一种视频监测中运动目标的快速检测方法技术

本发明专利技术公开了一种视频监测中运动目标的快速检测方法，通过对待测视频建立背景模型、检测运动区域、测定待测目标和对目标进行特定跟踪等的方式实现了视频监测中运动目标的快速检测。本发明专利技术提供的视频监测中运动目标的快速检测方法能够快速检测视频中的运动目标，根据预先存储的目标数据样本库进行特性目标的计算与检测，很好的避免了目标漏检与重捡的问题。

【技术实现步骤摘要】
一种视频监测中运动目标的快速检测方法
本专利技术属于视频检测领域，具体涉及一种视频监测中运动目标的快速检测方法。
技术介绍
随着全程数字化、网络化的视频监控系统的发展，视频监控的作用变得愈专利技术显，其高度的开发性、集成性和灵活性，为整个安防产业的发展提供了更加广阔的发展空间，智能视频监控由于赋予更多的智能化、主动化、有效性等特点，成为新一代视频监控趋势。智能视频监控系统的需求主要来自于那些对安全要求敏感的场合，如军队、公安、银行、道路、停车场等。当盗窃发生或异常发生时，该类系统能够主动向保卫人员及时准确地发出警报，使工作人员能够充分利用视频监控网络实施报警联动和应急指挥处置，从而避免犯罪的发生。同时也减少了雇佣大批监视人员的投入。作为智能监控技术的重要内容和基础，对目标(尤其是车辆和行人目标)检测和跟踪的不断优化是智能监控技术不断进步的必要过程。目前目标跟踪检测存在的以下难题：1)运动目标监测作为目标跟踪的基础，直接影响跟踪的效果。但是由于视频获取过程中容易受到外界因素的干扰，如摄像机抖动、光照变化、目标阴影干扰、目标遮挡、同色背景干扰等，这些现实因素都会给目标监测带来相当大的难度。如随着光照角度的变化目标阴影在监测过程中会被不同程度的检测为目标前景，对目标整体形状产生很大影响；目标遮挡使检测过程很难获得目标的完整形状，丢失目标相关信息，不利于后续的跟踪；光照变化、摄像机抖动、背景干扰都可以看成噪声，同样影响目标检测的准确性。2)遮挡问题是目前目标跟踪的重点问题，现在大多数目标跟踪系统都不能有效的解决运用目标受背景或者其他目标之间的相互遮挡问题。在跟踪过程中目标遮挡是随机的、不可预测的问题。对于这样的问题简单的依赖背景建模实现目标检测或跟踪算法是不可靠的，必须建立更好地目标模型或特征模板，并利用那些可见的目标部分与模型或特征的准确匹配来解决。因此，提高目标检测的效率和准确率是智能视频监控系统中至关重要的内容。监控视频中的目标检测，主要分为两类：(一)运动目标检测；(二)基于图像识别的目标检测。两者各有优缺点，运动目标检测能够快速有效地检测监控视频中的运动目标，但对静止于场景中的目标无法检测到，并且在粘连目标的分离上也显得比较无力；基于图像识别的目标检测，对全图中的所有目标进行检测，无论是运动目标还是静止目标，由于依赖于特征判定，这类方法在获得更高的准确率、检出率且较少受到粘连等情况的影响这些优势的同时，它一般需要更多的运行时间。
技术实现思路
本专利技术的目的在于为了克服以上现有技术的不足而提供一种视频监测中运动目标的快速检测方法。本专利技术的技术方案如下：一种视频监测中运动目标的快速检测方法，包括以下步骤：步骤一，待测视频V＝{I0,I1,I2,…,Ik}，其中Ik是视频V中的第k帧图像，将视频的第零帧图像设定为初始背景模型D0，即D0＝I0；步骤二，通过计算Fk＝Ik-Dk-1提取前景，并在Fk上提取潜在运动区域的集合Sk，设定Sk中目标的集合的初始值Ok＝{}为空集；其中提取前景为将当前正在分析的图像Ik与背景模型Dk-1点对点相减，差值超过常量10的点作为前景点，否则作为背景点；点对点相减完成之后采用形态学开、闭操作，过滤噪声并使联通区域相对更规整，再采用区域生长方法获得其中作为前景的所有联通区域，将临近区域合并，得到潜在运动区域的集合Sk；步骤三，对于步骤二Si中每一个潜在运动区域s，检测s中可能存在的待检目标，所有检测到的目标均加入集合Ok中；步骤四，对Ok-1中的所有目标，在第k帧中进行跟踪，所得待检目标同样加入到Ok中，并继续向前对所有短时间内丢失的目标的最后一次出现在当前帧进行跟踪，所得目标同样加入到当前目标集合Ok中；步骤五，对于集合Ok中一定时间不出现的目标作消失处理，将该目标从集合Ok中删除；步骤六，更新背景模型；步骤七，对于下一帧图像，重复上述步骤二到步骤六，直到检测到视频最后一帧图像后，得到检测结果。进一步地，所述的视频监测中运动目标的快速检测方法，步骤三中检测s中可能存在的待检目标的方法为多尺度、浮动窗和基于HoG特征计算的的目标识别的方法。更进一步地，所述的视频监测中运动目标的快速检测方法，基于HoG特征计算的的目标识别，还需要设定一个判定机制，该机制为首先手动标定一个目标数据样本库，数据样本库由大量相同尺寸的图片组成，每张图片都标定了其是否存在特定检测目标，每张图片中各像素点的HoG特征均被获取；判定机制通过获取每张图片中各像素点的HoG特征进而形成对于检测目标的识别模型数据；特定检测过程中，首先将待测窗口调整为与判定机制中图片相同的大小，然后通过识别模型数据判定待测窗口中是否存在特定检测目标。进一步地，所述的视频监测中运动目标的快速检测方法，步骤三中检测s中可能存在的待检目标的方法还可以按照以下进行：1)将第一帧图像作为初始背景，即C(x,y,1)＝T(x,y,k)，其中x，y为像素点的坐标，k为帧数号；2)对当前帧T(x,y,k)，进行目标标识矩阵D(x,y,k)的计算，计算公式为：其中C(x,y,k)为当前背景图像，F(k)的取值范围为20-40；3)统计各像素点Ai,j,k和Ai+n,j+m,k+f在待测像素点的时间和空间领域内的概率密度，计算信息差和检测点像素点的值，其中信息差M(x,y,k)为：式中，g(Ai,j,k)和g(Ai+n,j+m,k+f)分别为像素点Ai,j,k和Ai+n,j+m,k+f在时间域和空间域内的概率密度函数；像素点的值Z(Ai,j,k)为：Z(Ai,j,k)＝g(Ai,j,k)+M(x,y,k)/26，(k≥2)；4)将像素点的值Z(Ai,j,k)≥0.02的区域作为前景标记，标记为Qq；把像素点的值Z(Ai,j,k)≤0.02的区域作为背景标记，标记为Qb；5)利用多尺度形态学方法计算当前帧的多尺度形态学梯度图像g；6)利用以上标记Qq与Qb进行优化：g，＝imimposemin(g,Qq|Qb)，然后利用分水岭算法得到目标图像：contour＝watershed(g，)；7)对下一帧图像更新并建立新背景，重复步骤2)-6)，直至最后一帧图像，得到检测结果。进一步地，所述的视频监测中运动目标的快速检测方法，步骤四中跟踪的方法如下：1)首先初始化待跟踪帧中与跟踪源帧中目标位置相同的位置为初始检索位置p；2)把待跟踪帧中检索位置p为中心、大小与目标在跟踪源帧中大小相等的矩形框作为潜在的跟踪结果，将它与跟踪源中的目标求均方差，如果这个值小于阈值2，则认为跟踪完成，找到了跟踪目标，算法结束；3)上一步骤获得的均方差值不满足条件的话，把p周围菱形位置即八个位置：斜对角的四个邻点+上下左右各自隔一点的位置分别作为矩形框中心各自计算与跟踪目标在跟踪源帧中的均方差，如果这八个值均超过上一步骤获得的均方差值则认为不存在跟踪结果，算法结束；否则，以产生最小均方差值的点替换p；4)对当前帧之前一定范围内的帧中的目标的最后一次出现，都采用以上步骤中的方法进行跟踪。进一步地，所述的视频监测中运动目标的快速检测方法，步骤六中更新背景模型具体为对位置是(x，y)的点，如在当前背景模型中的亮度值是d，而在当前图像中的亮度值是p，则经过当前图像，背景模型的值更新为Dk本文档来自技高网...

【技术保护点】
一种视频监测中运动目标的快速检测方法，其特征在于，包括以下步骤：步骤一，待测视频V＝{I

【技术特征摘要】
1.一种视频监测中运动目标的快速检测方法，其特征在于，包括以下步骤：步骤一，待测视频V＝{I0,I1,I2,…,Ik}，其中Ik是视频V中的第k帧图像，将视频的第零帧图像设定为初始背景模型D0，即D0＝I0；步骤二，通过计算Fk＝Ik-Dk-1提取前景，并在Fk上提取潜在运动区域的集合Sk，设定Sk中目标的集合的初始值Ok＝{}为空集；其中提取前景为将当前正在分析的图像Ik与背景模型Dk-1点对点相减，差值超过常量10的点作为前景点，否则作为背景点；点对点相减完成之后采用形态学开、闭操作，过滤噪声并使联通区域相对更规整，再采用区域生长方法获得其中作为前景的所有联通区域，将临近区域合并，得到潜在运动区域的集合Sk；步骤三，对于步骤二Si中每一个潜在运动区域s，检测s中可能存在的待检目标，所有检测到的目标均加入集合Ok中；步骤四，对Ok-1中的所有目标，在第k帧中进行跟踪，所得待检目标同样加入到Ok中，并继续向前对所有短时间内丢失的目标的最后一次出现在当前帧进行跟踪，所得目标同样加入到当前目标集合Ok中；步骤五，对于集合Ok中一定时间不出现的目标作消失处理，将该目标从集合Ok中删除；步骤六，更新背景模型；步骤七，对于下一帧图像，重复上述步骤二到步骤六，直到检测到视频最后一帧图像后，得到检测结果。2.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤三中检测s中可能存在的待检目标的方法为多尺度、浮动窗和基于HoG特征计算的的目标识别的方法。3.根据权利要求2所述的视频监测中运动目标的快速检测方法，其特征在于，基于HoG特征计算的的目标识别，还需要设定一个判定机制，该机制为首先手动标定一个目标数据样本库，数据样本库由大量相同尺寸的图片组成，每张图片都标定了其是否存在特定检测目标，每张图片中各像素点的HoG特征均被获取；判定机制通过获取每张图片中各像素点的HoG特征进而形成对于检测目标的识别模型数据；特定检测过程中，首先将待测窗口调整为与判定机制中图片相同的大小，然后通过识别模型数据判定待测窗口中是否存在特定检测目标。4.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤三中检测s中可能存在的待检目标的方法还可以按照以下进行：1)将第一帧图像作为初始背景，即C(x,y,1)＝T(x,y,k)，其中x，y为像素点的坐标，k为帧数号；2)对当前帧T(x,y,k)，进行目标标识矩阵D(x,y,k)的计算，计算公式为：其中C(x,y,k)为当前背景图像，F...

【专利技术属性】
技术研发人员：顾晓东，马小骏，
申请(专利权)人：江苏东大金智信息系统有限公司，
类型：发明
国别省市：江苏,32