[发明专利]移动目标监测方法

摘要

本发明公开了一种移动目标监测方法，包括目标检测、目标质心点特征提取和目标跟踪三部分。本发明可应用到会展、商场、博物馆等公共场所的客流人数统计、流向、区域密度等数据分析中，实时准确地掌握人员的分布情况，为安全防范、环境调控工作提供决策依据；也可应用于工厂、企业的物流过程监控，对物料的数量、位置、流向、分布密度等进行监测统计。本发明直接从彩色图像中提取出运动目标，比传统目标检测方式中将彩色图像先转为灰度图像，经预处理后再进行目标检测的过程更加方便快捷；同时，颜色特征比灰度特征更易区别，本目标检测算法克服了传统方法在物体与背景的灰度值接近时造成分割出的目标区域存在大面积破裂或空洞的技术问题。

主权项

1.一种移动目标监测方法，其特征在于，包含下列步骤：1)获取RGB格式的图像；2)从采集到的连续H帧图像序列f1、f2、...、fH中抽取L帧图像，记为I1、I2、...、IL；当目标运动速度大于0.1m/s时，L＝H，当目标运动速度小于0.1m/s时，采用间隔3帧抽取图像的方式对L进行取值；3)采用来表示第k帧图像像素点(i,j)处的RGB分量，i和j分别代表图像像素点横坐标和纵坐标，然后对按照递增或递减的顺序进行排序，将排序结果记为4)分别取三个数列的中间值，记做将这三个值作为像素点(i,j)处背景像素所对应的RGB值；5)对背景进行实时更新，引入背景更新因子来自适应更新背景： Δ 1 = | I n R ( i , j ) - C n - 1 R ( i , j ) | + | I n G ( i , j ) - C n - 1 G ( i , j ) | + | I n B ( i , j ) - C n - 1 B ( i , j ) | - - - ( 1 ) ]]> C n ( i , j ) = C n - 1 ( i , j ) , Δ 1 ≤ T H 1 C n ( i , j ) = ( 1 - α ) C n - 1 ( i , j ) + αI n ( i , j ) , Δ 1 > T H 1 - - - ( 2 ) ]]>式中，为当前帧图像在像素点(i,j)处的RGB分量，In(i,j)为当前帧图像在像素点(i,j)处的像素值，为更新前的背景帧图像在像素点(i,j)处的RGB分量，Cn-1(i,j)为更新前的背景帧图像在点(i,j)处的像素值，Cn(i,j)为更新后的背景帧图像在点(i,j)处的像素值，α为背景更新因子，取为0.5，Δ1为当前帧图像与更新前的背景帧图像在像素点(i,j)处的RGB差值和，TH1为当前图像与背景图像的划分阀值，取为100～120；6)对当前帧图像每个像素点的R,G,B三通道分别进行差分处理： D n R ( i , j ) = | I n R ( i , j ) - C n R ( i , j ) | D n G ( i , j ) = | I n G ( i , j ) - C n G ( i , j ) | D n B ( i , j ) = | I n B ( i , j ) - C n B ( i , j ) | - - - ( 3 ) ]]>式中，为当前帧图像在像素点(i,j)处的RGB分量，为背景帧图像在像素点(i,j)处的RGB分量，为差值图像在像素点(i,j)处的RGB分量；之后对进行如下处理，从而获得目标在像素点(i,j)处的二值图像RIn(i,j)： Δ 2 = [ 1 / 3 D n R ( i , j ) + 1 / 3 D n G ( i , j ) + 1 / 3 D n B ( i , j ) ] - - - ( 4 ) ]]> RI n ( i , j ) = 1 , Δ 2 ≥ T H 2 RI n ( i , j ) = 0 , Δ 2 < T H 2 - - - ( 5 ) ]]>式中，RIn(i,j)为目标在像素点(i,j)处的二值图像，TH2为目标检测阀值，取值范围为0到255之间的整数，最优值为125；7)受图像干扰影响，运动物体内部会出现空洞或是图像不连续的现象，采用数学形态学开运算来对差分后的二值图像进行处理，通过先腐蚀运算后膨胀运算的过程达到去除目标图像中的斑点噪声，平滑目标图像边缘，在不改变目标图像面积和特征的前提下获得平滑的目标图像；8)提取运动目标的质心点：运动目标图像的质心点可由下式求出： x o = Σ x = 1 M Σ y = 1 N x f ( x , y ) Σ x = 1 M Σ y = 1 N f ( x , y ) y o = Σ x = 1 M Σ y = 1 N y f ( x , y ) Σ x = 1 M Σ y = 1 N f ( x , y ) - - - ( 6 ) ]]>式中，f(x,y)表示M×N的数字图像，M和N分别代表X方向和Y方向的像素点个数，xo，yo分别为目标质心点的横坐标、纵坐标；9)进行目标跟踪；采用SADD跟踪算法(最小绝对差分误差和算法)对运动目标进行跟踪，将前后两帧运动目标图像的质心点连接起来获得目标运动向量；10)将目标运动向量进行分析，以确定目标是流入或流出；11)进行目标数量统计；12)计算区域目标密度。