[发明专利]一种自适应复杂场景的运动目标检测方法

摘要

本发明公开了一种自适应复杂场景的运动目标检测方法，1)对视频图像进行光照补偿；2)利用混合高斯背景建模方法得到每帧视频图像的背景图像；3)利用背景差分法原理获取每帧的绝对差分图像；4)采用最大熵分割原理获取每个绝对差分图像的灰度概率模型最优分割阈值；5)利用最优分割阈值对绝对差分图像进行二值化处理以获得前景图像；6)采用不同结构体的模块进行形态学处理；7)利用连通域标定算法对前景图像进行区域标定，利用矩形框锁定已标定的运动目标。本方法在全局光照剧烈变化、背景干扰、相对运动等不同复杂场景下具有较好的运动目标自适应检测准确性和鲁棒性，能够提高目标检测的性能。

主权项

1.一种自适应复杂场景的运动目标检测方法，摄像头相对运动成像，其特征在于：步骤如下，1)获取视频图像，对视频图像进行光照补偿，以克服全局光照突变带来的影响；2)利用混合高斯背景建模方法得到每帧视频图像对应的背景图像；3)根据提取的背景图像，利用背景差分法原理，获取每帧的绝对差分图像，并进行中值滤波处理，以消弱噪声影响；4)采用最大熵分割原理获取滤波后的每个绝对差分图像的灰度概率模型对应的最优分割阈值；5)利用各自对应的最优分割阈值对滤波后的每个绝对差分图像进行二值化处理以获得前景图像；6)在步骤5)获得前景图像的基础上，采用不同结构体的模块进行形态学处理，以消去小噪声带来的影响，弥补部分运动目标区域的空洞；首先用3*3核的“十字形结构”模板进行一次腐蚀操作，以去除一些小噪声，然后用5*3核进行两次膨胀操作，再进行一次腐蚀操作；7)利用连通域标定算法对第6)步形态学处理后的前景图像进行区域标定，利用矩形框锁定已标定的运动目标；步骤2)利用混合高斯背景建模方法提取背景图像的具体方法为，利用K个单高斯概率模型构建某一像素点X的高斯混合模型，见公式(3)所示；其中，p(Xt)是t时刻出现像素值Xt的概率，wi,t表示t时刻第i个高斯模型的权值，并且权值和为1，K表示高斯模型总数，取3‑5个，η(Xt,μi,t,∑i,t)表示t时刻第i个高斯模型，μi,t为均值，∑i,t为协方差矩阵，n表示维数，见公式(4)；混合高斯背景模型匹配与更新过程如下：模型匹配是将视频图像当前帧像素值X和已有的K个高斯模型进行匹配对比，若第i个高斯模型满足公式(5)，则表示当前帧像素值与之匹配，否则不匹配；|Xt‑μi,t‑1|＜2.5·σi,t‑1  (5)若匹配不成功，则采用视频当前帧的均值，并设定一个较大的方差值，建立新高斯分布模型；根据匹配结果按照公式(6)进行模型的更新；其中，α表示视频当前帧嵌入到背景模型的速率，称为学习速率，若模型匹配，则Mi,t＝1，否则为0，其μ和σ2保持不变；由于∑i,t较小和权值大的高斯概率分布模型更有可能用于近似表示背景像素分布模型，为此，对视频每帧图像中的像素值按照w/σ值的大小递减的顺序对K个高斯概率分布模型排序，将前B个高斯概率分布作为背景，构成背景图像BI，见公式(7)；其中，τ为背景模型设定的阈值，τ取值范围[0.7,0.8]。