基于多变分水平集的复杂背景视频图像多目标检测方法技术

本发明专利技术公开了一种基于多变分水平集的复杂背景视频图像多目标检测方法，其实现步骤为：(1)输入影像格式的视频图像；(2)选取三帧图像；(3)获得二值图像；(4)去除干扰噪声；(5)获得运动目标的零水平集；(6)用多变分水平集方法更新运动目标零水平集；(7)判断更新的运动目标零水平集是否与第二帧图像中运动目标的边缘重合；(8)输出第二帧图像中运动目标的检测结果。本发明专利技术解决了运动目标零水平集为固定曲线的问题，以及对多个运动目标检测时采用图像区域全局信息使得检测结果彼此干扰的不足，具有较高的检测准确度，可应用于视频图像中多个运动目标的检测。

【技术实现步骤摘要】
基于多变分水平集的复杂背景视频图像多目标检测方法
本专利技术属于图像处理
，更进一步涉及视频图像多目标检测
中的一种基于多变分水平集的复杂背景视频图像多目标检测方法。本专利技术可用于识别视频图像中是否存在运动目标，并在复杂的图像背景下将所识别的多个运动目标检测出来。
技术介绍
运动目标检测是指从序列图像中检测出变化区域并将运动目标从背景图像中提取出来，能够将序列图像中变化的前景区域从各帧图像中分割出来。通常情况下，目标分类、跟踪和行为理解等后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标的正确检测与分割对于后期处理非常重要。然而，由于场景的动态变化，如天气、光照、阴影以及杂乱背景干扰等影响，使得运动目标的检测与分割相当困难。根据摄像头是否保持静止，运动检测分为静态背景和动态背景。大多数视频监控系统的摄像头是固定的，因此静态背景下运动目标检测算法受到广泛关注，常用的方法有帧差法、光流法和背景差法等。杨莉，张荣国，胡静，刘焜等人在论文“基于c-v模型的运动目标水平集提取方法”(《太原科技大学学报》2012年8月第33卷第4期)中提出了一种基于c-v模型的运动目标水平集提取方法。该方法使用改进的帧间差分法对运动区域进行初始检测，通过相邻视频帧的相减，选用自适应阈值判断出当前视频中的运动目标像素，经形态学处理去除噪声干扰后通过定义最小化能量函数构建运动目标轮廓提取的水平集c-v模型，从而实现运动目标的检测。该方法存在的不足之处是，对于运动目标的零水平集是采用固定的曲线来进行，此方法会导致非运动目标被误检测为运动目标，从而降低了检测的准确性。宋丽叶，傅希林等人在其发表的论文“无需重新初始化水平集的多相水平集图像分割方法”(《山东师范大学学报》2012年3月第27卷第1期)中提出了一种无需重新初始化水平集的多相水平集图像分割方法。该方法根据Vese-Chan提出的多相模型的区域竞争思想，结合图像区域全局信息的能量函数作为模型的外部能量项，引入内部变形能量约束水平集函数来逼近符号距离函数，避免了重新初始化水平集函数的过程，提高了计算速度和分割效果，同时也实现了对图像中多相目标的检测。该方法的不足之处是，由于该方法结合图像区域全局信息，而不能对局部区域进行检测，当该方法用于含有多个运动目标零水平检测时，每个运动目标零水平集都会受到其他运动目标零水平集的干扰，影响检测准确度。刘利雄，陈孟娟等人在其所申请的专利“一种基于水平集的多目标图像分割方法”(申请专利号：201310029907.6，公开号：CN103093473A)中提出了一种基于水平集的多目标图像分割方法。该方法首先在要分割的图像上画一个或多个闭合曲线作为初始轮廓，其次使用基于区域的主动轮廓模型，对初试轮廓进行迭代演化，最终得到目标的轮廓曲线。其所述的基于区域的主动轮廓模型充分考虑了图像的局部灰度信息，因此，能够分割灰度不均匀图像；将模型推广到多阶，能够对多目标图像进行分割。该方法存在的不足之处是，零水平集的位置是随机选择，且零水平集的个数也并不是根据其目标的个数来确定，对于复杂场景下的多目标检测，会将背景判断成目标，从而影响检测的精确度。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出基于多变分水平集的复杂背景视频图像多目标检测方法。本专利技术降低了检测复杂度，又较好避免了复杂背景下将背景误检测成运动目标的情况，提高了检测的准确性。本专利技术具体步骤包括如下：(1)输入影像格式的视频图像：(2)从输入的视频图像中选取运动目标明显的连续三帧视频图像，将其依次定义为第一帧视频图像I1，第二帧视频图像I2，第三帧视频图像I3；(3)获得二值图像：采用帧间差分法，对所选取的连续三帧图像进行帧间差分，获得二值图像B；(4)去除干扰噪声：采用形态学函数，对二值图像中除了目标之外存在的其他干扰噪声进行除噪，得到去除噪声后的二值图像I；(5)获得运动目标的零水平集：(5a)采用K-means聚类算法，对去除噪声后的二值图像I进行聚类，分别获得聚类类别中所有数据点到该聚类中心的距离之和、聚类类别中所有数据点的个数、聚类中心共三个数据；(5b)以聚类类别中所有数据点到该类聚类中心的距离之和与该聚类类别中所有数据点的个数相比的结果作为半径，以聚类中心点作为圆心所得到的圆即为运动目标的零水平集φk；(6)用多变分水平集方法更新运动目标零水平集：(6a)按照下式，计算运动目标零水平集的内部能量：其中，W(φ)表示运动目标零水平集的内部能量，φ表示运动目标零水平集φk的集合，μ表示对内部能量的约束系数，其取值范围为0＜μ＜0.25，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，|·|表示取绝对值操作，▽表示求梯度算子操作，φk表示运动目标的零水平集，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6b)按照下式，得到第二帧视频图像I2中运动目标的边缘：其中，g表示第二帧视频图像I2中运动目标的边缘，|·|表示取绝对值操作，▽表示求梯度算子操作，G表示高斯核，*表示卷积操作，I2表示连续三帧视频图像中的第二帧视频图像；(6c)按照下式，计算运动目标零水平集的长度：其中，Lg(φ)表示运动目标零水平集的长度，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，δ表示单变量的Dirac函数，|·|表示取绝对值操作，▽表示求梯度算子操作，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6d)按照下式，计算运动目标区域的面积：其中，Ag(φ)表示运动目标区域的面积，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，H表示Heaviside函数，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6e)按照下式，计算运动目标零水平集的外部能量：其中，表示运动目标零水平集的外部能量，g表示第二帧视频图像I2中运动目标的边缘，λk表示运动目标零水平集长度的约束系数，其取值为0＜λk＜10的整数，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，vk表示运动目标区域面积的约束系数，φ表示运动目标零水平集φk的集合，其取值为-5＜vk＜5且vk≠0，∑表示求和操作，Lg(φ)表示运动目标零水平集的长度，Ag(φ)表示运动目标区域的面积；(6f)按照下式，计算运动目标零水平集的总能量：其中，ε(φ)表示运动目标零水平集的总能量，φ表示运动目标零本文档来自技高网...

【技术保护点】
一种基于多变分水平集的复杂背景视频图像多目标检测方法，包括如下步骤：(1)输入影像格式的视频图像：(2)从输入的视频图像中选取运动目标明显的连续三帧视频图像，将其依次定义为第一帧视频图像I1，第二帧视频图像I2，第三帧视频图像I3；(3)获得二值图像：采用帧间差分法，对所选取的连续三帧图像进行帧间差分，获得二值图像B；(4)去除干扰噪声：采用形态学函数，对二值图像中除了目标之外存在的其他干扰噪声进行除噪，得到去除噪声后的二值图像I；(5)获得运动目标的零水平集：(5a)采用K‑means聚类算法，对去除噪声后的二值图像I进行聚类，分别获得聚类类别中所有数据点到该聚类中心的距离之和、聚类类别中所有数据点的个数、聚类中心共三个数据；(5b)以聚类类别中所有数据点到该类聚类中心的距离之和与该聚类类别中所有数据点的个数相比的结果作为半径，以聚类中心点作为圆心所得到的圆即为运动目标的零水平集φk；(6)用多变分水平集方法更新运动目标零水平集：(6a)按照下式，计算运动目标零水平集的内部能量：W(φ)=μ2Σk=1K∫Ω(|▿φk|-1)2dxdy]]>其中，W(φ)表示运动目标零水平集的内部能量，φ表示运动目标零水平集φk的集合，μ表示对内部能量的约束系数，其取值范围为0＜μ＜0.25，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，Σ表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，|·|表示取绝对值操作，▽表示求梯度算子操作，φk表示运动目标的零水平集，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6b)按照下式，得到第二帧视频图像I2中运动目标的边缘：g=11+|▿G*I2|2]]>其中，g表示第二帧视频图像I2中运动目标的边缘，|·|表示取绝对值操作，▽表示求梯度算子操作，G表示高斯核，*表示卷积操作，I2表示连续三帧视频图像中的第二帧视频图像；(6c)按照下式，计算运动目标零水平集的长度：Lg(φ)=Σk=1K∫Ωgδ(φk)|▿φk|dxdy]]>其中，Lg(φ)表示运动目标零水平集的长度，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，Σ表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，δ表示单变量的Dirac函数，|·|表示取绝对值操作，▽表示求梯度算子操作，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6d)按照下式，计算运动目标区域的面积：Ag(φ)=Σk=1K∫ΩgH(-φk)dxdy]]>其中，Ag(φ)表示运动目标区域的面积，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，Σ表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，H表示Heaviside函数，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6e)按照下式，计算运动目标零水平集的外部能量：ϵg,λk,vk(φ)=Σk=1KλkLg(φ)+Σk=1KvkAg(φ)]]>其中，表示运动目标零水平集的外部能量，g表示第二帧视频图像I2中运动目标的边缘，λk表示运动目标零水平集长度的约束系数，其取值为0＜λk＜10的整数，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，vk表示运动目标区域面积的约束系数，φ表示运动目标零水平集φk的集合，其取值为‑5＜vk＜5且vk≠0，Σ表示求和操作，Lg(φ)表示运动目标零水平集的长度，Ag(φ)表示运动目标区域的面积；(6f)按照下式，计算运动目标零水平集的总能量：ϵ(φ)=W(φ)+ϵg,λk,vk(φ)]]>其中，ε(φ)表示运动目标零水平集的总能量，φ表示运动目标零水平集φk的集合，W(φ)表示运动目标零水平集的内部能量，表示运动目标零水平集的外部能...

【技术特征摘要】
1.一种基于多变分水平集的复杂背景视频图像多目标检测方法，包括如下步骤：(1)输入影像格式的视频图像：(2)从输入的视频图像中选取运动目标明显的连续三帧视频图像，将其依次定义为第一帧视频图像I1，第二帧视频图像I2，第三帧视频图像I3；(3)获得二值图像：采用帧间差分法，对所选取的连续三帧图像进行帧间差分，获得二值图像B；(4)去除干扰噪声：采用形态学函数，对二值图像中除了目标之外存在的其他干扰噪声进行除噪，得到去除噪声后的二值图像I；(5)获得运动目标的零水平集：(5a)采用K-means聚类算法，对去除噪声后的二值图像I进行聚类，分别获得聚类中心、聚类类别中所有数据点的个数、聚类类别中所有数据点到该聚类中心的距离之和共三个数据；(5b)获得运动目标的零水平集，其具体步骤如下：第一步，按照下式，计算运动目标零水平集的半径：Rk＝Dk/Nk其中，Rk表示运动目标零水平集的半径，Dk表示在去除噪声后的二值图像I中第k类聚类类别中的所有数据点到该类聚类中心的距离之和，Nk表示在去除噪声后的二值图像I中的数据点划分后得到的第k类聚类类别的所有数据点的个数，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号；第二步，以运动目标零水平集的半径Rk为半径，以去除噪声后的二值图像I聚类得到的第k类聚类类别的聚类中心sk为圆心做圆，得到运动目标的零水平集φk；(6)用多变分水平集方法更新运动目标零水平集：(6a)按照下式，计算运动目标零水平集的内部能量：其中，W(φ)表示运动目标零水平集的内部能量，φ表示运动目标零水平集φk的集合，μ表示对内部能量的约束系数，其取值范围为0＜μ＜0.25，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，|·|表示取绝对值操作，表示求梯度算子操作，φk表示运动目标的零水平集，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6b)按照下式，得到第二帧视频图像I2中运动目标的边缘：其中，g表示第二帧视频图像I2中运动目标的边缘，|·|表示取绝对值操作，表示求梯度算子操作，G表示高斯核，*表示卷积操作，I2表示连续三帧视频图像中的第二帧视频图像；(6c)按照下式，计算运动目标零水平集的长度：其中，Lg(φ)表示运动目标零水平集的长度，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，δ表示单变量的Dirac函数，|·|表示取绝对值操作，表示求梯度算子操作，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6d)按照下式，计算运动目标区域的面积：其中，Ag(φ)表示运动目标区域的面积，g表示第二帧视频图像I2中运动目标的边缘，φ表示运动目标零水平集φk的集合，φk表示运动目标零水平集，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，∑表示求和操作，∫表示求积分操作，Ω表示第二帧视频图像I2的平面集合，H表示Heaviside函数，x表示运动目标零水平集φk的横轴坐标值，y表示运动目标零水平集φk的纵轴坐标值；(6e)按照下式，计算运动目标零水平集的外部能量：其中，表示运动目标零水平集的外部能量，g表示第二帧视频图像I2中运动目标的边缘，λk表示运动目标零水平集长度的约束系数，其取值为0＜λk＜10的整数，k表示对去除噪声后的二值图像I中的数据点聚类后得到的聚类类别的序号，k＝1,2,…,K，K表示运动目标总数，vk表示运动目标区域面积的约束系数，其...

【专利技术属性】
技术研发人员：余航，冯冬竹，戴浩，何晓川，刘清华，范琳琳，许录平，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61