[发明专利]基于Mean-shift算法的运动目标检测方法

权利要求书

1.一种基于Mean-shift算法的运动目标检测方法，其特征是：

步骤一：输入视频序列；

步骤二：图像预处理；

步骤三：帧间差分计算及差分图像直方图计算；

步骤四：差分图像二值化，

将差分图像进行二值化处理，二值化的阈值为差分图像的灰度值均值，灰度值大于阈值的像素灰度置1，其他像素置0，得到二值差分图像；

步骤五：计算平均灰度比，

差分图像与相邻两帧中的第一帧图像相乘，获得前景图像；反转差分图像与第一帧图像相乘获得背景图像，计算前景和背景的平均灰度，然后计算出二者的比值；

步骤六：判断是否有运动目标出现

对于上一步计算出的平均灰度比，根据预先设定阈值averate进行判断，若大于则认为有运动，有运动目标则进入步骤七，否则进入下一帧的检测；

步骤七：计算运动区域面积并去掉小区域

在二值图像中找出所有非零区域，作为运动区域，计算区域面积，根据预先设定的面积阈值throldarea进行判断，参数throldarea是用来对检测出的运动区域进行过滤，小于面积阈值的区域被认为是噪声被去掉，保留大于阈值的轮廓区域；

步骤八：目标检测

通过运动区域像素坐标的最小值与最大值，计算出每个运动区域的包围矩形，以包围矩形位置信息作为特征，采用Mean-shift算法进行聚类融合，融合后再进行类内判别，对结果进行验证；

步骤九：结果融合

计算同一类矩形中左上角最小点与右下角最大点，画出完整运动目标的包围矩形，完成运动目标的检测。

2.根据权利要求1所述的基于Mean-shift算法的运动目标检测方法，其特征是所述采用Mean-shift算法进行聚类融合，融合后再进行类内判别，对结果进行验证具体包括：

（1）、特征提取

将所有运动区域包围矩形以矩形序列形式存储，矩形序列中保存了每一个包围矩形的大小及位置信息，设向量是检测出的矩形序列，其中和为矩形i的中心点坐标，和为矩形i的宽和高，i=1,…,n；

（2）聚类

采用改进的Mean-shift方法将相近窗口聚类，得到运动目标，根据步骤（1）里检测出来的矩形序列，假设每个样本都有关联的对称正定d×d带宽矩阵H_i，带宽矩阵选用比例单位阵形式，即H=h²I，在这n个样本上作一个核密度估计，假设平滑内核是一个高斯内核，则在y点的核密度估计如下：

f(y)=1n(2π)3/2Σi=1n|Hi|-1/2t(wi)exp(-D2[y,yi,Hi]2)---(1)]]>

其中：

D²[y,y_i,H_i]≡(y-y_i)^TH_i^-1(y-y_i)   (2)

式中D²[y,y_i,H_i]是y到y_i的距离，t(w_i)是权重函数，w_i为第i个包围矩形的周长，该权重函数为一个非负值函数为：

t(w_i)=w_i/C   (3)

式中C为当前包围矩形的周长和；

由式f(y)=1n(2π)3/2Σi=1n|Hi|-1/2t(wi)exp(-D2[y,yi,Hi]2)]]>估计的梯度定义如下：

▿f^(y)=1n(2π)3/2Σi=1n|Hi|-1/2Hi-1(yi-y)t(wi)exp(-D2[y,yi,Hi]2)=1n(2π)3/2[Σi=1n|Hi|-1/2Hi-1yit(wi)exp(-D2[y,yi,Hi]2)-{Σi=1n|Hi|-1/2Hi-1t(wi)exp(-D2[y,yi,Hi]2)}y]---(4)]]>

定义权值

由式根据（1）与（4）以及（5）推导出下式：

定义为y点处计算的数据加权调和平均协方差矩阵，则由此得到可变步长的均值漂移矢量计算公式如下：

在Mean-shift算法中，核密度函数在样本峰值处的梯度为零，即在式（7）中所以意味着在峰值处m(y)=0，由此y_m：

从上式得出的迭代算法步骤如下：

（a）从矩形序列中选取初始点y_i，i=1,…,n；

（b）根据式（6）计算y_m；

（c）y_m满足收敛判定条件则停止本轮迭代，否则用新的y_m转至第二步继续计算；

（d）将收敛到同一个模态的包围矩形归为一类；

（3）类内判别

通过二次判别的方法对聚类结果再次判别，形成最终的目标区域，类内判别通过三个描述包围矩形相对关系的参数实现，即α、β和P，分别由式（9）、式（10）和式（13）计算；具体方法为，对于聚成一类的所有向量，对类内任何两个向量计算上述三个参数，上述参数属于某个区间的样本为一类；

A.类内判别参数

视频序列经过帧间差分和运动区域轮廓提取后，所得数据为大小不同、位置不同的矩形序列，对于这些要处理的矩形序列，主要考虑其位置关系，同一个目标大部分区域都是连通的，因此矩形之间的相对位置关系是最重要的聚类依据。同一坐标系下的两个矩形位置关系有7种；

设两矩形A、B的中心点坐标为(x₁,y₁)、(x₂,y₂)，矩形A的宽和高为W_a、H_a，矩形B的宽和高为W_b、H_b，定义参数α、β如下：

α=2|x1-x2|(Wa+Wb)---(9)]]>

β=2|y1-y2|(Ha+Hb)---(10)]]>

两矩形距离计算公式如下：

d2(y,yi)=(y1-yi1)2+(y2-yi2)2-[(y3+yi2)2+(y4+yi4)2]/a---(11)]]>

设视频序列每帧图像大小为m*n，取其中较大者，这里假设为m，根据式（11）定义D²(y,y_i)：

D²(y,y_i)=d²(y,y_i)/m   (12)

定义类内判定函数P(y,y_i)如式（11）：

P(y,y_i)=exp(-D²(y,y_i)/2)   (13)

B.参数取值选择

七种情况α和β的值分别为：

情况1：两矩形相交区域宽度与高度大于1，则0≤α<1，0≤β<1；

情况2:两矩形相交区域宽度为1，则α=1，0≤β<1；

情况3:两矩形相交区域高度为1，则0≤α<1，β=1；

情况4:两矩形相交区域宽度与高度都等于1，则α=1，β=1；

情况5:两矩形无相交区域，y方向位置区间有重合，则α>1，0≤β<1；

情况6:两矩形无相交区域，x方向位置区间有重合，0≤α<1，β>1；

情况7:两矩形无相交区域，位置区间无重合α>1，β>1；

三项参数取值如下：

0≤α≤1.50≤β≤1.5P≥0.88.]]>