结合帧差法和混合高斯模型的运动目标检测与跟踪方法技术

本发明专利技术公开了结合帧差法和混合高斯模型的运动目标检测与跟踪方法，该方法包括：获取视频图像，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像；利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；将帧间差分图像和所述前景区域图像进行融合处理，得到融合后视频图像；将融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；将当前输入视频图像中提取出的运动目标图像与前一帧视频图像中提取出的运动目标图像进行匹配，并根据匹配结果得到运动目标跟踪结果。本发明专利技术结合两种目标检测算法的优点，实现了对运动区域进行准确、实时的检测。

Moving target detection and tracking method combined with frame difference method and mixed Gauss model

The invention discloses a combination of frame difference method and the moving target mixed Gauss model detection and tracking method, the method includes: obtaining the video image, the difference is calculated by using the input video image with a video image of the current frame, by using frame difference image; after initialization algorithm for mixed Gauss model the video image, the input image and Foreground Background of the image, video image; the frame difference image and the foreground image fusion processing, video image fusion; fusion in video image after binarization and morphological processing, get the current moving target image input in a video image; will the input motion target image to extract the moving target image with a frame of video image to extract video image in the match, and according to the matching The result of moving target tracking is obtained. In combination with the advantages of two target detection algorithms, the invention realizes accurate and real-time detection of the moving area.

【技术实现步骤摘要】
结合帧差法和混合高斯模型的运动目标检测与跟踪方法
本专利技术涉及视频图像处理
，特别是涉及一种结合帧差法和混合高斯模型的运动目标检测与跟踪方法。
技术介绍
视频公开课对于缩小城乡和东西部之间教育差距是一种十分有效的手段，因此作为一种录制视频公开课的技术方式—智能课堂视频录播系统得到了快速的发展。智能课堂视频录播系统是一种利用多媒体技术和计算机网络技术对课堂教学进行实时录制的教育技术系统，其在整个课堂教学的录制过程中无需人工操作，只需将摄像机放置在教室的固定位置，在计算机的控制下，利用图像处理方法，使摄像机能够自动录制课堂情况，并且可以实时网络直播。在课堂视频录播系统中主要的检测和跟踪对象是授课的教师和站起发言的学生。所以，运动目标检测是智能视频录播系统在复杂的课堂教学环境中对授课教师和站起发言学生实现有效录制的基础，运动目标检测结果的质量将直接影响后续的跟踪定位处理。运动目标检测就是从采集到的图像序列中检测出相对于图像背景运动的目标，它是行为模式分析、目标跟踪等过程的基础环节。根据摄像机与背景之间是否发生相对运动，可以将运动目标检测分为静态背景和动态背景的目标检测。本专利技术中的课堂视频录播系统中针对运动目标的检测一般是发生在静态背景下的。静态背景下常用的运动目标检测方法，分别是：帧差法、背景差分法和光流法。帧差法利用相邻两帧或多帧之间的差分来进行运动目标检测，算法比较适合于动态变化的环境，差分图像一般情况下受光线变化影响小，但分割出的运动目标区域内部会产生大块的空洞。背景差分法是将当前帧和背景帧进行差分运算检测出运动目标区域。在动态环境下，背景差分法对光线等外来事件的干扰特别敏感，需要建立合适的背景更新模型。采用混合高斯背景模型的背景差分法为图像中每个像素建立K个高斯模型，能够提高动态背景下运动目标检测的精确度，但是背景高斯模型的建立需要一个学习的过程，对光线的突变会在运动目标检测区域出现“虚影”。光流法可以在不具备背景区域任何先知条件情况下就能够检测出运动目标，以及计算出运动目标的速度。但是光流法的计算十分复杂、运算量大，不适合实时处理，而且抗噪声能力差，很少用于实践中。
技术实现思路
本专利技术的目的是为了克服现有技术中的不足，提供一种结合帧差法和混合高斯模型的运动目标检测与跟踪方法，本专利技术结合两种目标检测算法的优点，既缓解了帧差法在运动目标检测时的空洞现象，也解决了光线等外来事件干扰下前景区域出现的“虚影”问题，实现了对运动区域进行准确、实时的检测。本专利技术的目的是通过以下技术方案实现的：结合帧差法和混合高斯模型的运动目标检测与跟踪方法，该方法包括：获取视频图像，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像；利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；将所述帧间差分图像和所述前景区域图像进行融合处理，得到融合后视频图像；将所述融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；将当前输入视频图像中提取出的运动目标图像与前一帧视频图像中提取出的运动目标图像进行匹配，并根据匹配结果得到运动目标跟踪结果。进一步的，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像，具体包括：将当前输入视频图像中任意一个像素点的像素值，分别与前一帧视频图像中相应像素点的像素值相减，取差的绝对值，并赋值于当前帧相应像素点，对当前输入视频图像中的所有像素点进行上述处理，最终得到帧间差分图像。进一步的，利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；具体包括：首先对混合高斯模型进行初始建模，计算一段时间内输入视频图像中每一像素点的平均灰度值μ0及像素的方差用μ0和初始化混合高斯模型中K个高斯分布的参数，计算公式如下所示：当新获取一帧视频图像，检查每一个新的像素值是否匹配该模型，也即对当前输入视频图像中每个像素值It与混合高斯模型中K个高斯分布分别匹配，验证是否满足下式：|It-μt,k-1|≤τσt,k-1k＝1,2,3,…,k其中τ是确定匹配相似度的一个常数，如果满足，则该像素点为背景像素点，否则该点是前景像素点；对当前输入的视频图像每一个像素点都进行上述操作，将当前图像分为前景区域和背景区域。进一步的，将所述帧间差分图像和所述前景区域图像进行融合处理，具体包括：针对当前输入视频图像中的任意一个像素点，比较所述帧间差分图像中相应像素点的像素值与前景区域图像中相应像素点的像素值是否相等，若相等，则将该像素值赋值给融合后视频图像中相应位置的像素点；若不相等，则分别计算帧间差分图像和前景区域图像中相应像素点的熵值，并进行比较，将熵值大的像素点的像素值赋值给融合后视频图像中相应位置的像素点；对当前输入视频图像中的所有像素点进行上述处理。进一步的，将所述融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；具体包括：利用最大类间方差(OTSU)算法处理融合后视频图像，得到最佳阈值，将融合后视频图像中每个像素点的像素值与最佳阈值比较，得到二值化的融合视频图像，对二值化的融合视频图像进行形态学处理，得到当前输入视频图像的运动目标图像。进一步的，利用最大类间方差算法处理融合后视频图像，得到最佳阈值，将融合后视频图像中每个像素点的像素值与最佳阈值比较，得到二值化的融合视频图像，具体包括：对于灰度级的融合视频图像，设图像大小为m×n，其像素灰度级范围为{1,2,3,…,L}，其中L为图像像素最大灰度等级，若图像中灰度级为i的像素个数为ni，则该像素点出现的概率为：若阈值T将图像分成两部分，前景C1和背景C0，那么可以得到类间方差计算公式为：S＝W0(U0-U)2+W1(U1-U)2其中，W0和W1为两部分图像的概率，U0和U1为两部分图像灰度值的均值，U为整幅图像的总体均值；具体计算公式如下：其中，T为图像的分割阈值，根据最大类间方差法的原理可得最佳阈值为：将融合后视频图像中的每个像素点的像素值与最佳阈值T作比较，如果大于阈值T，则赋值给该像素点的像素值为1；如果小于阈值T，则赋值给该像素点的像素值为0，对融合后视频图像中每一个像素点进行上述处理，得到二值化的融合视频图像。进一步的，对二值化的融合视频图像进行形态学处理，得到当前输入视频图像的运动目标图像，具体包括：对二值化的融合视频图像进行形态学处理是指对图像进行腐蚀和膨胀操作，当视频图像的整体噪点较大时，通过腐蚀操作消除噪点；当视频图像的空洞较大时，通过膨胀操作填补图像空洞；对二值化的融合视频图像每个像素点进行上述处理，得到当前输入视频图像的运动目标图像。进一步的，将当前输入视频图像中提取出的运动目标图像与前一帧视频图像中提取出的运动目标图像进行匹配，并根据匹配结果得到运动目标跟踪结果，具体包括：设定表示当前输入视频图像中提取出的运动目标图像的特征信息，表示前一帧视频图像中提取出的运动目标图像的特征信息，其中M和N均表示运动目标图像的个数；针对中的每个运动目标图像，利用特征信息分别与中的运动目标图像进行相似度计算，并将相似度最大的两个运动目标图像作为相匹配的目标，根据匹配结果得到如下目标跟踪结果:本文档来自技高网...

【技术保护点】
结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，该方法包括：获取视频图像，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像；利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；将所述帧间差分图像和所述前景区域图像进行融合处理，得到融合后视频图像；将所述融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；将当前输入视频图像中提取出的运动目标图像与前一帧视频图像中提取出的运动目标图像进行匹配，并根据匹配结果得到运动目标跟踪结果。

【技术特征摘要】
1.结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，该方法包括：获取视频图像，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像；利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；将所述帧间差分图像和所述前景区域图像进行融合处理，得到融合后视频图像；将所述融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；将当前输入视频图像中提取出的运动目标图像与前一帧视频图像中提取出的运动目标图像进行匹配，并根据匹配结果得到运动目标跟踪结果。2.根据权利要求1所述结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，利用当前帧的输入视频图像与前一帧视频图像进行差分计算，得到帧间差分图像，具体包括：将当前输入视频图像中任意一个像素点的像素值，分别与前一帧视频图像中相应像素点的像素值相减，取差的绝对值，并赋值于当前帧相应像素点，对当前输入视频图像中的所有像素点进行上述处理，最终得到帧间差分图像。3.根据权利要求1所述结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，利用初始化后的混合高斯模型算法处理获取的视频图像，得到输入视频图像的前景区域图像和背景区域图像；具体包括：首先对混合高斯模型进行初始建模，计算一段时间内输入视频图像中每一像素点的平均灰度值μ0及像素的方差用μ0和初始化混合高斯模型中K个高斯分布的参数，计算公式如下所示：当新获取一帧视频图像，检查每一个新的像素值是否匹配该模型，也即对当前输入视频图像中每个像素值It与混合高斯模型中K个高斯分布分别匹配，验证是否满足下式：|It-μt,k-1|≤τσt,k-1k＝1,2,3,…,k其中τ是确定匹配相似度的一个常数，如果满足，则该像素点为背景像素点，否则该点是前景像素点；对当前输入的视频图像每一个像素点都进行上述操作，将当前图像分为前景区域和背景区域。4.根据权利要求1所述结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，将所述帧间差分图像和所述前景区域图像进行融合处理，具体包括：针对当前输入视频图像中的任意一个像素点，比较所述帧间差分图像中相应像素点的像素值与前景区域图像中相应像素点的像素值是否相等，若相等，则将该像素值赋值给融合后视频图像中相应位置的像素点；若不相等，则分别计算帧间差分图像和前景区域图像中相应像素点的熵值，并进行比较，将熵值大的像素点的像素值赋值给融合后视频图像中相应位置的像素点；对当前输入视频图像中的所有像素点进行上述处理。5.根据权利要求1所述结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，将所述融合后视频图像进行二值化与形态学处理，得到当前输入视频图像中的运动目标图像；具体包括：利用最大类间方差(OTSU)算法处理融合后视频图像，得到最佳阈值，将融合后视频图像中每个像素点的像素值与最佳阈值比较，得到二值化的融合视频图像，对二值化的融合视频图像进行形态学处理，得到当前输入视频图像的运动目标图像。6.根据权利要求5所述结合帧差法和混合高斯模型的运动目标检测与跟踪方法，其特征在于，利用最大类间方差算法处理融合后视频图像，得到最佳阈值，将融合后视频图像中每个像素点的像素值与最佳阈值比较，得到二值化的融合视频图像，具体包括：对于灰度级的融合视频图像，设图像大小为m×...

【专利技术属性】
技术研发人员：苏寒松，代志涛，刘高华，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12