一种混合运动目标检测方法技术

一种混合运动目标检测方法。运动目标检测，通常是针对视频图像中的变化区域，目的是把变化的元素从背景中提取出来。传统的目标检测方法有相邻帧间差分法、背景差分法、光流法等。但由于光照变化、背景扰动等干扰因素，会出现目标检测不准确、边缘检测不完整、孔洞和阴影影等问题。本发明专利技术提出了一种由混合高斯模型、Canny边缘检测法与连续帧间差分法相结合的算法。该算法在时间域上利用混合高斯模型进行背景的建模及更新，在空间域上利用Canny边缘检测法、连续帧差分法及混合高斯模型相结合的算法检测出运动目标轮廓，并进行形态学处理。将该方法应用于智能视频监控技术中，能够精确的检测出运动目标，且具有较好的实时性和鲁棒性。

【技术实现步骤摘要】
【专利说明】
本专利技术属于计算机视觉、图像视频处理和人工智能结合的
【
技术介绍
】 智能视频监控的定义为：在无需人为干预的条件下，通过计算机视觉的相关技术 对监控系统中的视频序列图像进行处理、分析和理解，实现对所监控区域中目标物体的检 测、定位、跟踪与识别，并在此基础上对目标的行为进行分析与判断。智能视频监控系统按 需求与功能一般分为四大模块，目标检测、目标跟踪、目标识别以及目标行为分析。 运动目标检测，是指自动化的去除监控视频图像序列中的背景，把人们感兴趣的 目标从视频图像序列中提取出来。运动目标检测作为智能视频监控中的关键环节，主要包 括相邻帧间差分法、背景差分法、光流法和Canny边缘检测法等，以及对图像利用混合高斯 模型进行建模，并对视频图像序列进行更新和处理。 相邻帧间差分法，其基本思想是根据相邻两帧图像之间的差异，来提取场景中的 运动目标。具体方法是帧间做差，差值为0的部分可以认定为图像的背景，即目标运动状态 没有发生改变；而差值不为零是由于物体的状态发生改变所导致的，由此可提取出运动目 标。 背景差分法，其基本思想也是对图像帧进行差分运算，但需要事先设定背景，然后 将输入的图像与设定的背景进行差分运算，差值即为运动目标轮廓。对背景的提取与设定 是此方法的首要任务，一般来说对背景的提取有两种方式：一种是设定图像的第一帧为背 景；另一种是用统计学方法将前k帧图像进行取均值运算，将运算后得到的图像帧设定为 背景。 运动目标在被检测过程中出现的不利因素往往都是由光照和噪声等引起的，为了 解决这些问题，我们用到图像处理技术。图像处理技术主要包括颜色模型分析、灰度化、消 除噪声、二值化、形态学处理。其中颜色模型分析包括RGB颜色模型、YUV颜色模型、HSV颜 色模型；灰度化包括灰度图的表示、真彩色位图和灰度图的转换；噪声消除的方法包括频 域滤波和时域滤波；二值化就是利用某一阈值将图像划分为前景目标和背景两部分。形态 学处理是对所得目标图像消除孤立噪声，填充边缘孔洞等，包括腐蚀和膨胀等处理方式。 颜色模型分析，一般可分为RGB、YUV与HSV等。RGB颜色模型由立方体表示其属性 特征，如图1所示，三个坐标参数分别为R、G、B，其中，黑色由（0,0,0)表示，白色由（1，1，1) 表示，其它颜色的分布则介于这两种颜色之间，包括224种不同的颜色，具体的配色方程如 下： F(物体的颜色）=RX(红色的比例）+GX(绿色的比例）+BX(蓝色的比例） YUV色彩模型主要应用于SECAM和PAL彩色电视制式。其中Y表示亮度信息，U和 V用于表示色差特性，在应用中分别对基色分量（红色和蓝色）与亮度分量的差值信号进行 传输。从RGB模型转换到YUV模型的公式如下： 灰度化，灰度图像通常指那些仅包含亮度元素而没有色彩元素的图像，连续性是 其图像变化的最显著特征。由此可知，通常灰度图像的表示方法就是通过灰度值的量化来 实现，一般被定义为256个不同的级别，对应灰度值的取值范围为0~255,其中两端的端点 值分别对应全黑和全白（全黑为〇,全白为255)。用灰度值表示BMP格式图像时，把R、G、B所 对应的值绑定对待，即三个变量都取相同的值，同256个灰度级相匹配，也就是用（0, 0, 0)、 (1，1，1)到（255, 255, 255)的值来对每一个像素点进行表示。 将真彩色位图转换成灰度图时，使用YUV模型，Y表示亮度，它包含了灰度图所需 的全部特征，因此仅Y分量就可以将一幅灰度图表示出来。利用灰度与颜色的关系计算出 每一颜色相应的灰度值：Y= 0. 299R+0. 587G+0. 114B 消除噪声，在图像获取时会产生许多噪声，这些噪声会影响到目标检测的正确率。 从统计学角度来讲，同一图像的绝大部分相邻像素的灰度差异很小、相关性很高，这种特性 决定了图像的大部分能量汇聚于低频区域中，与此相对，高频区域则主要集中了图像的细 节信息以及在图像转化与传输过程中产生的噪声等。这种特性为我们去除图像噪声提供了 思路，即对高频分量进行衰减，对低频分量进行增强，这就是图像的平滑去噪。平滑去噪主 要包括频域滤波和时域滤波两种方法。其中，时域滤波处理有如下几种方法： ⑴多图像平均法：基本思想是获取多幅目标图像，取所获图像的加权平均值。该 方法的运算复杂度较高，耗时较长，因此对实时性要求较高的场景适应度较低。 (2)中值滤波法：该方法在进行信号处理时为非线性处理，能够比较有效的降低 噪声干扰对图像的影响。传统的中值滤波处理需要对所选取的窗口内的像素灰度值进行排 序，处理速度难以达到人们的需求水平。针对以上缺点，研宄人员对该方法进行了适当的改 进，假设选取窗口的尺寸为mXn，执行如下流程：首先从统计学角度出发，利用直方图计算 所选窗口内像素灰度值的平均值；其次，在中值滤波由某一个窗口过度到下一窗口的输出 过程中，窗口将向右平移一列，而其它的像素则维持原状态。因此，这种方式不仅能够修正 原直方图的偏差也能计算出新窗口的中值。 (3)邻域平均法：用某像素点相邻区域内所有点灰度值的加权平均值来取代所选 区域的所有点的灰度值。此方法运算复杂度较低，实时性较好，但容易导致图像边缘不清 晰。 (4)保持边缘滤波法：在保持去除噪声干扰的同时，还能保证图像高频成分的完 整性，但是在运算过程中复杂度较高，实时性较差。 二值化，目的就是把目标物体从图像中提取出来。具体过程可以描述为，针对图像 f(X，y)的特性，选取某一阈值T，则将出现两个集合，其中一个为大于或等于T的集合，另一 个为小于T的集合。把大于或等于T的集合中的像素灰度值设定为255,即白色，则另一个 集合中对应的像素灰度值设定为0,即黑色，此时图像被转换成了黑白图像。具体的阈值化 变换公式如下： 其中T为指定的阈值，x为图像中点的像素灰度值。 形态学处理图像，是为了消除图像中的孤立噪声，填充目标边缘轮廓的孔洞等。其 方法包括腐蚀的处理方式，膨胀处理方式等。一般采用腐蚀的处理方式对图像的孤立噪声 进行抑制与消除，用膨胀的处理方式对图像进行边界孔洞的填充。 腐蚀的处理方式对图像进行孤立噪声的抑制与消除，定义某二值图像的表达函数 为A(X，y)，模板的表达函数为B(X，y)，腐蚀的定义如下： 利用模板B对图像A进行腐蚀处理的过程如下： (1)对模板的原点（0,0)进行移位处理，移动至目标点（x，y)，得到图像Bxy，其中 (x，y)是图像A中的点。 (2)若图像Bxy完全包含于图像A中，则B原点所在位置属于腐蚀处理后E中的点， 否则不是。 (3)遍历图像A中所有可能的（x，y)点之后，所得B原点的运动路线就构成了腐蚀 的结果。 膨胀的处理方式对图像进行边界孔洞的填充，定义某二值图像的表达函数为 A(X，y)，模板的表达函数为B(X，y)，膨胀的定义如下： 利用模板B对图像A进行膨胀处理的过程如下： (1)对模板的原点（0,0)进行移位处理，移动至目标点（x，y)，得到图像Bxy，其中 (x，y)是图像A中的点。 (2)若图像Bxy与图像A有交集且非空，且B中存在一点与A中相对应点全为1，则 B原点所在位置属于膨胀处理后D中的点，否则不是。 (3)遍历图像A中所本文档来自技高网...

【技术保护点】
一种混合目标运动检测方法，其特征在于该方法主要包括如下关键步骤：第1、用连续帧间差分法与Canny边缘检测法相结合的算法检测出运动目标轮廓；第2、用Canny边缘检测法与混合高斯模型相结合的算法检测出运动目标轮廓；第3、将第1步和第2步得到的两个运动目标轮廓进行逻辑“或”运算，得到完整目标轮廓；第4、对第3步得到的完整目标轮廓进行形态学处理，消除图像中的孤立噪声，填充目标轮廓边缘的孔洞，得到最终目标轮廓。

【技术特征摘要】

【专利技术属性】
技术研发人员：张德干，马震，赵德新，李可，王法玉，潘兆华，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津;12