[发明专利]一种基于小波分块的新颖的背景差分法运动目标检测方法

说明书

技术领域

本发明属于视频检测技术领域，具体涉及一种基于小波分块的新颖的背景差分法运动目标检测方法。

背景技术

运动目标检测是智能检测的重要组成部分，它的目的是从图像序列中将变化区域从背景图像中提取出来。运动目标检测算法有很多种，基本上可以分为以下三类：帧间差分法、背景差分法和光流法，其中，帧间差分法检测出的目标内部会有空洞且轮廓不理想；背景差分法能够快速检测出运动目标，但对于光照变化和阴影非常敏感，检测效果不理想；光流法计算复杂度高且易受噪声，光照变化和背景扰动的影响，很难能检测出目标的完整轮廓。运动目标检测是计算机视觉的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。因此运动目标检测是计算机视觉领域研究应用的热点和焦点，也是智能监控系统的核心部分。它的目的就是快速、准确地检测出监控视频中的运动目标，即从图像序列中将运动目标提取出来。运动目标检测常用的方法之一是背景差分法，它被用于分割图像序列中的运动目标。但是该方法存在着诸如动态背景，光照改变，噪声和阴影等挑战。

发明内容

本发明的目的是提供一种基于小波分块的新颖的背景差分法运动目标检测方法，解决了现有技术中存在的运动目标由于受到动态背景、光照改变、噪声和阴影等环境影响，无法实时、可靠检测的问题。

本发明所采用的技术方案是，一种基于小波分块的新颖的背景差分法运动目标检测方法，具体按照以下步骤实施：

步骤1、输入图像序列中的每一帧图像，并对输入的图像进行预处理将彩色图像转化为灰度图像；

步骤2、对步骤1得到的灰度图像进行分块，设每一帧图像为M*N，每个块为m*n，其中，M为每一帧图像的高度，N为每一帧图像的宽度，m为每个块水平方向的像素，n为每个块垂直方向的像素，取每块的中值作为该块内的像素值，进而获得新图像，其中，M、N、m、n均为正整数；

步骤3、使用高斯混合背景建模的方法对步骤2得到的新图像进行建模；

步骤4、通过背景差分的思想对步骤3得到的模型分割前景目标获得前景检测图；

步骤5、用小波阈值去噪方法对步骤4得到的含噪声前景检测图进行去噪得到消噪后的前景目标；

步骤6、运用自适应的背景维护算法对步骤5得到的图像进行背景维护，动态实时更新背景。

本发明的特点还在于，

步骤3具体按照以下步骤实施：

步骤(3.1)、初始化高斯混合模型，为每一个像素点定义k个高斯分布模型；

步骤(3.2)、更新步骤(3.1)得到的高斯混合模型的参数，当新图像被捕获时，用现有的高斯分布检查新图像的当前像素值，如果新像素与k个高斯模型的绝对距离在标准差的D倍之内，则认为新像素与高斯模型中的一个或多个匹配，表示如下：

abs(u_diff(i,j,k))<＝D*sd(i,j,k)(1)

u_diff(i,j,k)＝abs(double(fr_bw(i,j))-double(mean(i,j,k)))(2)

其中，u_diff(i,j,k)表示新像素与第k个高斯模型均值的绝对距离，D表示偏差阈值,D＝2.5,fr_bw(i,j)表示当前图像帧像素，mean(i,j,k)表示当前图像帧像素的均值，其中，i表示当前图像的行数，j表示当前图像的列数，k表示高斯分布的个数，i、j均为正整数，k∈[1,5]；

若新像素与第k个高斯分布匹配，则高斯分布参数更新为等式(3)、(4)和(5)：

w(i,j,k)＝(1-α)*w(i,j,k)+α(3)

mean(i,j,k)＝(1-p)*mean(i,j,k)+p*double(fr_bw(i,j))(4)

其中，α∈[0,1]表示学习率决定背景更新速率，w(i,j,k)表示当前图像帧像素的权重，sd(i,j,k)表示当前图像帧像素的标准差，p表示更新率，p与其它参数的关系是p＝α/w(i,j,k)，i表示当前图像的行数，j表示当前图像的列数，k表示高斯分布的个数。w(i,j,k)为实数，i、j均为正整数，p∈[0,1]，k∈[1,5]；

如果新像素与任一高斯分布均不匹配，则将创建新的高斯分布以替换现有分布，其中权重为最小，新创建的高斯分布的平均值为当前所观察到的像素的平均值，标准偏差设置为初始化的最大值，权重设置为初始化的最小值，其他高斯分布的权重更新为等式(6)：

w(i,j,k)＝(1-α)*w(i,j,k)(6)