一种基于视觉质量感知模型的运动目标检测方法技术

本发明专利技术公开了一种基于视觉质量感知模型的运动目标检测方法，首先搭建基于视觉质量感知模型的运动目标检测平台，包括：视频图像冗余信息预处理模块、前景图像获取模块、Blob分析模块和目标输出模块。然后通过视频图像冗余信息预处理模块对视频图像进行冗余信息的预处理；之后通过前景图像获取模块进行阈值化处理获取前景图像；再通过Blob分析模块对得到的前景图像进行Blob分析；最后通过目标输出模块输出检测到的运动目标信息。本发明专利技术能在更大范围上模拟人眼的视觉去除较多的图像冗余信息，同时由于其是基于MSE的改进方法，保留了计算速度快的优点，能够获得与主观感知较一致的运动检测结果，并在图像视觉质量感知评价中并取得了非常优异的效果。

A moving object detection method based on visual quality perception model

The invention discloses a method for moving target detection based on visual quality perception model, firstly in the paper, including the moving target detection platform, visual quality perception model based on redundant information: video image preprocessing module, foreground image acquisition module, Blob analysis module and output module. Then through the video image redundancy information pretreatment module of the redundant information of the video image acquisition module; after threshold processing to obtain the foreground image through the foreground image; then modules of the foreground image obtained by the Blob analysis by Blob analysis; at last through the moving target information output module outputs the detected target. The invention can simulate the human eye in a wider range of visual image remove more redundant information, at the same time because of the improved method based on MSE, retains the advantages of fast computation speed, can obtain the motion detection result is consistent with the subjective perception, and perception in the evaluation of image visual quality and achieved very good effect.

【技术实现步骤摘要】
一种基于视觉质量感知模型的运动目标检测方法
本专利技术涉及一种运动目标检测方法，特别是一种基于视觉质量感知模型的运动目标检测方法。
技术介绍
运动目标的检测目的是快速、准确地检测出视频中的运动目标。目前广泛应用于工业检测、视频监控、导航、航空航天等诸多领域。随着社会的发展与科技的进步，实时运动目标检测成为智能视频监控领域的一个基础并且核心的任务。常用的运动目标检测方法有帧差法、背景减除法、光流法、运动能量法以及各种方法的混合方法等。帧差法与背景减除法虽然速度快但误检率高。光流法与运动能量法运算复杂，很难满足实时处理的要求。同时以上方法都存在对光照变化敏感的缺点，不能很好的检测运动目标，与人的主观感知存在一定差异。
技术实现思路
本专利技术目的在于提供一种基于视觉质量感知模型的运动目标检测方法，解决现有运动目标检测方法对光照变化敏感问题。一种基于视觉质量感知模型的运动目标检测方法的具体步骤为：第一步搭建基于视觉质量感知模型的运动目标检测平台基于视觉质量感知模型的运动目标检测平台，包括：视频图像冗余信息预处理模块、前景图像获取模块、Blob分析模块和目标输出模块。视频图像冗余信息预处理模块的功能为：对视频图像进行冗余信息的预处理；前景图像获取模块的功能为：通过对帧差MSE得到的目标图像进行阈值化处理获取前景图像；Blob分析模块的功能为：对得到的前景图像进行Blob分析；目标输出模块的功能为：输出检测到的运动目标信息。第二步视频图像冗余信息预处理模块对视频图像进行冗余信息的预处理视频图像冗余信息预处理模块首先对每一帧视频图像进行灰度化处理得到灰度图像，然后对灰度图像进行模拟视觉线性滤波处理去除二阶冗余，最后采用对比度增益控制去除视频高阶冗余，获得NLOG处理后的视频图像。其中，LOG滤波算子的尺度以及滤波窗口和对比度增益控制窗口的大小能够通过调节以适应实际情况下的运动目标检测。所述模拟视觉线性滤波是基于LOG滤波来实现。LOG滤波器是一种与人眼的视网膜神经节细胞与外侧膝状体感受相似的滤波器，能够消除图像中的二阶冗余，提取图像中的重要结构信息。由于经过模拟视觉线性滤波处理后的图像中仍存在高阶冗余，故需要用对比度增益控制进行进一步的消除。因而对于视频图像冗余信息的预处理具体是采用LOG与对比度增益控制相结合的NLOG算法来消除视频二阶和高阶冗余信息。去除冗余信息后的图像具有对光照变化不敏感的特点。所述LOG滤波算子是高斯函数在水平方向和垂直方向的二阶导数之和。LOG滤波算子表示为公式（1）：（1）式中：为高斯函数，和为高斯函数的二阶导数，为LOG滤波算子的尺度参数；、为位置参数。人类视觉系统存在对比度增益控制机制。在图像处理相关的研究中区分归一化变换Divisivenormalizationtransform，简称DNT，被用来模拟对比度增益控制机制。将LOG滤波算子与DNT模型联合起来，直接对图像LOG信号进行DNT变换。通过将传统DNT模型中的线性滤波器组用LOG滤波算子代替，对空间相邻系数的能量采用高斯函数进行加权作为对比度增益控制因子。对比度增益进行控制后的LOG信号记做NLOG信号。对于图像信号的NLOG处理，见公式（2）所示：（2）式中：为高斯模糊函数；是常数，用来防止分母为零和控制输出的饱和程度。为进行处理的像素，为NLOG处理后的结果，、为高斯模糊函数的窗口长宽的大小。、是变量，的取值在1到之间，的取值在1到之间。第三步前景图像获取模块通过阈值化处理获取前景图像前景图像获取模块对得到的NLOG处理后的视频图像进行帧差MSE获得运动目标图像，并进行阈值化处理获得前景图像。由于获得的前景图像包含了噪声，所以采用形态学闭运算，以消除噪声并填补空白的检测到的对象。最后进行运动区域面积的筛选，使前景图像中少于X个的像素点的区域被排除掉。由于利用帧差法来进行前景的提取对于光照变化敏感，而经过NLOG处理的图像去除了图像的二阶冗余以及一部分高阶冗余，对光照变化不再敏感。因而通过帧差MSE能够稳定地检测出视频中的运动目标。所述NLOG帧差MSE表示为公式（2）：（3）式中表示第k帧经过NLOG处理后的图像，表示NLOG帧差MSE图像,、为像素位置坐标。所述阈值化处理过程表示为公式（3）：（4）其中，表示前景图像，为前景分割阈值。第四步Blob分析模块进行Blob分析并获取运动目标信息Blob分析模块对得到的前景图像进行Blob分析，获得前景图像中的运动目标信息，包括：运动目标区域大小、运动目标数目和运动目标区域位置。所述Blob的全称为二进制大对象binarylargeobject，Blob分析是对图像中相同像素的连通域的属性进行分析，包括：区域的面积、周长和重心位置。在进行Blob分析以前，把图像分割为构成斑点和局部背景的二进制像素集合。Blob分析能够为机器视觉应用提供图像中的目标的有无、数量、面积、位置、长度、方向的信息，是图像处理的最基本方式。第五步目标输出模块输出检测到的运动目标信息目标输出模块利用Blob分析获取的运动目标信息，将运动目标在视频图像中用红色矩形框标出并播放显示，包括：运动目标的数量和位置。至此，完成了基于视觉质量感知模型的运动目标检测。本专利技术中基于视觉质量感知的图像质量评价模型与人的感知的一致性差异较小，其中NLOG-MSE算法能在更大范围上模拟人眼的视觉去除较多的图像冗余信息，同时由于其是基于MSE的改进方法，保留了计算速度快的优点，因此通过加入NLOG-MSE到运动检测模型中，能够获得与主观感知较一致的运动检测结果；经过实践检验NLOG-MSE应用于图像视觉质量感知评价中并取得了非常优异的效果。此外，本专利技术对于获得的前景图像进行Blob分析，能够获取前景中运动目标的有无，大小，位置等信息并进行输出，继而能够通过获得的位置与大小信息在原始视频图像上进行运动目标标注并播放展示。附图说明图1一种基于视觉质量感知模型的运动目标检测方法所述运动目标检测流程图；图2一种基于视觉质量感知模型的运动目标检测方法所述LOG滤波器图；图3一种基于视觉质量感知模型的运动目标检测方法所述NLOG计算示意图；图4一种基于视觉质量感知模型的运动目标检测方法所述NLOG处理后的某帧视频图像；图5一种基于视觉质量感知模型的运动目标检测方法所述NLOG处理后的某相邻帧视频图像；图6一种基于视觉质量感知模型的运动目标检测方法所述相邻两帧NLOG帧差MSE处理并进行阈值化获得的前景图像；图7一种基于视觉质量感知模型的运动目标检测方法所述进行形态学闭运算后获得前景图像；图8一种基于视觉质量感知模型的运动目标检测方法所述对前景图像进行Blob分析后获得运动目标信息；图9一种基于视觉质量感知模型的运动目标检测方法所述运动目标信息绘制到原始视频进行播放显示示意图。具体实施方式下面结合附图对本专利技术做进一步详细描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术的保护范围。一种基于视觉质量感知模型的运动目标检测方法的具体步骤为：第一步搭建基于视觉质量感知模型的运动目标检测平台基于视觉质量感知模型的运动目标本文档来自技高网...

【技术保护点】
一种基于视觉质量感知模型的运动目标检测方法，其特征在于具体步骤为：第一步 搭建基于视觉质量感知模型的运动目标检测平台；基于视觉质量感知模型的运动目标检测平台，包括：视频图像冗余信息预处理模块、前景图像获取模块、Blob分析模块和目标输出模块；第二步 视频图像冗余信息预处理模块对视频图像进行冗余信息的预处理；第三步 前景图像获取模块通过对帧差MSE得到的目标图像进行阈值化处理获取前景图像；第四步 Blob分析模块对得到的前景图像进行Blob分析；第五步 目标输出模块输出检测到的运动目标信息。

【技术特征摘要】
1.一种基于视觉质量感知模型的运动目标检测方法，其特征在于具体步骤为：第一步搭建基于视觉质量感知模型的运动目标检测平台；基于视觉质量感知模型的运动目标检测平台，包括：视频图像冗余信息预处理模块、前景图像获取模块、Blob分析模块和目标输出模块；第二步视频图像冗余信息预处理模块对视频图像进行冗余信息的预处理；第三步前景图像获取模块通过对帧差MSE得到的目标图像进行阈值化处理获取前景图像；第四步Blob分析模块对得到的前景图像进行Blob分析；第五步目标输出模块输出检测到的运动目标信息。2.如权利要求1所述的基于视觉质量感知模型的运动目标检测方法，其特征在于：所述视频图像冗余信息预处理模块首先对每一帧视频图像进行灰度化处理得到灰度图像，然后对灰度图像进行模拟视觉线性滤波处理去除二阶冗余，最后采用对比度增益控制去除视频高阶冗余，获得NLOG处理后的视频图像；其中，LOG滤波算子的尺度以及滤波窗口和对比度增益控制窗口的大小能够通过调节以适应实际情况下的运动目标检测。3.如权利要求1或2所述的基于视觉质量感知模型的运动目标检测方法，其特征在于：所述前景图像获取模块对得到的NLO...

【专利技术属性】
技术研发人员：陈晓刚，潘艺旻，王薷健，孙志鹏，叶刚进，冯新华，潘坚跃，郑伟彦，俞旻慧，王伟，施松阳，林德彩，
申请(专利权)人：国网浙江省电力公司杭州供电公司，西安交通大学，
类型：发明
国别省市：浙江,33