[發(fā)明專利]基于改進(jìn)ViBe算法的運動目標(biāo)提取方法

在審

• 申請?zhí)枺?/td>: 202011122423.2
• 申請日: 2020-10-20
• 公開（公告）號: CN112258548A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 張侃健;何增祥;謝利萍;魏海坤
• 申請（專利權(quán)）人: 東南大學(xué)
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06T7/10;G06K9/46
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 葉涓涓

本發(fā)明公開了一種基于改進(jìn)ViBe算法的運動目標(biāo)提取方法，實現(xiàn)步驟為：(1)利用監(jiān)控攝像頭采集視頻；(2)對采集的視頻圖像進(jìn)行預(yù)處理；(3)采用ViBe算法對運動目標(biāo)進(jìn)行預(yù)提取；(4)采用基于圖像顏色特征與圖像區(qū)域匹配方法抑制動態(tài)陰影干擾；(5)采用基于改進(jìn)Canny算子和形態(tài)學(xué)方法改善動態(tài)目標(biāo)提取不完整問題。本發(fā)明能夠用于解決ViBe算法動態(tài)目標(biāo)提取中存在的動態(tài)陰影干擾和目標(biāo)提取不完整的問題，提高了動態(tài)目標(biāo)提取的準(zhǔn)確度，有利于對運動目標(biāo)進(jìn)行識別與跟蹤。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于改進(jìn)ViBe算法的動態(tài)目標(biāo)提取方法，屬于目標(biāo)檢測技術(shù)領(lǐng)域。

背景技術(shù)

運動前景檢測，即基于視頻的運動目標(biāo)提取，通過圖像分割的方法，將運動目標(biāo)提取出來，以進(jìn)行后續(xù)進(jìn)一步的處理。前景檢測方法主要有幀差法、背景差法和光流法。幀差法是對相鄰幀的圖像進(jìn)行差分，然后對其進(jìn)行二值化處理來得到運動前景區(qū)域；背景差法是把當(dāng)前幀的圖像和背景圖像相減，再二值化提取運動區(qū)域；光流法是利用圖像序列的光流信息，合并相似的運動矢量完成運動目標(biāo)的檢測。幀差法實現(xiàn)起來比較容易，算法的時間和空間復(fù)雜度都低，而且對動態(tài)環(huán)境的自適應(yīng)性強，對光照的變化不敏感。但是，如果運動區(qū)域的內(nèi)部灰度值相似，會產(chǎn)生“空洞”問題。其次，如果做差后的圖像中目標(biāo)的邊緣輪廓較粗，會發(fā)生“雙影”現(xiàn)象，則提取的運動區(qū)域不完整。背景差法實現(xiàn)起來也很容易，抑制了光線的干擾。但是，背景差法要求視頻的背景是靜止的。光流法能夠適用于攝像頭不靜止的場景。然而，這個方法計算過程復(fù)雜，實時性不好。除此之外，光流法容易受到光線變化的影響，以至于運動前景提取效果降低。

O.Barnich等人提出的ViBe算法能夠克服上述的部分缺點，但是還存在一些缺陷，比如漏檢、殘影和鬼影等問題。在陽光的照射下，動態(tài)目標(biāo)會產(chǎn)生運動的陰影。通過ViBe算法直接提取運動前景，會將運動的陰影也會提取出來，給后續(xù)的處理添加麻。除此之外，通過ViBe算法得到的煙霧區(qū)域不能準(zhǔn)確描述煙霧的輪廓，且煙霧區(qū)域內(nèi)部存在缺失。

發(fā)明內(nèi)容

為解決上述問題，本發(fā)明提供一種基于改進(jìn)ViBe算法的動態(tài)目標(biāo)提取方法，該方法檢測性能較高，并且能克服動態(tài)陰影、提取的動態(tài)區(qū)域不完整等缺陷，具有一定的魯棒性。

為了達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于改進(jìn)ViBe算法的動態(tài)目標(biāo)提取方法，包括以下步驟：

步驟1：對采集的視頻圖像進(jìn)行預(yù)處理；

步驟2：采用ViBe算法對運動目標(biāo)進(jìn)行預(yù)提取；

步驟3：采用基于圖像顏色特征與圖像區(qū)域匹配方法去除動態(tài)前景中的陰影；

步驟4：采用基于改進(jìn)Canny算子和形態(tài)學(xué)方法提取動態(tài)前景中的運動目標(biāo)。

進(jìn)一步的，所述步驟1包括如下過程：圖像增強、圖像修復(fù)和圖像濾波。

進(jìn)一步的，所述步驟2具體包括以下步驟：

步驟2.1：初始化單幀圖像中每個像素點的背景模型，隨機抽樣某個像素點的鄰域的N個像素點，組成t＝0時的像素模型作為背景模型，其中(x,y)為像素點的坐標(biāo)；

步驟2.2：對后面的每一幀進(jìn)行前景分割操作，當(dāng)t＝k時，將此幀圖像的像素點的模型P^k(x,y)與背景模型P^bg(x,y)做差，若N個像素點的差值小于等于閾值T，則P^k(x,y)為背景，否則為前景；

步驟2.3：采用時間取樣更新策略更新背景模型。

進(jìn)一步的，所述步驟2.3中，假設(shè)像素點p(x,y)為步驟2.2確定的背景點，則該點以及該點的k領(lǐng)域內(nèi)的像素點在下一幀圖像中將有_w的幾率更新自己的模型樣本。

進(jìn)一步的，所述步驟3具體包括以下步驟：