一种基于邻域像素强度校正的前景提取方法技术

本发明专利技术提供一种基于邻域像素强度校正的前景提取方法，包括输入视频，还包括以下步骤：根据所述输入视频的帧序列的第一帧获取初始背景；对所述初始背景进行前景和背景的差分；设定图像差异阈值进行稳定性计算；采用大津阈值来来确定最佳阈值，并将目标从背景图像提取出来。本发明专利技术提出一种基于邻域像素强度校正的前景提取方法，采用动态场景下基于邻域像素强度校正的前景检测算法，鲁棒性更强，适用于较复杂的变化场景。

A foreground extraction method based on neighborhood pixel intensity correction

The present invention provides a foreground extraction method based on neighborhood pixel intensity correction, including the input video, including the following steps: obtaining the initial background according to the first frame of the frame sequence of the input video; making the difference between the foreground and the background of the initial background; setting the image difference threshold for stability calculation; The Otsu threshold is used to determine the optimal threshold and extract the target from the background image. A foreground extraction method based on neighborhood pixel intensity correction is proposed, and the foreground detection algorithm based on neighborhood pixel intensity correction in dynamic scene is more robust and suitable for more complex changing scenes.

【技术实现步骤摘要】
一种基于邻域像素强度校正的前景提取方法
本专利技术涉及机器视觉及图像目标检测的
，特别是一种基于邻域像素强度校正的前景提取方法。
技术介绍
目前，监控视频信息的自动处理与预测在信息科学、计算机视觉、机器学习、模式识别等多个领域中受到极大的关注。而如何有效、快速抽取出监控视频中的前景目标信息，是其中非常重要而基础的问题。视频序列中运动目标的提取是指从视频序列中将运动的区域分割出来,通过对目标运动行为的估计,预测目标在下一帧图像中的物理特征,并根据这些特征对图像序列中的目标进行关联匹配,得到运动目标的运动轨迹。它结合了计算机图像处理、视频图像处理、模式识别、人工智能以及自动控制等诸多相关领域的知识,是智能视频监控的关键技术。运动目标提取方面，主要有背景减除法、帧差法和光流法。背景减除法是最常用的方法。它是把当前帧与提取的背景相减,直接获得前景运动目标，适用于背景已知的情况,计算简单。然而实际应用中,背景往往是不固定的,需要进行背景模型的动态更新。StaufferC和GrimsonW在《Adaptivebackgroundmixturemodelsforreal-timetracking》一文中利用混合高斯分布对每个像素建模,并利用在线估计更新模型。文献《ImprovedadaptiveGaussianmixturemodelforbackgroundsubtraction》使用递归滤波器对背景图像滤波更新,增加了背景减除法的稳定性。文献《Efficienthierarchicalmethodforbackgroundsubtraction》将基于像素和基于块方法结合,建立有效的分级的背景图像,首先确定出非固定背景。帧差法是把当前帧和前一帧直接做差,在时间上相邻的两幅图像的像素做绝对差可以将图像中目标的位置和形状显示出来。此方法对环境的适应性强,但是提取的目标易于形成空洞和模糊边缘。文献《一种基于帧间差分与背景差分的运动目标检测新方法》把背景减除法和帧差法结合起来,基于帧差法检测出帧中背景像素点后,运用背景减除法检测出运动目标,克服了误检和空洞问题。文献《视频序列中运动目标检测技术》采用连续帧间差分法提取运动区域,并通过数学形态滤波消除噪声,改善了运动区域的提取效果。光流法是帧之间的差分法的反复迭代,与帧差法基本原理相似，但是其误差随运动目标速度的增加呈非线性递增趋势。另外,光流法计算耗时,无法满足很多图像序列运动目标检测跟踪系统对算法实时性的要求。针对这一缺点,文献《基于光流的人体运动实时检测方法》提出了基于差分图像绝对值和SAD与光流法结合的方法,能有效准确地对运动目标进行检测。文献《基于帧间差的区域光流分析及其应用》分析比较了帧差法,背景减除法和光流法各自的优缺点,提出了一种基于联合帧间差的区域光流分析方法,提高了处理速度并降低了光流法的计算代价。
技术实现思路
为了解决上述的技术问题，本专利技术提出一种基于邻域像素强度校正的前景提取方法，采用动态场景下基于邻域像素强度校正的前景检测算法，鲁棒性更强，适用于较复杂的变化场景。本专利技术提供一种基于邻域像素强度校正的前景提取方法，包括输入视频，还包括以下步骤：步骤1：根据所述输入视频的帧序列的第一帧获取初始背景；步骤2：对所述初始背景进行前景和背景的差分；步骤3：设定图像差异阈值进行稳定性计算；步骤4：采用大津阈值来来确定最佳阈值，并将目标从背景图像提取出来。优选的是，在所述步骤1中计算B1(x，y)＝F1(x，y)，其中B1(x，y)和F1(x，y)分别是在坐标点(x，y)处的背景像素值和当前帧在该点的像素值，x≤P，y≤Q，P和Q分别表示所述初始背景的宽度和高度。在上述任一方案中优选的是，对于第i帧，用于所述差分的背景图像Bi可由Bi-1得到，其中，在上述任一方案中优选的是，所述步骤2包括当前背景与当前帧之间的差异Di计算公式为Di＝|Fi(x，y)-Bi-1(x，y)|，其中，在上述任一方案中优选的是，所述步骤2还包括将所述图像差异Di从背景图像和运动目标中分离出来，公式为其中，τ为自行设置的阈值。在上述任一方案中优选的是，所述步骤3包括设置S1(x，y)的初始值为零，即S1(x，y)＝0，并计算每个像素点的稳定性S(x，y)，计算公式为其中，Si表示第i帧是的稳定矩阵，其初始值为零，即S1(x，y)＝0。在上述任一方案中优选的是，所述步骤2包括判断是否进行像素值的校正。在上述任一方案中优选的是，所述判断方法为当所述稳定性的最小值min(x，y)(Si(x，y))小于阈值δ时，则对当前背景像素值进行修正；当所述稳定性的最小值min(x，y)(Si(x，y))大于等于阈值δ时，则不对当前背景像素值进行修正。在上述任一方案中优选的是，当属于当前运动目标时设置Di(x，y)＝1且存在不稳定的值使得Si(x，y)＜0时，重新进行构造减少计算量，计算公式为Pi＝{(x，y)|[Di(x，y)＝1]∩[Si(x，y)＜0]}。在上述任一方案中优选的是，所述步骤3包括计算对应像素点之间的标准方差，计算公式为其中，n是一个正方形移动窗口的大小，N＝n2表示像素点的数目，均值μ是由图像I的像素值计算得到，公式为在上述任一方案中优选的是，对于Pi的每一个像素，从背景图像和当前帧计算两个标准差和并计算得到背景像素值Bi(x，y)，公式为：在上述任一方案中优选的是，所述正方形移动窗口的大小可以在运动中发生变化，包括了(n0+n1)个像素点，n0和n1分别表示非运动像素点和运动像素点的数量，并且对应的像素强度分别为g0和g1。在上述任一方案中优选的是，所述像素均值μ的计算公式变为在上述任一方案中优选的是，所述标准方差的计算公式变为：其中，|g0-g1|和(n0+n1)为常数。在上述任一方案中优选的是，所述步骤3还包括在像素值强度校正之后，将检测到的背景用于后续的前景提取，并将处理结果作为后续第i+1帧的输入。在上述任一方案中优选的是，所述步骤4还包括从当前帧和背景图像中得到基于图像的差异计算公式为在上述任一方案中优选的是，所述步骤4还包括寻找合理阈值，使得两个类的方差的加权和最小化，公式为其中，G0为背景区域，G1为前景目标区域，ωG0(g)和ωG1(g)表示在强度g处的类概率，和为类方差。在上述任一方案中优选的是，所述步骤4还包括基于图像的差异分离出前景目标，使用大津阈值法来确定最佳的阈值，公式为在上述任一方案中优选的是，所述图像差异Di的计算公式变为：其中，为灰度图像。在上述任一方案中优选的是，所述步骤4还包括对由于亮度、光照急剧变化引起的边缘断裂进行基本的腐蚀和膨胀处理。在上述任一方案中优选的是，所述腐蚀的作用是消除物体的边界点，所述腐蚀的原理为：其中,A为平面(x，y)上的目标区域,S为指定大小和形状的模板元素，S(x，y)是位于坐标(x，y)上的模板元素S所表示的区域,S(x，y)/A是差集,表示属于S而不属于A的元素的集合。在上述任一方案中优选的是，所述膨胀的作用是扩展物体的边界点，所述膨胀的原理为：其中,A为(x，y)图像帧中的目标区域,S为指定大小的结构元素,定义位于坐标(x，y)上的结构元素S所表示的区域为S(x，y)，S(x，yv∩A是交集,表示同时本文档来自技高网...

【技术保护点】
1.一种基于邻域像素强度校正的前景提取方法，包括输入视频，其特征在于，还包括以下步骤：步骤1：根据所述输入视频的帧序列的第一帧获取初始背景；步骤2：对所述初始背景进行前景和背景的差分；步骤3：设定图像差异阈值进行稳定性计算；步骤4：采用大津阈值来来确定最佳阈值，并将目标从背景图像提取出来。

【技术特征摘要】
1.一种基于邻域像素强度校正的前景提取方法，包括输入视频，其特征在于，还包括以下步骤：步骤1：根据所述输入视频的帧序列的第一帧获取初始背景；步骤2：对所述初始背景进行前景和背景的差分；步骤3：设定图像差异阈值进行稳定性计算；步骤4：采用大津阈值来来确定最佳阈值，并将目标从背景图像提取出来。2.如权利要求1所述的基于邻域像素强度校正的前景提取方法，其特征在于：在所述步骤1中计算B1(x，y)＝F1(x，y)，其中B1(x，y)和F1(x，y)分别是在坐标点(x，y)处的背景像素值和当前帧在该点的像素值，x≤P，y≤Q，P和Q分别表示所述初始背景的宽度和高度。3.如权利要求2所述的基于邻域像素强度校正的前景提取方法，其特征在于：对于第i帧，用于所述差分的背景图像Bi可由Bi-1得到，其中，4.如权利要求3所述的基于邻域像素强度校正的前景提取方法，其特征在于：所述步骤2包括当前背景与当前帧之间的差异Di计算公式为Di＝|Fi(x，y)-Bi-1(x，y)|，其中，5.如权利要求4所述的基于邻域像素强度校正的前景提取方法，其特征在于：所述步骤2还包括将所述图像差异Di从背景图像和运动目标中分离出来，公式为其中，τ为自行设置的阈值。6.如权利要求5所述的基于邻域...

【专利技术属性】
技术研发人员：玄祖兴，郭燕飞，孙欣，王海，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11