1的均值和標準差，D₁為表示當前像素與模型匹配度的自定義常數(shù)。

3.根據(jù)權(quán)利要求2所述的一種紅外視頻的運動物體識別方法，其特征在于，所述根據(jù)匹配關(guān)系修改高斯分布模型的權(quán)值、均值和方差的步驟包括：

當?shù)趇個高斯分布模型與當前像素I_t匹配，則修改權(quán)值w_i,t＝(1-α)w_i,t-1+α，修改均值μ_i,t＝(1-ρ)μ_i,t-1+ρI_t，修改方差其中，α為權(quán)值更新率且0≤α≤1，ρ為模型參數(shù)更新率；

當?shù)趇個高斯分布模型與當前像素I_t不匹配，則修改其權(quán)值w_i,t＝(1-α)w_i,t-1；

當不存在與當前像素I_t匹配的高斯分布模型，則將權(quán)值最小的高斯分布替換為均值為當前像素I_t，標準差為δ₀，權(quán)值為w_i,t＝(1-α)w_i,t-1+α的高斯分布，其他高斯分布則更新權(quán)值w_i,t＝(1-α)w_i,t-1。

4.根據(jù)權(quán)利要求3所述的一種紅外視頻的運動物體識別方法，其特征在于，所述模型參數(shù)更新率或者ρ＝α+(1-α)/c_k，其中，c_k為第k個高斯模型的像素點總數(shù)。

5.根據(jù)權(quán)利要求4所述的一種紅外視頻的運動物體識別方法，其特征在于，還包括步驟：

歸一化高斯模型權(quán)值計算優(yōu)先級根據(jù)優(yōu)先級大小排序高斯分布模型并從中選取B個的高斯分布模型以作為背景模型的逼近，其中，T為背景建模的分割閾值且0≤T≤1。

6.根據(jù)權(quán)利要求4或5所述的一種紅外視頻的運動物體識別方法，其特征在于，還包括步驟：

將當前像素I_t根據(jù)優(yōu)先級排序與對應高斯分布模型逐一進行匹配，如果符合判斷式|I_t-μ_i,t|>D₂δ_i,t,i＝1,2...B，則標定其為前景點，其中，D₂為表示當前像素與背景模型的偏離度的自定義常數(shù)。

7.根據(jù)權(quán)利要求6所述的一種紅外視頻的運動物體識別方法，其特征在于，所述根據(jù)運動目標圖像的坐標變化以獲取運動參數(shù)的步驟包括：

當S秒內(nèi)出現(xiàn)運動目標圖像的次數(shù)超過閾值，則對運動目標圖像的中心坐標進行最小二乘法直線擬合以獲取運動參數(shù)。