The invention discloses a moving object detection method combining region extraction and improved texture features, which includes the following steps: (1) acquiring continuous images in surveillance video as sampling frames; (2) modeling and restoring the background of each pixel in the sampling frame with its sampling information; (3) dividing the image into blocks and using the graph. The statistical features of the image block are extracted from the foreground area, and the illumination change of the foreground area is judged to determine whether the second judgement of the foreground area is needed; (4) The foreground pixels are extracted accurately in the foreground area. By fast foreground region extraction, the method greatly reduces the amount of calculation for subsequent accurate judgment, eliminates the two main interferences of spatial displacement (leaf shaking, etc.) and brightness change (illumination change, etc.) while extracting the region, and accurately and efficiently extracts the moving objects in the image sequence. Mark.
【技术实现步骤摘要】
一种结合区域提取与改进纹理特征的运动目标检测方法
本专利技术涉及一种结合区域提取与改进纹理特征的运动目标检测方法,属于视觉检测
技术介绍
基于图像序列的运动目标检测技术是许多高层次计算机视觉处理行为的基础,例如目标追踪,行为理解,异常行为分析等,运动目标检测结果的完整性和有效性对后续研究至关重要。目前多数运动目标检测算法直接对需要处理的图像帧逐点进行判断,以实现运动目标的精确检测。这种逐点的判断方法极易受到噪声点(光照,动态背景以及成像设备误差等)的影响,将大量的动态噪声点误判为前景,而且在某些运动场景中,运动目标所占的区域较小,逐点判断会将大量的计算资源浪费在一些不具有明显前景特征的背景区域。而且在进行噪声干扰消除时,目前存在的算法大都是将所有的干扰点(光照,树叶晃动,噪声点)统一看作稀疏噪声进行消除,尽管能够在一定程度上消除部分干扰,但是这种不考虑噪声特性的方法对不同类型的噪声消除效果是有限的。
技术实现思路
针对现有技术存在的不足,本专利技术目的是提供一种结合区域提取与改进纹理特征的运动目标检测方法,本专利技术通过进行快速前景区域提取,大大减少了后续进行精确判断的计算量,在进行区域提取的同时,消除空间位移类干扰(树叶晃动等)以及亮度变化类干扰(光照变化等)这两种主要干扰;准确高效地提取出图像序列中的运动目标。为了实现上述目的,本专利技术是通过如下的技术方案来实现:本专利技术的一种结合区域提取与改进纹理特征的运动目标检测方法,包括如下步骤:(1)采集监控视频中的连续图像作为采样帧;(2)对采样帧中的每个像素点,利用其采样信息进行背景建模与恢复;( ...
【技术保护点】
1.一种结合区域提取与改进纹理特征的运动目标检测方法,其特征在于:包括如下步骤:(1)采集监控视频中的连续图像作为采样帧;(2)对采样帧中的每个像素点,利用其采样信息进行背景建模与恢复;(3)对图像进行分块,使用图像块的统计特征进行前景区域的提取,并对前景区域进行光照变化的判断,确定是否需要进行前景区域的二次判断;(4)在前景区域中进行前景像素点的精确提取。
【技术特征摘要】
1.一种结合区域提取与改进纹理特征的运动目标检测方法,其特征在于:包括如下步骤:(1)采集监控视频中的连续图像作为采样帧;(2)对采样帧中的每个像素点,利用其采样信息进行背景建模与恢复;(3)对图像进行分块,使用图像块的统计特征进行前景区域的提取,并对前景区域进行光照变化的判断,确定是否需要进行前景区域的二次判断;(4)在前景区域中进行前景像素点的精确提取。2.根据权利要求1所述的结合区域提取与改进纹理特征的运动目标检测方法,其特征在于:步骤(2)中,根据每个像素点的采样信息,对每个像素点建立一个背景模型;假设有一位置为(x,y)的像素点,使用I(x,y)={I1(x,y),I2(x,y),…,In(x,y)}作为该点的背景模型,其中Ii(x,y)=[gi(x,y),weighti,time],gi(x,y)代表第i帧训练帧(x,y)处像素灰度值,time代表gi(x,y)出现的次数,weighti为该点的权值,则具体的背景初始化,背景建模与恢复过程为:(2a)初始化背景模型,令I(x,y)={I1(x,y)},I1(x,y)=[g1(x,y),1,1];(2b)对于新到训练帧像素点,若模型I(x,y)中存在某一元素Ii(x,y)的灰度属性gi(x,y)与新到帧像素的灰度相等,跳至步骤(2c);否则跳至步骤(2d);(2c)令Ii(x,y)的time值加1,遍历I(x,y),调整模型中所有元素的权值属性值,读取下一帧训练帧,若存在下一帧,跳至步骤(2b),否则算法结束;(2d)将新到像素点加入模型I(x,y)中,设置其time为1,遍历I(x,y),调整模型中所有元素的权值属性值,读取下一帧训练帧,若存在下一帧,跳至(2b),否则算法结束;权值调整公式为:背景恢复公式为:其中,α为调整系数,是一个常数,通常取1。3.根据权利要求1所述的结合区域提取与改进纹理特征的运动目标检测方法,其特征在于:步骤(3)具体的方法如下:(3a)对于一副图像,首先将其划分为多个大小一致的图像块,并统计其前后连续N帧图像中该图像块区域的灰度信息;(3b)将图像块区域特征作为高斯核密度估计的输入特征,计算每一块区域包含前景区域的概率大小;(3c)对当前已提取出前景区域的图像进行光照变化的判定,通过判定结果确定是否进行二次前景区域判定。4.根据权利要求3所述的结合区域提取与改进纹理特征的运动目标检测方法,其特征在于:步骤(3b)中,使用高斯核密...
【专利技术属性】
技术研发人员:范新南,薛瑞阳,倪建军,史朋飞,张卓,谢迎娟,
申请(专利权)人:河海大学常州校区,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。