[发明专利]一种基于对称帧间差分和背景更新的运动目标检测方法

说明书

技术领域

本发明属于图像处理、视频检测和人工智能交叉技术应用领域，尤其涉及一种基于对称帧间差分和背景更新的运动目标检测方法。

背景技术

运动目标检测的目的是从序列图像中将运动目标从背景图像中提取出来，日益成为计算机视觉领域的一个热点问题，在交通监管、公共场所监控等方面有着广泛的应用。静态背景下常用的运动目标检测算法有三种：光流法、背景差分法和帧间差分法。

(1)光流法：利用灰度图像中的像素值变化和目标运动两者之间的关系来检测运动目标，其效果依赖光流估计的准确度，优点是在不需要知道场景任何信息的情况下，能够检测出运动目标，但是计算复杂度高，实时性差，对硬件有较高的要求。

(2)背景差分法：利用当前帧与背景图像相减，并结合阈值检测出运动目标，关键在于如何建立准确的背景模型，实现背景的实时更新。优点是对于复杂背景下的运动目标检测能够提供最完整的特征数据，计算复杂度低，实时性好，但是容易受到光照变化以及天气等自然因素的影响，对环境噪声比较敏感。

(3)帧间差分法：通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓，帧间差分法对动态环境有较强的自适应性，对光照变化不敏感，能快速检测出运动目标，但是在目标重叠时形成空洞,导致分割结果不连通，同时无法检测出静止的运动目标。

发明内容

本发明的目的在于弥补现有运动目标检测技术的不足，提出了一种基于对称帧间差分和背景更新的运动目标检测方法。该方法将改进的对称帧间差分法和滑动平均背景差分法相结合，解决了对称帧间差分法造成的运动目标拉长、轮廓模糊，又避免了滑动平均背景差分法因光线和背景变动的干扰导致运动目标提取不准确。本发明有效地提取出运动目标的完整轮廓，具有良好的实时性和鲁棒性。

本发明所述一种融合改进对称帧间差分和背景更新的运动目标检测方法包括以下步骤：

一种基于对称帧间差分和背景更新的运动目标检测方法，具体包含以下步骤：

步骤1，用户输入视频镜头S，定义S＝{f₁,f₂,...,f_n}，f_n为第n个镜头帧，f_n用大小为r*l的二维矩阵表示，其中，n为正整数，r为矩阵行数，l为矩阵列数；

步骤2，对视频镜头S进行预处理获得运动目标轮廓；具体步骤如下：

步骤2.1，对视频镜头S中的f_k-1，f_k，f_k+1，f_k+2进行灰度化处理得到灰度差值图像f′_k-1，f_k'，f′_k+1，f′_k+2，对f′_k-1，f_k'，f′_k+1，f′_k+2中的每个像素点j进行如下计算：

D_q(j)＝f_q'(j)-f′_q-1(j)

若D_q(j)＞T,则G_q(j)取值1，则判定j为前景点；

若D_q(j)≤T,则G_q(j)取值0，则判定j为背景点；

则G_q(j)取值1的构成目标轮廓G_q；

其中，2≤k≤n，k≤q≤k+2，f_q'(j)为第q帧灰度差值图像f_q'第j个像素点的色彩值，f′_q-1(j)为第q-1帧灰度差值图像f′_q-1第j个像素点的色彩值，D_q(j)为第q帧差分图像中第j个像素点的色彩值，G_q(j)为第q帧二值图像中运动目标轮廓第j个像素点的色彩值，T为大津法最优阈值；

步骤2.2，对步骤2.1获取的运动目标轮廓G_q-1、G_q和G_q+1进行如下的逻辑或运算，获得运动目标轮廓F_q；具体计算如下：

则F_q(j)取值1的构成运动目标轮廓F_q；