[發明專利]一種基于視頻的運動目標檢測與跟蹤方法及系統

在審

• 申請號: 202010989696.0
• 申請日: 2020-09-18
• 公開（公告）號: CN112184759A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 羅珊
• 申請（專利權）人: 深圳市國鑫恒運信息安全有限公司
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/194;G06T7/13;G06T7/136;G06T7/66;G06T7/90;G06T5/30
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 覃迎峰

1.一種基于視頻的運動目標檢測與跟蹤方法，其特征在于，其包括：

步驟S1，輸出視頻；

步驟S2，用改進的混合高斯模型對其每一幀圖像進行前景和背景的分離；

所述改進的混合高斯模型對其每一幀圖像進行前景和背景的分離時，用K個不同的高斯函數來表示視頻序列中每一個像素點的值，然后對這K個高斯函數按優先級進行排序，選取前B個高斯函數代表實際的背景模型，進而通過匹配的高斯函數的序號與B相比來判斷該像素點是前景還是背景；

步驟S3，然后對檢測后得到的前景圖像進行中值濾波處理，去除噪聲；

步驟S4，再進行形態學膨脹操作，去除圖像中產生的空洞；

步驟S5，采用meanshift算法對目標進行跟蹤。

2.根據權利要求1所述的基于視頻的運動目標檢測與跟蹤方法，其特征在于：步驟S2包括：

步驟S201，背景建模，

每個像素用K個高斯函數表示，第K個高斯函數的權重為ω_i，在時刻t，背景像素X_t的混合高斯模型如式(1)所示：

其中，X_t代表t時刻的背景像素，指的是背景更新的像素，ω_i,t代表t時刻第i個高斯函數的權重，μ_i,t是第i個混合高斯模型在時間t的均值，∑_i,t是第i個混合高斯模型在時間t的協方差矩陣，η是高斯密度分布函數，如式(3)所示：

其中，n代表背景像素X_t的維數，μ_t代表混合高斯模型在時間t的均值，σ是標準差，I是單位矩陣；

步驟S202，目標檢測，

各個高斯函數的分布根據w_k/σ²按降序排列，權重大、方差小的排在前，選前B個權重之和大于閾值T的分布作為背景，即B應滿足式(4)：

w_k代表第k個高斯函數的權重；

每個新像素值X_t與按順序遍歷K個模型，滿足式(5)且kB，則該點為背景，否則為前景；

|X_t-μ_k|≤2.5σ_k (5)

其中，μ_k代表第k個高斯函數的均值；

步驟S203，對得到的背景進行參數更新，所述參數更新包括：

各分布權值按式(6)進行更新，

ω_k,t＝(1-α)ω_k,t-1+αM_k,t (6)

其中α是學習速率，對于匹配的分布M_k,t＝1，否則M_k,t＝0，然后將各分布權重歸一化；未匹配分布的均值和方差均不變，匹配分布的參數按式(7)～(9)進行更新：

μ_t＝(1-ρ)μ_t-1+ρX_t (7)

ρ＝αη(X_t,μ_k,∑_k) (9)；

其中，ρ表示參數更新速率，μ_t是t時刻均值，σ_t是t時刻方差，α是學習速率，X_t是新像素值。

3.根據權利要求2所述的基于視頻的運動目標檢測與跟蹤方法，其特征在于：所述改進的混合高斯模型包括自適應選擇高斯分布的個數和陰影檢測，其中所述自適應選擇高斯分布的個數包括：

引入負的先驗系數，改變更新權重的方式，當權值小于閾值c_T時，減少高斯模型個數。

其中，α是模型的學習速率，反映當前圖像融入背景的速率，表示t時刻像素j的混合高斯模型中第i個高斯分量的權重，表示按上式更新后各分布權值；

所述陰影檢測包括：

建立一個可以分離色彩和亮度的顏色模型，比較目標像素和背景像素，如果色彩和亮度的差值都在一定的閾值內，則該像素被視為陰影。