[发明专利]基于Mean-shift算法的运动目标检测方法

摘要

本发明提供的是一种基于Mean-shift算法的运动目标检测方法。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；步骤五：计算平均灰度比；步骤六：判断是否有运动目标出现；步骤七：计算运动区域面积并去掉小区域；步骤八：目标检测；步骤九：结果融合。本发明对目标的完整检测效果很好，大部分情况下都能完整的检测出，多个目标情况下，每帧处理时间平均在20ms左右。本发明方法实时性较强，在时间和效果上满足要求。

主权项

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。