[发明专利]干扰运动环境下基于共享高斯模型的运动检测方法

说明书

技术领域

本发明涉及运动目标检测技术领域，尤其涉及一种干扰运动环境下基于共享高斯模型的运动检测方法。

背景技术

运动目标检测是数字图像处理技术的一个主要部分，是计算机视觉、跟踪、模式识别、运动图像编码、基于内容的检索等研究领域的重点和难点。由于天气和光照的变化、背景混乱运动的干扰、运动目标的影子以及摄像机运动等原因的存在，在实际系统中进行正确的运动目标检测成为一项非常具有挑战性的任务。目前，现有的视频运动目标检测方法主要分三类：光流法、帧差法、减背景法。这些方法均是使用不同的途径，在连续的视频图像序列中分割出运动目标所在区域。光流法以灰度梯度基本不变或亮度恒定的约束假设为基础进行目标检测；帧差法通过比较视频序列连续两帧或多帧图像中对应位置像素点的灰度差或颜色分量的差值，来确定目标像素点和背景点；背景差法是利用当前帧图像和背景图像的差分来检测运动目标。不同的检测方法使用于不同的场景区分前景和背景，但这些方法无法满足存在其他剧烈干扰运动前景的环境下，检测运动目标的需求。具体的应用场景如机场行李分拣过程中，在某些情况下，我们希望获取并分析工人搬运行李过程中行李的一些信息。这时需要一种方法在摄像头拍摄到的工人分拣行李的视频流中过滤掉工人，实时跟踪目标行李。

发明内容

本发明的目的在于通过一种干扰运动环境下基于共享高斯模型的运动检测方法，来解决以上背景技术部分提到的问题。

为达此目的，本发明采用以下技术方案：

一种干扰运动环境下基于共享高斯模型的运动检测方法，其包括如下步骤：

A、获取干扰运动前景，消除背景与噪音干扰；

B、建立干扰运动前景的共享高斯模型；

C、过滤干扰运动前景，消除对目标物体的干扰；

D、实时跟踪目标物体，绘制运动轨迹。

特别地，所述步骤A具体包括：

实时采集RGB视频图像帧F_t(x,y)，使用混合高斯背景建模算法消除背景，获取干扰运动前景图像，得到一个二值图像b_t(x,y)：

使用3*3的圆形核对图像b_t(x,y)进行形态学开操作，去除噪音点，得到二值图像b_t'(x,y)。

特别地，所述步骤B具体包括：

计算干扰运动前景的三通道RGB图像R_t(x,y)，其中，R_t(x,y)＝F_t(x,y)*b_t'(x,y)；

初始化共享高斯模型；

使用从视频流中取出的每一帧干扰运动前景图像更新共享高斯模型；

根据模型稳定性判断条件，判定是否终止共享高斯模型的更新。

特别地，所述步骤C具体包括：

让视频流中的所有像素点共享已学习的共享高斯模型；

使用混合高斯背景建模算法，获取包含干扰运动的前景与目标前景的图像；

使用共享高斯模型过滤干扰运动的前景图像，得到目标前景图像。

特别地，所述步骤D具体包括：

使用一个3*3的圆形核对目标前景图像，进行图形学腐蚀操作；

使用一个30*30的参考点为圆心的圆形核对经过腐蚀处理后的图像，进行膨胀操作；

计算目标物体的几何中心，绘制运动轨迹。

特别地，所述步骤B中初始化共享高斯模型，具体包括：

初始化一个100个高斯模型队列；令其初始均值mean都为[0,0,0]，方差var都为[144,144,144]。

特别地，所述步骤B中使用从视频流中取出的每一帧干扰运动前景图像更新共享高斯模型，具体包括：

对于每一帧干扰运动前景图像R_t(x,y)，依次取每一个前景像素点Pix；

如果Pix的RGB颜色表示不为[0,0,0]，则判定为前景点；

依次从共享高斯模型队列中取出高斯模型Gaus，判断Pix是否处在其高斯分布中；

设Pix＝[x₁,x₂,x₃]，模型均值Gaus(mu)＝[m₁,m₂,m₃]，模型方差Gaus(var)＝[v₁,v₂,v₃]，则Pix与当前高斯模型的均值差的平方和为：