[发明专利]基于背景减法的运动物体检测方法与轨迹跟踪方法

说明书

本发明公开了一种基于背景减法的运动物体检测方法与轨迹跟踪方法，本发明在背景减法的理论基础上，完成了对运动物体的检测和轨迹跟踪。首先描述了背景减法的基本概念和本发明在实际程序中用的方法，接着用基于车体连通区域的方法实现对运动目标的跟踪，详尽的给出了处理过程，并给出每一步的处理结果，最终得到了检测结果和物体的运动轨迹，由结果可以看出，本发明给出的方法能很好的检测出运动物体，而且还可以对其运动轨迹进行跟踪，得到了比较理想的结果。实验证明，此方法有较好的可靠性。

技术领域：

本发明涉及一种基于背景减法的运动物体检测方法与轨迹跟踪方法。

背景技术：

运动物体的检测与提取的目的就是从一段视频序列中将变化区域从背景中提取出来，是整个处理过程的基础步骤。运动物体的有效分割对于物体分类、跟踪和行为理解等后续步骤都是非常重要的，因为以后的处理过程都是在此基础上完成的。然而，由于背景图像的实时变化，如天气好坏变化、光照变化等各种因素的影响，使得运动检测成为一项困难的工作。

发明内容：

本发明的目的在于提供一种快速、有效，具有很好的实时性和准确性的基于背景减法的运动物体检测方法与轨迹跟踪方法。

本发明的目的通过以下技术方案来实现：一种基于背景减法的运动物体检测方法与轨迹跟踪方法：

A、采用背景差分法对运动物体进行检测和轨迹跟踪：

a、图像的灰度化处理：由于视频中的图像是彩色的，处理起来要考虑的因素比较多，由于图像的任意一个像素都具有三个不同的颜色分量，存在许多与识别无关的信息，计算比较复杂，所以先将彩色图像进行预处理，变成灰度图像，加快处理速度；

b、重构背景：应用于运动物体检测的背景提取的方法为均值法，通过该方法得到的背景能适应视频中含有扰动的情况，而且能不受光线变化的影响，背景提取的好，为后面的检测工作提供了方便；

c、相减得到检测结果：当得到背景之后，就可以用背景减法来检测运动车辆了，背景被去除后，只显示出运动目标，得到的结果比较理想；

d、图像的二值化处理：得到检测结果后，再对其进行二值化，就可得到最终结果了。由于安放位置、拍摄角度和光照不均匀的影响，图像会出现亮度不均匀等情况，所有这些因素都会对图像的二值分割产生影响，所以二值化算法在系统中是非常关键的，它的优势和劣势将对后续的工作产生很大的影响；图像二值化分割方法具体为全局阈值法，是根据图像的直方图或灰度的空间分布来确定一个阈值，并根据此阈值来完成从灰度图像到二值化图像的转变；

e、数学形态学的应用：得到二值化图以后，因为图中有小空洞等噪声，所以再对二值化图进行形态学操作，运用数学形态学的方法填补二值化图像中运动目标的内部空洞，即先采用开运算，再采用闭运算；

B、基于车体区域连通面积的运动物体轨迹跟踪方法：依据对象的连通区域面积关系来实现对运动目标的跟踪，步骤如下：

S1、采用连通区域分析算法：对连通区域面积进行跟踪，只要跟踪连通区域面积的重心，在检测运动车辆轨迹时，先对形态学处理后的二值化图像进行连通区分析，可找出车辆的重心，这个重心的运动轨迹就是车辆的运动轨迹，同时还可以算出两个重心之间的位移值，这个值就是两帧间物体移动的像素值，从而算出物体运动的瞬时速度；

S2、重心点标记：求取连通区域重心点后，再返回原图并进行标记；

S3、单车重心点轨迹跟踪：对运动目标重心点坐标的统计和重心移动位移的计算；

S4、多辆车的重心点轨迹跟踪：每隔两帧截取图像，并进行重心点统计，并进行重心移动位移的计算。

本发明的进一步改进在与：步骤a中图像的灰度化处理采用加权平均值法：根据重要性或者其他指标给R、G、B赋予不同的权值，并使g等于他们的值的加权平均值，即：