一种基于YUV色空间的多目标检测方法技术

本发明专利技术公开了一种基于YUV色空间的多目标检测方法，该方法包括以下步骤：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型；在码本训练的基础上，实现背景建模；进行当前像素与已有码本间的匹配，实现前景目标的检测。本发明专利技术利用了亮度信息和色度信息相独立的特性，可提高目标检测精度，并且有很好的阴影去除效果。

【技术实现步骤摘要】

本专利技术涉及一种多目标检测算法，尤其涉及一种基于YUV色空间的多目标检测方法，属于图像处理

技术介绍
行人检测在视频监控、智能汽车、智能交通、机器人学、虚拟现实技术等领域有着广泛的应用，也是计算机视觉和模式识别领域中的重要研究方向。如何在身材不同、姿势变化、衣着改变、光照改变、复杂背景、摄像头移动和晃动等条件下，如何快速、准确地检测目标，仍是目前的一个研究热点。目前行人检测方法主要有基于运动特性的方法、基于模版匹配的方法以及基于机器学习的方法等。其中，大多数基于运动特性的方法为提取运动节奏这一特征，要求一些重要部位(如腿、脚)是可见的，这在复杂场景下很难得到保证。Felzenszwalb等人提出的图形结构匹配算法是基于模板匹配的典型代表，该算法虽然能准确检测复杂的行人姿态，但匹配算法过于复杂，匹配速度过慢，且复杂环境下的匹配精度无法保障。Broggi等人提出一种基于形状的局部匹配算法，该算法以二值图像为模板，对人的头肩进行建模，提高了检测速度，但该方法过于依赖模版质量。Mohan和Poggio提出基于学习的行人检测算法，该算法能兼顾检测速度和检测精度，但训练时间过长。鉴于上述原因，Kim等人提出一种码本(codebook)建模的算法，该算法将背景像素抽样量化成码本，在场景变化和光照改变条件下具有较好的鲁棒性，且提取的前景也较为完整。但这种方法需要对视频背景不断进行学习，而不能实时地进行背景建模。>之后，也提出了一些改进的方法，虽然在实现上能取得很好的效果，但也没能给出一个通用的解决方案。而本专利技术能够很好地解决上面的问题。
技术实现思路
本专利技术所要解决的技术问题在于克服现有多目标检测方法的不足，提供一种基于YUV色空间的多目标检测方法，该方法是利用亮度信息和色度信息相独立的特性，提高了目标检测精度，并且有很好的阴影去除效果。本专利技术解决其技术问题所采取的技术方案是：一种基于YUV色空间的多目标检测方法，包括以下步骤：步骤1：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型；步骤2：在码本训练的基础上，依据像素的亮度信息和颜色失真度信息建立背景建模；步骤3：依据当前像素的亮度信息和颜色失真度信息，建立当前像素与已有码本间的匹配关系，实现前景目标的检测。本专利技术步骤1所述颜色格式转换包括：RGB颜色空间却不能实现亮度信号与色度信号的完全分离，也即RGB颜色空间下，亮度的变化会导致色度的变化。与RGB颜色空间不同，YUV色彩空间下，亮度信号和色度信号可完全分离。因此，本专利技术在YUV颜色空间下实现运动目标的检测。本专利技术所述的多目标检测还包括对每个像素点建立码本模型：假设χ＝(x1,x2,……,xN)是N个像素值的集合，xt(t＝1,2,……,N)表示某个像素点在第t帧的向量，C＝(c1,c2,……,cL)表示该像素的码本，且每个码字表示为：其中，和分别表示该码字中所有像素Y分量的最大值和最小值，和分别表示该码字中所有像素U分量和V分量的平均值，fi为码字出现的次数，λi为该码字在训练过程中没有再次出现的最大时间间隔，pi和qi分别表示该码字第一次和最后一次的匹配时间，可设为帧序号。本专利技术步骤2所述码本训练的过程还包括：在对第t帧图像的像素点xt的码本训练过程中，首先需将该点的(Rt,Gt,Bt)像素值转换为(Yt,Ut,Vt)；然后与当前已有码本进行比较，以确认其是否与某个码本匹配：如果有码字cl与其相匹配，则以cl作为其编码的估计值。为判断码字是否匹配成功，本专利技术采用颜色信息和亮度信息的相似性作为匹配依据。优选地，本专利技术步骤3所述前景目标的检测与更新具体包括以下各子步骤：对于新输入像素Yt，依据下式判断其是否为前景运动目标像素：并按照下式更新码本：上式中的μ取0.1.如果在M中找不到相匹配的码字，则在M’中进行查找：如果找到，则按上式进行更新；如果找不到，则按下式创建一个新的码字c’，并添加到M’中。L=L+1CL=<Yt,Yt,Ut,Vt,1,t-1,t,t>]]>滤除M’中停留时间超过TM’的码字ck’：将M’中Tadd的码字移到M中：在M中取出超过时间Tdel仍未被匹配的码字：参数选取对整个系统最终的检测结果非常重要，如果Tdel选取过小，背景容易误判为前景，目标的运动轨迹会有重合现象；如果Tadd过小，行人运动缓慢或短暂逗留就会易产生空洞现象，或被错误的认为是背景。有益效果：1、本专利技术通过自适应码本建模进行多目标检测，该方法能适应光照变化，具有较好的实时性、自适应性、抗扰动性，且计算量大为减少。2、本专利技术利用了亮度信息和色度信息相独立的特性，提高了目标检测精度，并且有很好的阴影去除效果。附图说明图1为本专利技术的流程图。图2为本专利技术的YUV空间下码本训练流程图。图3为本专利技术的YUV空间码本模型检测流程图。具体实施方式下面结合说明书附图对本专利技术创造作进一步的详细说明。本专利技术提供一种基于YUV色空间的多目标检测方法，该方法包括：首先，在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型；然后，在码本训练的基础上，实现背景建模；最后，进行当前像素与已有码本间的匹配，实现前景目标的检测。本专利技术基于YUV色空间的多目标检测方法的一个优选实施方式，具体包括以下步骤：步骤1：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型。1、颜色空间转换RGB色彩模式是通过红色(Red)、绿色(Green)和蓝色(Blue)这三种颜色不同程度的迭加所产生的不同颜色，是计算机领域最常见的颜色空间。然而，RGB颜色空间却不能实现亮度信号与色度信号的完全分离，也即RGB颜色空间下，亮度的变化会导致色度的变化。与RGB颜色空间不同，YUV色彩空间下，亮度信号和色度信号可完全分离。因此，本专利技术算法在YUV颜色空间下实现运动目标的检测。一般情况下，通过下式实现RGB颜色模型到YUV颜色模型的转换：YUV=0.2990.5870.114-0.14713-0.288860.4360.615-0.51498-0.10001RGB]]>公式1但在实际处理中，通常使用公式2所示的近似公式以提高处理速度：Y′=0.299R+0.587G+0.114BU′=(R-Y)×0.565V′=(B-Y)&ti本文档来自技高网...

【技术保护点】
一种基于YUV颜色空间多特征融合的多目标检测方法，其特征在于，包括如下步骤：步骤1：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型；步骤2：在码本训练的基础上，依据像素的亮度信息和颜色失真度信息建立背景建模；步骤3：依据当前像素的亮度信息和颜色失真度信息，建立当前像素与已有码本间的匹配关系，实现前景目标的检测。

【技术特征摘要】
1.一种基于YUV颜色空间多特征融合的多目标检测方法，其特征在于，包括如下步骤：
步骤1：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码
本模型；
步骤2：在码本训练的基础上，依据像素的亮度信息和颜色失真度信息建立背景建模；
步骤3：依据当前像素的亮度信息和颜色失真度信息，建立当前像素与已有码本间的匹
配关系，实现前景目标的检测。
2.根据权利要求1所述的一种基于YUV色空间的多目标检测方法，其特征在于，所述
步骤1的颜色格式转换包括：RGB颜色空间却不能实现亮度信号与色度信号的完全分离，也
即RGB颜色空间下，亮度的变化会导致色度的变化；与RGB颜色空间不同，YUV色彩空间
下，亮度信号和色度信号可完全分离；因此，所述方法是在YUV颜色空间下实现运动目标
的检测。
3.根据权利要求1所述的一种基于YUV色空间的多目标检测方法，其特征在于，所述
码本的建模过程包括：假设χ＝(x1,x2,……,xN)是N个像素值的集合，xt(t＝1,2,……,N)表
示某个像素点在第t帧的向量，C＝(c1,c2,……,cL)表示该像素的码本，且每个码字表示为：
其中，和分别表示该码字中所有像素Y分量的最大值和最小值，和分别表示该
码字中所有像素U分量和V分量的平均值，fi为码字出现的次数，λi为该码字在训练过程
中没有再次出现的最大时间间隔，pi和qi分别表示该码字第一次和最后一次的匹配时间，设
为帧序号。
4.根据权利要求1所述的一种基于YUV色空间的多目标检测方法，其特征在于，所述
步骤2码本训练的过程包括：在对第t帧图像的像素点x...

【专利技术属性】
技术研发人员：朱松豪，孙娴，金栋梁，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32