[发明专利]一种运动目标检测方法

权利要求书

1.一种运动目标检测方法，包括背景建模和前景检测，其特征在于，所述背景建模包括：

(1)模型建立过程：获取待检测场景的视频，根据视频内容获得t帧图像，t为大于等于1的整数；

图像中的每一个像素点的颜色值都被看作是一个统计随机过程：

其中I(x,y,i)表示像素点(x,y)在第i帧图像中即i时刻的颜色值，对每个像素点建立一个由K个融合二型模糊的单高斯模型混合而成的二型模糊混合高斯模型，其中，K是大于等于2的整数：

其中，ω_j,t为t时刻第j个高斯分量的权重，是t时刻第j个高斯分量的概率密度函数，其中的X_t表示t时刻被观测像素值、μ_j,t表示第j个高斯模型t时刻的均值不确定区间、Σ_j,t是第j个高斯模型t时刻的协方差，P(X_t)表示t时刻被观测像素值X出现的概率；

(2)模型更新过程：如果当前帧图像中的当前处理像素值在所建二型模糊混合高斯模型中的一个高斯分布均值不确定性在2.5倍方差范围之内，则匹配该高斯分布，对各个高斯分布的权重值做如下调整：

其中α为学习率，取值在(0,1)之间；对于与当前像素匹配的高斯分布，，否则；

对于与当前像素值匹配的高斯分布，将其参数做如下调整：

其中ρ为学习率，其值为；t表示当前处理帧图像的时刻，k表示与当前像素值匹配的第k个高斯分布；

如果当前像素值与K个高斯分布都不匹配，则用一个新的高斯分布取代权重值最小的那个分布，新的分布的均值即为当前的像素值，同时为它任意分配一个较大的初始协方差和一个较小的初始权重值；

(3)对于图像中每一个像素点，根据权重与方差的比值ω/σ的大小将K个高斯分布按从大到小的顺序进行排列，前B个高斯分布作为对背景的描述，候选背景模型的选择为：

，式中，T是背景模型占所有高斯分布的最小比例阈值，b是第b个高斯模型；

所述前景检测为：对于待检测的帧图像中的一个像素点，如果在上述排序后的B个高斯分布中，至少有一个高斯分布与当前像素值匹配，则该像素点为一个背景像素，否则判定其为前景像素。

2.根据权利要求1所述的运动目标检测方法，其特征在于：采用融合二型模糊的混合高斯背景建模，在处理参数的不确定性上用高斯函数均值二型模糊来描述，模型的概率密度函数不是一个固定的值，而是一个具备描述不确定性的参数：

其中代表均值不确定的区间，其中i=R,G,B，分别表示在RGB颜色空间中当前帧图像中当前像素的R、G、B颜色分量；、、分别表示在RGB颜色空间中当前帧图像中R、G、B颜色分量的均值区间；分别表示在RGB颜色空间中当前帧图像中R、G、B颜色分量的方差；

对于二型模糊混合高斯模型中的均值的变化区间采用因子k_m控制其变化，其统一均值的区间表示：

在具有不确定均值模型中，上界隶属度函数为：

下界隶属度函数为：

，

其中，

均值不确定性的描述采用对数似然区间的长度来衡量：

。

3.根据权利要求1所述的运动目标检测方法，其特征在于：所述混合高斯模型基于块级特征实现，使用8×8的块为处理单位，离散余弦变换得到对应于该块的F(0,0)，F(0,1)，F(1,0)，F(1,1)这4个系数后，使用这个四个系数替换该块左上角对应的4个位置的像素值，然后分别往右边移动2个像素作为一个块的开始，往下边，移动2个像素作为一个块的开始，依次进行，直至将整个图像的像素值替换为离散余弦变换得到的系数，形成伪图，将这幅伪图视为包含像素值的图像，使用混合高斯模型建模来提取运动目标。

4.根据权利要求1所述的运动目标检测方法，其特征在于：进行前景检测时，基于权利要求2所述方法获得的背景模型判断得到的前景区域为R_t，基于权利要求3所述方法获得的背景模型判断得到的前景区域为R_b，如果某一像素点属于R_t，则其为前景点，如果某一像素点不属于R_b，则其为背景点，如果某一像素点，ω_t、ω_b分别表示R_t、R_b中该像素对应的模型的权重，f_t(x)、f_b(x)分别表示R_t、R_b中该像素点的值；如果m_t×m_b＞T_b ，像素点x为前景点，否则为背景点，其中，T_b是经验值，取值范围是0.8～1。