[发明专利]一种基于视频的运动目标检测方法

说明书

本发明公开了一种基于视频的运动目标检测方法，其包括以下步骤：通过均值法获取初始背景；通过初始背景初始化vibe算法并建立背景模型；通过背景模型对当前帧中每个像素进行对比，得到背景和前景；若任一个像素点连续被作为前景的次数大于阈值，则将其作为新的背景样本替换至背景模型中，更新前一步骤中的背景模型；若任一个像素点被作为前景的次数小于阈值，则将其作为运动目标并输出，实现运动目标的检测。本发明采用多帧平均法得到一个初始背景，将这个初始背景代替视频第一帧去建立背景模型，并在后续检测过程中实时更新背景样本，有效消除了鬼影和影刺，使得后期检测更加准确。

技术领域

本发明涉及目标检测领域，具体涉及一种基于视频的运动目标检测方法。

背景技术

随着我国城镇化的持续快速发展，汽车保有量和道路通车里程数源源不断地增加，发展智能交通系统(Intelligent Transportation System,ITS)对缓解交通拥堵等问题有着良好的作用，而运动目标检测是智能交通系统重要的研究内容。ViBe算法在诸多运动目标检测方法中表现良好，。然而，ViBe算法只把视频第一帧用于背景模型的建立，导致了检测效果中出现了“鬼影”。算法提出者把“鬼影”简单地当作前景，并未做任何特殊处理。由于ViBe对鬼影的抑制是个缓慢的过程，在此时间段内，当有前景目标经过此“鬼影”区域时，算法将不能成功的检测出前景运动目标，从而导致后续的跟踪、识别出错。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于视频的运动目标检测方法解决了vibe算法出现鬼影导致检测出错的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于视频的运动目标检测方法，其包括以下步骤：

S1、通过均值法获取初始背景；

S2、通过初始背景初始化vibe算法并建立背景模型；

S3、通过背景模型对当前帧中每个像素进行对比，将符合背景模型样本特征的像素作为背景，反之将其作为前景；

S4、若任一个像素点连续被作为前景的次数大于阈值，则将其作为新的背景样本替换至背景模型中，实现背景模型的更新并返回步骤S3；若任一个像素点被作为前景的次数小于阈值，则将其作为运动目标并输出，实现运动目标的检测。

进一步地，步骤S1的具体方法为：

收集前N帧视频序列图像每个像素点的灰度值，将每帧对应位置处的像素点的灰度值进行累加，根据公式

求取平均值作为该点在初始背景图像的灰度值Background(x,y)，得到初始背景；其中I_i(x,y)表示位于第i帧图像(x,y)坐标处像素的灰度值。

进一步地，步骤S2的具体方法为：

对于每个像素点，基于初始背景随机选择其邻居点的像素值作为其模型样本值，即根据公式

M(a)＝{v₁,v₂,…,v_N}

为每个像素点都建立背景模型；其中M(a)为像素a的样本集；v_i表示第i个样本值，i∈[1,N]；背景模型是一个样本值的集合，每个集合中包括N个样本值。

进一步地，步骤S3的具体方法为：

计算当前帧中每个像素值与背景模型中所有样本的距离是否小于距离阈值，若小于距离阈值的数量大于等于符合阈值，则将其作为背景；若小于距离阈值的数量小于符合阈值，则将其作为前景。

进一步地，步骤S3与步骤S4之间还包括步骤S3.5：