一种结合区域提取与改进纹理特征的运动目标检测方法技术

技术编号:19345823 阅读:33 留言:0更新日期:2018-11-07 15:16
本发明专利技术公开了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;(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。本发明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。

A moving object detection method combining region extraction and improved texture features

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;(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。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,所建立的背景模型包括了该位置像素点的历史帧灰度值,权值以及持续时间;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。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。步骤(3b)中,使用高斯核密度估计进行前景区域概率估计的公式为:其中,N代表帧数,regioni为第i帧图像中图像块的特征,σi代表核宽,使用相邻帧间样本的绝对差中位数计算核宽,regiont代表t时刻待处理图像帧中任意图像块所包含有的像素点的均值特征。步骤(3c)中,光照判定的公式为:其中,G1与G2分别代表背景帧与当前待检测帧相同位置的大小相同的图像块,如果上式结果趋近于1,则不进行二次判定,否则使用改进的LBP纹理特征进行二次判定;改进的LBP纹理特征公式为:其中rc与gc分别代表参考帧与待处理帧像素点(xc,yc)处的灰度值,rp与gp分别代表两帧中像素点(xc,yc)的p邻域像素点,Th1为预先设置的噪声容纳阈值,该值通过实验确定;对于前景区域中改进的纹理特征不变的区域,认为是背景区域,否则认为是前景区域。步骤(4)中,所述前景像素点的精确提取方法如下:(4a)构建一个大小为m×n的窗口W,为前景区域中所有的像素点设置两个属性ws(x,y)和wf(x,y),分别用来记录像素点(x,y)被处理的次数以及被判断为前景的次数,并将其都初始化为0;(4b)计算待处理帧前景区域中窗口W内像素点对应的改进的纹理特征,并统计该窗口内所有不同纹理特征值的频数,得到改进的LBP纹理特征直方图Hc,对相应位置的背景帧进行同样操作得直方图Hr,将直方图归一化,并令窗口内像素的属性ws=ws+1;(4c)计算两个归一化直方图间的卡方距离,若距离小于1即认为距离较小,则令待处理帧中当前窗口内所有像素的属性wf自增1,否则不变;(4d)以步长为1重叠滑动窗口,重复(4a)和(4b),直到完成对前景区域内所有像素的操作;(4e)对于每个像素点,根据wf与ws的比值计算该像素点属于前景像素点的概率Pt(x,y),该值越大则认为其属于前景的可能性越大,同时更新背景。概率Pt(x,y)的计算公式为:背景更新公式为:Bt(x,y)=Bt-1(x,y)+[1-Pt(x,y)][It(x,y)-Bt-1(x,y)]其中,Bt(x,y)与Bt-1(x,y)分别为当前帧与其前一帧的像素点背景模型的灰度值,It(x,y)为当前像素点的灰度值。本专利技术的有益效果如下:(1)本专利技术在进行背景建模与背景恢复时,通常认为每个像素点对背景的影响大小不同,因此权值不应该一样大,其大小主要取决于其在时域上的变化。这里认为每个像素点的权值主要受三个因素的影响:当前帧与历史帧的时间差Δt、与历史帧的灰度差Δg以及持续时间time。该背景建模方法在进行权值调整时认为某个像素点对背景模型影响的大小与当前已经存在的背景模型中的所有像素点有关,越“新”的像素点,出现次数越多的像素点其权值应该越大,而与模型中已有的像素之间的灰度差越大的像素点,其权值应该越小。通过使用第一帧图像完成背景模型初始化后,每当新的训练帧加入,则对当前背景模型中的所有元素进行权值调整。(2)为了减少后续精确提取的计算量,专利技术采用区域提取的思想,不仅可以解决传统算法因逐点判断而时间消耗大的问题,还能解决部分动态背景干扰的问题。运动目标的变化会改变其所经过的图像区域的整体特征,而树叶晃动类的空间位移干扰不会改变这一特征,因此本专利技术使用区域特征不变性消除了部分动态背景的干扰,同时借助核密度估计这种非参数化的方法快速提取出前景目标所在的大致区域。为了进一步解决光照变化的影响,本专利技术还提出了一种改进的LBP纹理特征算子,通过二次判定,消除光照变化的干扰,完成前景区域的提取,不仅可以大大减少后续前景像素点提取的计算量,而且有效地消除本文档来自技高网...

【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

网友询问留言 已有0条评论
  • 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。

1