基于高斯极值滤波和群稀疏RPCA的运动目标检测方法技术

本发明专利技术公开了基于高斯极值滤波和群稀疏RPCA的运动目标检测方法。针对动态背景下的运动目标检测问题，提出了一种基于高斯极值滤波(Gaussian max‑pooling)和群稀疏RPCA(Robust Principal Component Analysis)的运动目标检测方法，此方法包含两个主要模块：1)提出一种称为高斯极值滤波的新方法，为每一个像素点重新估计重一个最合适的灰度值，从而减小动态背景对目标检测的影响；2)提出一个称为群稀疏RPCA的新模型，对运动目标帧内和帧间的连续性进行建模，以实现更精确的运动目标检测。本发明专利技术在动态背景下比其它同类方法有更高的检测精度，能为视频监控系统提供一种更有效的运动目标检测算法。

【技术实现步骤摘要】
基于高斯极值滤波和群稀疏RPCA的运动目标检测方法
本专利技术涉及基于高斯极值滤波和群稀疏RPCA的运动目标检测方法，属于计算机软件

技术介绍
近些年来，智能视频监控逐渐成为了安防领域中最核心的技术之一，随着摄像机技术的不断提升，其得到了广泛使用，尤其是在安全较为敏感的场合：如车站、机场、学校、银行等等。然而当前的视频监控只是对时间进行简单的记录，且我们只能耗费大量的人力、物力从海量的视频监控数据中观察、浏览从而获取有用的信息。因此为了能够让视频监控系统能够智能地理解视频场景中的行为已成为迫切的需求。智能视频监控的目标是自动的发现监控场景的违规行为、可疑目标等；其中运动目标检测和跟踪是智能视频监控中的核心部分，因此其得到了研究者们的广泛关注。运动目标检测是智能视频监控中的重要的基础，其对于目标建模、跟踪和识别有着重要的影响，其目的是从图像序列中将前景变化的部分提取出来。在动态背景下(如：树叶的摆动、水面的波浪)，运动目标检测是一项具备挑战性的任务。经过学者们的不断努力，许多方法被不断地提出。Wren使用单高斯模型对背景建模，目的在于对室内的行人进行检测。因为室外的环境是多模本文档来自技高网...

【技术保护点】
基于高斯极值滤波和群稀疏RPCA的运动目标检测方法，其特征在于，包括：1)使用高斯极值滤波Gaussian max‑pooling对原始图像进行滤波处理；2)使用Ncut对所有图像序列进行超像素分割；3)对超像素区域进行合并得到图像分割结果；4)对帧间同性区域进行连接，实现视频分割；5)使用对其进行群约束，得到运动前景；所述具体如下：步骤1)固定相机，获取连续图像序列Img＝(img1,img2…imgT)；步骤2)对图像序列中的每一幅图像使用Gaussian max‑pooling进行滤波，得到ImgP＝(imgP1,imgP2…imgPT)；步骤3)使用Ncut对图像序列中的每一幅图像进行...

【技术特征摘要】
1.基于高斯极值滤波和群稀疏RPCA的运动目标检测方法，其特征在于，包括：1)使用高斯极值滤波Gaussianmax-pooling对原始图像进行滤波处理；2)使用Ncut对所有图像序列进行超像素分割；3)对超像素区域进行合并得到图像分割结果；4)对帧间同性区域进行连接，实现视频分割；5)使用对其进行群约束，得到运动前景；所述具体如下：步骤1)固定相机，获取连续图像序列Img＝(img1,img2…imgT)；步骤2)对图像序列中的每一幅图像使用Gaussianmax-pooling进行滤波，得到ImgP＝(imgP1,imgP2…imgPT)；步骤3)使用Ncut对图像序列中的每一幅图像进行超像素分割ImgL＝(imgL1,imgL2…imgLT)；步骤4)对超像素分割结果进行合并，得到图像分割结果ImgS＝(imgs1,imgs2…imgsT)；步骤5)对帧间同性区域进行连接，实现视频分割C＝C1∪C2∪…Cm；步骤6)使用对其进行群约束得到运动前景。2.如权利要求书所述的方法，其特征在于，所述步骤2)中，待处理像素及其邻域像素灰度值6301889359328289237929525Gaussianmax-pooling步骤如下：输入：待处理图像序列Img＝(img1,img2…imgT)，方差σa.选取目标像素v及其为中心n×n窗口内的像素组成一个向量b.使用高斯分布分别计算每个像素在灰度值范围M＝(0,1,…,255)上的条件概率其中，μ'∈Nv；c.使用最大后验概率为每个像素的像素值计算一个最优像素值，并使用最优像素值替代原有像素的像素值，公式如下：d.为图像中的每个像素都进行以上操作，直到像素处理完为止；e.对图像序列中所有像素值进行a，b操作，得到新的图像序列ImgP＝(imgP1,imgP2…imgPT)。3.如权利要求书所述的方法，其特征在于，所述步骤4)具体为：输入：图像序列Img＝(img1,img2…imgT)；使用MoriG.GuidingModelSearchUsingSegmentation[J].Proceedings,2005,2:1417-1423Vol.2.中方法对图像进行超像素分割，得到和图像大小的矩阵，矩阵中包含图像每个像素的标签值ImgL＝(imgL1,imgL2…imgLT)；输出：ImgL＝(imgL1,imgL2…imgLT)。4.如权利要求书所述的方法，其特征在于，所述步骤3)具体为：输入：图像Img＝(img1,img2…imgT)，图像序列标签号ImgL＝(imgL1,imgL2…imgLT)；使用MaY,DerksenH,HongW,etal.SegmentationofMultivariateMixedDataviaLossyDataCodingandCompression[J].IEEETransactions...

【专利技术属性】
技术研发人员：刘光灿，李阳，陈胜勇，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏,32