一种遗弃物自动检测方法技术
【技术实现步骤摘要】
一种遗弃物自动检测方法
本专利技术涉及图像处理
，特别是涉及一种遗弃物自动检测方法。
技术介绍
随着社会经济的发展，人们对安全防范的需求也越来越大。例如，机场、地铁、候车厅等人多密集的重要场所，容易被恐怖分子等利用，通常具有很大的安全隐患，因此需要进行实时监测。目前国内的多数机场等场所的遗弃物检测由人工巡检实现，耗费人力，漏检较多，效率低下。而传统的监控系统基本只能用于事后证据呈现，却不能够实时检测异常事件发生。所以人们期待一种智能化的技术用于安全防范，为此出现了遗弃物智能视频监控系统。传统的遗弃物检测方法主要是靠背景差分的方法获取前景目标。背景差分法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。背景差分法首先选取背景中的一幅或几幅图像的平均作为背景图像，然后把以后的序列图像当前帧和背景图像相减，进行背景消去。若所得到的像素数大于某一阈值，则判定被监控场景中有运动物体，从而得到运动目标。在复杂气候、复杂交通场景下背景差分...
【技术保护点】
一种遗弃物自动检测方法，其特征在于，所述遗弃物自动检测方法至少包括：利用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。
【技术特征摘要】
1.一种遗弃物自动检测方法，其特征在于，所述遗弃物自动检测方法至少包括：利用高斯混合模型法提取前景像素点；对各前景像素点进行形态学图像处理，然后去除单个离散像素点，合并聚集在一起的像素点使之成为团块；计算各团块静置的时间，若团块的静置时间超出设定时间，则判定团块为遗弃物。2.根据权利要求1所述的遗弃物自动检测方法，其特征在于：利用高斯混合模型法提取前景像素点的方法进一步包括：建立图像中每一个像素点的高斯混合模型，各高斯混合模型包括多个分量的单高斯分布函数；根据每一帧图像中新的像素值更新各高斯混合模型，以使各高斯混合模型贴近像素值的分布规律；将每一个像素点对应的多个单高斯分布函数按权值和方差的比值从大到小排列，当存在前第一数量B个高斯分布函数的权值和大于背景最小阈值，则判定当前像素点为背景，否则该像素点为前景，其中，第一数量B为小于所述高斯混合模型的分量数量的整数。3.根据权利要求2所述的遗弃物自动检测方法，其特征在于：所述高斯混合模型基于YCbCr格式建立。4.根据权利要求2所述的遗弃物自动检测方法，其特征在于：所述高斯混合模型满足如下关系：其中，Xt为t时刻的像素值，M为分量的个数，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，η(Xt,μi,t,σ2i,t)为t时刻所述高斯混合模型中第i个分量的单高斯分布函数。5.根据权利要求2所述的遗弃物自动检测方法，其特征在于：更新各高斯混合模型的方法具体包括：检查每一帧图像中新像素值是否匹配原高斯混合模型，满足如下关系式：若匹配，则增加对应单高斯分布函数的权值，并更新相应方差和均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t+α，μi,t+1＝(1-A)μi,t+AXt+1，其中，A＝αη(Xt+1,μi,t,σ2i,t)，若不匹配，则降低对应单高斯分布函数的权值，并以新建单高斯分布函数替换原高斯混合模型中权值最小的一个单高斯分布函数，所述新建单高斯分布函数以新像素值为均值，满足如下关系式：ωi,t+1＝(1-α)ωi,t，其中，Xt+1为t+1时刻的像素值，μi,t+1为t+1时刻所述高斯混合模型中第i个分量的均值，μi,t为t时刻所述高斯混合模型中第i个分量的均值，σ2i,t+1为t+1时刻所述高斯混合模型中第i个分量的方差，σ2i,t为t时刻所述高斯混合模型中第i个分量的方差，λ为常数，ωi,t+1为t+1时刻所述高斯混合模型中第i个分量的权值，ωi,t为t时刻所述高斯混合模型中第i个分量的权值，α为权值更新率...
【专利技术属性】
技术研发人员：刘立庄，赵丹，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。