[发明专利]一种基于NMI特征的静止目标消除方法

说明书

技术领域

本发明属于光电产品应用技术领域，具体涉及一种基于NMI(Normalized Moment of Inertia)特征的静止目标消除方法。

背景技术

智能目标分析和视频图像检索系统是实时智能视频监控系统进一步扩展。该系统包括：人机交互单元、调度控制单元、智能分析单元及资源数据库，完成视频的解码、分析、关注信息提取及事件轨迹检索。系统接收用户格式化检索查询条件，通过网络读取视频存储设备中的相关海量视频数据，解码不同编码格式的视频，通过对视频内容的智能分析和浓缩提取，获得用户关注目标并实现目标跟踪和目标关联，拟合形成关注目标的空间历史轨迹，减轻案件侦测过程中线索目标的查询检索工作，缩短目标检索所需时间，提高破案效率。

如何能从视频图像序列中将感兴趣的对象提取出来，是智能目标分析和视频图像检索系统中最初的也是最重要的一步。视频运动目标检测算法的有效性直接影响到后续系统的处理效果，在实际的应用中，由于在复杂场景中运动目标存在从运动状态变为静止状态的可能性。这种状态的变化容易导致运动目标的误检测，从而给视频的智能分析带来直接的影响。

因此，找到一种能消除静止目标的有效方法，是提高系统软件设计的重要任务。

发明内容

本发明要解决的技术问题是提供一种实现复杂背景下运动目标准确检测的图像处理算法，主要应用于智能目标分析和视频图像检索系统，在基于背景建模的运动目标检测技术中，消除运动目标从运动状态转变为静止状态时的背景残余区域，实现在复杂背景下的运动目标准确检测，从而提高视频检索系统智能分析的准确性。

为了实现这一目的，本发明采取的技术方案是：

一种基于NMI特征的静止目标消除方法，包括以下步骤：

1)在拍摄设备静止状态下采集当前视频序列图像；

2)采用多高斯混合模型算法检测运动目标，获取运动目标前景图Fgb；

3)采用三帧累积差分算法检测运动目标，获取运动目标前景图Fgd；

4)计算Fgb图中前景区域的质心(x_o,y_o)，设区域大小为(M,N)，f(x,y)为在图像位置(x,y)处的值，前景为1，背景为0：

5)计算围绕Fgb图中质心(x_o,y_o)的转动惯量记为

6)计算Fgb图中归一化后转动惯量；

7)采用相同的计算方法对三帧累积差分得到的前景区域Fgd进行归一化转动惯量的计算，得到NMI2;

8)利用NMI1和NMI2计算α值：

9)当α值小于阈值Th时，则判断该区域背景残余区域，不进行标记。

进一步的，如上所述的一种基于NMI特征的静止目标消除方法，步骤9)中，阈值Th根据具体视频场景通过试验选取。

本发明技术方案基于NMI特征的静止目标消除技术，通过在背景建模和多帧累积差分的同时，选取NMI特征对静止目标的背景残余进行判别，该技术可以消除目标从运动状态转变为静止状态时的背景残余区域，实现复杂背景下的运动目标准确检测。通过对街道环境下的可见光序列图像进行试验，证明了该算法具有良好的效果。

具体实施方式

下面对本发明技术方案进行进一步详细说明。

本发明的技术原理——采用多高斯背景建模技术对运动目标进行检测时，由于背景模型更新方法和更新速率的影响，在运动目标前景分割图中会把静止的目标作为运动前景(即背景残余)而产生误检测问题。本算法首先利用多高斯背景建模方法和三帧累积帧差分的方法获得运动目标前景区域，记为Fgb和Fgd。然后分别对Fgb和Fgd进行前景区域标记。由于目标本身的运动及外界因素的影响，目标的形状、大小、明暗会不断变化。直接基于前景区域模板匹配方法的匹配精度不高，传统的图像不变特征的提取方法复杂，计算量大，对于海量视频检索系统的实时性有很大的影响。本算法采用图像的NMI(Normalized Moment of Inertia)不变特性，即图像的归一化转动惯量作为特征匹配参数，NMI特征匹配正确率高、计算量小、速度快，而且具有抗灰度畸变性及对几何畸变有较好的保持不变性。

本发明的具体应用对象——智能目标分析和视频图像检索系统，本发明提出的算法在VC6.0平台下采用C++语言编程实现，为了实现在复杂场景下的运动目标检测和静止目标消除，包括以下步骤：