一种目标检测中基于VIBE的粘连目标分割方法技术

本发明专利技术公开了一种目标检测中基于VIBE的粘连目标分割方法，包括基于VIBE的背景减法、HOG特征向量提取、SVM训练和多运动目标的检测和分割算法优化。本发明专利技术针对运动目标发生遮挡时出现的目标粘连现象，提出了一种先利用时空特征对视频中的运动目标进行粗略分割，然后提取目标的HOG特征并训练分类来进行精确分割的算法：首先通过VIBE算法进行目标检测，采用背景减法获取前景中的运动目标区域；其次在原图中对粗分割的运动目标的图像进行比例缩放，提取其梯度直方图特征，并采用支持向量机进行训练获得目标分割分类器；最后，对获得的运动目标位置进行筛选，剔除存在大面积交叠位置以及大小不相符的错误目标,从而完成对粘连目标的分割。

A segmentation method of adhesion target based on VIBE in object detection

The invention discloses an adhesion target segmentation method based on VIBE in target detection, which comprises VIBE background subtraction, HOG feature vector extraction, SVM training and multiple moving object detection and segmentation algorithm optimization. The invention aims at target adhesion phenomenon of moving target occlusions, presents a first use of temporal and spatial characteristics of rough segmentation of moving objects in the video, then HOG feature extraction and classification of target training to accurate segmentation algorithm: firstly, VIBE algorithm for target detection, moving object region is acquired in the foreground the background subtraction image; secondly in the original image of the coarse segmentation for moving target extraction ratio zoom, the gradient histogram and the target segmentation classifier of support vector machine; finally, the position of the moving object was screened out of the wrong target large overlap position and size does not match the. To complete the segmentation of adhesion.

【技术实现步骤摘要】

本专利技术涉及目标检测中粘连目标分割方法的
，特别是目标检测中基于VIBE的粘连目标分割方法的

技术介绍
运动目标分割是指从视频序列中检测出运动目标并从背景中分离的过程。在视频序列的运动目标分割中，根据所依靠的信息，可以分为三种：时域分割、空域分割和时空联合的分割。时域分割主要是利用检测相邻帧差异来获得运动目标的位置、大小，主要包括帧差法、背景减法和光流法等。背景减法原理简单，运算速度快，但对于背景剧烈变化时分割结果较差；帧差法对场景变化不太敏感，但提取的对象不太完整，存在空洞现象；光流法复杂度较高，实时性较差。空域分割法主要根据目标纹理的一致性来区分，主要有阈值分割、聚类分割和形态学分割三种分割法。阈值法易受背景干扰，对灰度变化不明显的目标分割不准确；聚类分割时间开销大，实时性不高；基于形态学的分割充分利用了图像的空间信息，应用最多的是分水岭算法，但由于噪声的存在无法解决过分割现象。时空分割法主要利用时域分割获得运动对象的大致运动区域，空本文档来自技高网...

【技术保护点】
1.一种目标检测中基于VIBE的粘连目标分割方法，依次包括以下步骤：a）基于VIBE的背景减法：在静态场景下，通过VIBE算法检测获取前景区域中的运动目标区域，VIBE算法分别在时间上和空间上采用随机的策略对背景模型进行更新，该策略恰恰与背景更新是随机的情况相吻合，对前景目标突然转换成背景的运动场景具有良好的适应性，并假定在VIBE算法检测的前景区域中至少存在一个运动目标区域；b）HOG特征向量提取：由于图像中局部目标的表象和形状总能够用它的梯度方向或边缘的方向密度分布进行描述，HOG特征向量可以有效地表示目标的轮廓，进而实现目标的分类，提取目标的HOG特征向量过程如下：由于图像中局部存在阴影...

【技术特征摘要】
1.一种目标检测中基于VIBE的粘连目标分割方法，依次包括以下步骤：
a）基于VIBE的背景减法：在静态场景下，通过VIBE算法检测获取前景区域
中的运动目标区域，VIBE算法分别在时间上和空间上采用随机的策略对背景模
型进行更新，该策略恰恰与背景更新是随机的情况相吻合，对前景目标突然转
换成背景的运动场景具有良好的适应性，并假定在VIBE算法检测的前景区域中
至少存在一个运动目标区域；
b）HOG特征向量提取：由于图像中局部目标的表象和形状总能够用它的梯度
方向或边缘的方向密度分布进行描述，HOG特征向量可以有效地表示目标的轮
廓，进而实现目标的分类，提取目标的HOG特征向量过程如下：
由于图像中局部存在阴影，需要对前景区域图像进行Gamma压缩以减轻其
影响，为获取每个像素的梯度幅值和方向，需要对压缩后的图像进行微分，从
而获得运动目标的轮廓：Gh(x,y)＝I(x+1,y)-I(x-1,y)，Gv(x,y)＝I(x,y+1)-I(x,y-1)，
式中Gh(x,y)，Gv(x,y)，I(x,y)分别表示输入前景图像中像素点(x,...

【专利技术属性】
技术研发人员：蒋云良，刘红海，侯向华，黄旭，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：浙江;33