[发明专利]一种监控视频中运动目标检测及有效帧提取方法

说明书

本发明公开了一种监控视频中运动目标检测及有效帧提取方法，首先按帧读取网络摄像机拍摄的视频；在读取视频的第一帧时初始化高斯模型的参数，建立混合高斯背景模型，并将第一帧进行二值化处理后作为参考二值图片；在读取后续每一帧时，将当前帧与背景模型相减得到只包含前景的二值图片，同时更新高斯模型参数；用帧间差分的思想处理每一帧的前景二值图片，将每一帧的前景二值图片与参考二值图片相减得到差分二值图片，并根据差分二值图片中的像素分布判断当前帧中是否存在运动目标，并决定是否保存当前帧、是否更新参考二值图片。该方法能较好地克服光照变化、背景中的扰动、摄像机抖动等因素的干扰，从监控视频中提取存在运动的目标的有效帧。

技术领域

本发明涉及视频图像处理领域，具体说是一种监控视频中的有效帧提取方法。

背景技术

随着网络监控摄像机的普及，公共场所安装的网络监控摄像机数量正在日益增加。一台网络监控摄像机一天就能采集到GB级甚至TB级的监控数据。但是在这些数量巨大的监控数据中，我们只对监控场景中目标发生变化的那些帧感兴趣；而那些不存在目标或目标静止的帧则是我们不关注的。因此将每时每刻的监控数据都保存下来是对存储资源的巨大的浪费。

目标检测就是通过图像处理技术发现当前的监控场景中的运动的目标，并将监控视频中存在运动的目标的这些帧提取出来，即从海量的视频监控数据中发现存在运动的目标的数据。这样不仅可以减少存储的数据量而且可以大大降低后续目标识别工作所需处理的数据量。

帧间差分法和背景减除法是目前常用两种目标检测方法。帧间差分法通过对视频中的相邻两帧相减，以发现视频流中发生变化的帧，但这种方法容易受到光照变化、背景中的树的枝叶的摇晃、刮风引起的室外网络监控摄像机的抖动等噪声的影响，从而造成误检。背景减除法通过将当前帧与背景模型相减，以提取当前帧中的目标，由于背景模型的更新需要时间，所以这种方法不能很好地判断当前帧中的目标是否发生了运动。

发明内容

本发明的目的是克服背景减除技术中存在问题，提供一种受噪声干扰小的有效帧提取方法，将监控视频中存在运动的目标的帧提取出来。

该方法结合了帧间差分法和混合高斯背景建模方法中所用到的技术，提取出视频中存在运动目标的有效帧。利用混合高斯背景建模方法建立背景模型，将视频流中的每一帧图片减去背景模型得到每帧的前景图片。然后将相邻帧中的前景图片相减就可以发现视频中存在运动目标的帧，并将这些帧保存下来。这种方法可以克服光照变化、背景中的扰动、甚至是室外网络监控摄像机没有固定好造成的扰动等干扰因素的影响，实现了监控视频中运动目标检测及有效帧提取的目的。

本发明的技术方案是：一种监控视频中运动目标检测及有效帧提取方法，其步骤包括：

步骤1：获取视频流，并按帧读取视频；

步骤2：用混合高斯模型模拟图片中的背景，作为当前的背景模型；

步骤3：将读取到的每一帧图片与当前的背景模型相减，得到前景；

步骤4：对相减后的图片进行二值化处理，得到前景的二值图片，记为binary(i)；将第1帧经过二值化处理后得到的图片作为参考二值图片，记为ref；

步骤5：按序将每一帧前景二值图片binary(i)与参考二值图片ref相减，判断是否存在运动目标。具体步骤如下：

步骤501：将每一帧二值图片binary(i)与参考二值图片ref相减，得到差分后的二值图片del(i)；步骤如下：

将二值图片binary(i)中每个位置的像素值binary(i)(x,y)与参考二值图片ref中对应位置的像素值ref(x,y)相减：

当binary(i)(x,y)-ref(x,y)≥0时，del(i)(x,y)＝binary(i)(x,y)-ref(x,y)；