融合超像素与三维自组织背景减除法的前景提取方法技术

本发明专利技术公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明专利技术提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明专利技术结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。

【技术实现步骤摘要】
融合超像素与三维自组织背景减除法的前景提取方法
本专利技术涉及一种融合超像素与三维自组织背景减除法的前景提取方法，属于图像处理

技术介绍
传统的视频监控系统，主要用于记录，对异常行为事件的实时检测和事后的事故原因分析仍需人的参与。智能视频监控系统具有自主判断监控场所行为能力，即当监控视频中发生异常行为时，智能监控系统能较快地做出反应，并向视频监视人员发出警报。因此，智能监控系统中的目标检测、目标跟踪、异常行为检测，日益成为近年来计算机视觉领域研究的一个热点。运动目标检测技术作为智能监控技术中的核心部分，常用的方法有背景减除法、帧差法和光流法等。传统目标减除方法各有优缺点，国内外许多学者采用背景模型和帧差法相结合的目标检测方法在一定程度上改进了检测性能，但在检测长时停滞的目标时，由于背景建模无法有效建立，导致检测效果不是十分令人满意。目前的背景建模虽然计算简单，但是，很容易受到光照突变、目标遮挡等因素影响，容易将背景像素错判为前景目标，引起检测误差。此外，运动目标的阴影也会导致误判。而且传统的混合高斯和三帧法并不能得到令本文档来自技高网...

【技术保护点】
融合超像素与三维自组织背景减除法的前景提取方法，其特征在于，包括以下步骤：步骤1：利用超像素算法，对图像帧进行区域分割；步骤2：通过三维自组织背景减除算法，对每个分割区域进行背景建模；步骤3：使用最佳权重策略，准确提取前景目标。

【技术特征摘要】
1.融合超像素与三维自组织背景减除法的前景提取方法，其特征在于，包括以下步骤：
步骤1：利用超像素算法，对图像帧进行区域分割，超像素算法的超像素分割算子包括：
超像素对图像进行分割时，在既定的区域周围，将同质像素归为一类，即为一超像素，简单线性迭代聚类算法是依据颜色、位置信息，实现聚类的超像素分割，利用Lab空间信息及像素的x、y坐标信息构造相似性度量，实现图像局部聚类，形成超像素区域；然后，利用GPU、NVIDIA、CUDA硬件加快处理速度，将简单线性迭代聚类算法速度提高10～20倍，促使简单线性迭代聚类算法应用到实时性要求比较高的系统中，超像素分割算子包括采用自适应的K值调整方法：



为了更好的降低算法的复杂度，对色差和空间距离进行简化，使用绝对值的方法进行计算，虽然在一定程度上引入了误差，但是这种误差是允许范围内的，即：
dlab＝|lk-li|+|ak-ai|+|bk-bi|
dxy＝|xk-xi|+|yk-yi|；
步骤2：通过三维自组织背景减除算法，对每个分割区域进行背景建模；
步骤3：使用最佳权重策略，准确提取前景目标。


2.根据权利要求1任一项所述的融合超像素与三维自组织背景减除法的前景提取方法，其特征在于，所述方法采用神经网络模型...

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