[发明专利]一种结合边缘帧差和高斯混合模型的运动目标检测方法

摘要

本发明涉及的是一种结合边缘帧差和高斯混合模型的运动目标检测方法。通过将帧差法引入高斯混合模型，快速区分背景区域和运动目标区域，从而提取前景中完整的运动目标。结合视频图像序列帧差信息和边缘帧差信息，采用多种模型更新率和改进的高斯分布生成准则实现运动目标的提取。本发明能有效过滤前景噪声，有较好的抗干扰能力和模型收敛性，运算效率高，适用于复杂背景下的实时检测。

主权项

1.一种结合边缘帧差和高斯混合模型的运动目标检测方法，其特征在于，包括以下步骤：步骤(1)、获取视频图像序列初始帧，将初始帧二值化，为每个像素建立一个单高斯分布，以当前像素值作为均值，并定义初始方差和初始权值；步骤(2)、获取后续图像帧，并做帧间差分处理，获取运动物体团块；步骤(3)、根据所述步骤(2)中的帧间差分处理，将当前图像帧划分为背景区域和运动区域，不同区域的权值更新率赋予不同初始值，运动区域的权值更新率大于t1，加速背景模型收敛；背景区域的权值更新率小于t2，增加背景模型稳定性，其中t1、t2由用户指定，为经验常数，且t2＜t1；为当前图像帧的每个像素设定一个计数值C1，0≤C1≤m，其表示对该像素连续被判定为背景像素进行计数，初始化为0，若该像素被判定为背景像素，C1值加1，C1达到上限值则维持不变；若该像素被判定为前景像素，C1值重置为0，通过C1的变化，动态调整权值更新率：其中，α为当前权值更新率；α′为计数值C1发生变化后，调整的权值更新率；m根据环境背景复杂度设定，为C1值上限；基于改进的混合高斯模型进行背景更新，具体包括：每个像素设定一个高斯分布数上限L，若后续图像帧的像素与某个高斯分布满足不等式|Xt‑μi,t‑1|≤2.5σi,t‑1，则表示该像素与背景模型匹配，更新所述某个高斯分布各项参数：其中，X_t表示t时刻图像帧的像素值，ω_k,t表示t时刻第k个高斯分布的权重，M_k,t表示t时刻图像帧中当前像素点是否符合第k个高斯分布模型，符合时为1不符合时为0；μ_k,t表示t时刻第k个高斯分布的均值，表示t时刻所述第k个高斯分布的方差，α表示模型权值更新率，ρ表示参数学习率，η(X_t|μ_k,t,σ_k,t)表示t时刻图像帧中第k个高斯分布的概率模型；若后续图像帧的像素与所述某个高斯分布不匹配，且该像素的高斯分布数小于L，则新建一个高斯分布，以后续图像帧当前像素值作为均值，定义新的方差和新的权值，并根据该像素所属区域初始化新的权值；若该像素高斯分布数等于L，则用新建的高斯分布取代权值最小的高斯分布；为每个高斯分布设定一个生存值C2，初始值为0，若该高斯分布与后续图像帧的像素匹配，C2数值减1，若不匹配则增1，当C2为0时不变，若C2数值等于阈值Tm时，则删除该高斯分布；步骤(4)、相邻帧ft、ft‑1采用Canny算子提取边缘信息，Canny算子双门限比例按经验值3:1设置，将当前帧图像的边缘信息与前一帧图像的边缘信息进行差分计算获取边缘帧差图像，然后将边缘帧差图像的每一个像素值与阈值T1比对，若该像素值大于阈值T1，则将该像素值设定为255,否则设定为0，对边缘帧差图像像素与阈值T比对后获得的图像进行形态学膨胀处理，获得边缘前景图像；步骤(5)、将帧间差分获取的运动物体团块、基于改进混合高斯模型检测得到的前景图像和所述边缘前景图像进行“与”运算并填补空洞处理获取最终检测结果。