一种基于边缘信息和改进VIBE运动目标检测方法技术

本发明专利技术提供了一种基于边缘信息和改进VIBE运动目标检测方法，首先对视频图像进行灰度化，对前K帧图像的每一个像素点建立初始化背景模型，同时提取图像边缘梯度信息，并利用三帧差分法获取可能的运动目标像素点，其次进行背景判断，然后根据当前像素点是否为边缘点确定是否更新背景模型，结合三帧差分法获取的目标像素点以及被连续判定为前景的次数和相似度进一步判断是否为前景，最后进行空洞填充后将运动目标进行显示。本发明专利技术能够抑制长时间静止目标会融入背景的问题。

A moving target detection method based on edge information and improved VIBE

The present invention provides a method for edge detection and improved VIBE moving target based on the first gray scale of the video image, establishing the initial background model for each pixel K image, and extract image edge gradient information, and uses three frame difference method to obtain the target pixel possible. Secondly, the background of judgment, then according to the current pixel is the edge point determines whether to update the background model, combining the three frame difference method to obtain the target pixel is determined as the number of continuous and further prospects and similarity to judge whether the prospect, finally after the hole filling the target display. The present invention can inhibit the integration of a long stationary target into the background.

【技术实现步骤摘要】
一种基于边缘信息和改进VIBE运动目标检测方法
本专利技术涉及一种图像处理技术，特别是一种基于边缘信息和改进VIBE运动目标检测方法。
技术介绍
智能视频监控是当前计算机视觉、图像处理方面的一个研究热点。目标检测是智能视频监控系统的关键技术，也是目标跟踪、目标分类和行为理解等更高层次处理算法的基础。因此运动目标检测算法制约着整个智能视频监控系统的稳定性、可靠性。目前，比较成熟的运动目标检测算法可以分为以下三类：光流法、帧间差分法以及背景建模法。其中，背景建模法是目前最为常用的运动检测算法。常用的背景建模算法主要有高斯混合模型、Codebook、VIBE等。混合高斯模型能自动的更新背景模型，消除了复杂背景对检测结果的影响。但其运算复杂，占用资源较多。Codebook算法采用量化的视频序列来构建背景模型，为当前图像的每一个像素建立一个码本。该算法虽然计算简便，但由于每一个像素都要建立一个码本，在处理高像素的视频时占用内存较多且对光照变化比较敏感。VIBE算法是一种基于时空随机选择思想的背景提取算法，该算法采用邻域像素来创建背景模型，并将随机选择机制引入到背景模型的更新中，通过比对背景模型和当前像素值来进行前景检测，VIBE背景建模有思想简单、易于实现、运算效率高、样本衰减最优等优点，但算法自身也存在着局限性。主要有鬼影、静止目标、阴影前景和运动目标不完整等问题。针对VIBE算法的不足之处，2015年黄伟提出了一种基于改进视觉背景提取的运动目标检测方法，可有效去除目标检测中的鬼影问题，但是由于该算法引入了TOM机制，若运动目标从运动到静止，长时间驻留未动，则会出现该运动目标逐渐融入背景的问题。
技术实现思路
本专利技术的目的在于提供一种基于边缘信息和改进VIBE运动目标检测方法，能够抑制长时间静止目标会融入背景的问题。实现本专利技术目的的技术方案为：一种基于边缘信息和改进VIBE运动目标检测方法，包括以下步骤：步骤1，采集含有运动目标的视频图；步骤2，并对视频图像进行灰度化处理；步骤3，提取灰度化视频图像序列的前K帧图像中奇数帧的像素点灰度值，建立针对一帧图像里每一个像素点的初始化背景模型M(x)；步骤4，从灰度化图像的第K+1帧开始利用三帧差分法获取可能的运动目标像素点；步骤5，从灰度化图像的第K+1帧开始进行图像的边缘信息提取，提取图像的梯度信息从而获取图像边缘点集；步骤6，计算第K+1帧开始后的每一帧的每个像素点与背景模型的相似度，如果相似，则分类为背景，转到步骤7；否则为前景，记录判断为前景的次数Tom(x,y)，其中(x,y)代表像素点在一帧图像中的位置，然后转到步骤8；步骤7，若该像素点为步骤4中获取的图像边缘点，则不更新背景模型M(x)；否则，更新背景模型M(x)，作为下帧目标检测的背景模型来使用；步骤8，若当前像素点为步骤4中获取的运动目标像素点，则直接判定该像素点为前景；否则，根据每个像素点的前景判断次数Tom(x,y)及当前帧的像素点与当前帧之前的L帧相同位置像素点的相似度来判定该像素点是误判为前景的背景点，如果是，则根据步骤7来确定是否更新背景模型M(x)；否则判定该像素点是前景点，转到步骤9；步骤9，若步骤8的像素点为前景，则判断为运动目标，显示该运动目标，令其在显示器显示的灰度值为255；步骤10，对步骤9中所得的目标检测结果利用形态学的方法进行空洞填充后显示。本专利技术与现有技术相比，具有以下优点：(1)本专利技术提出的方法结合了三帧差分法和改进的VIBE算法，相比传统VIBE算法和基于改进视觉背景提取的运动目标检测方法，相对减少了计算量，且对光照变化不敏感；(2)当像素点被判定为背景需要更新其背景模型时，本专利技术提出的方法在背景模型更新的基础上结合了边缘梯度信息，在背景模型更新时，避开图像中具有丰富边缘的点，相比传统VIBE算法和基于改进视觉背景提取的运动目标检测方法，可以抑制运动目标长时间静止会融入背景的问题；(3)本专利技术提出的方法在目标检测结果显示过程中利用形态学的方法对检测结果进行处理，填补了内部空洞，相比传统VIBE算法和基于改进视觉背景提取的运动目标检测方法，检测结果更加完整。下面结合附图对本专利技术作进一步详细描述。附图说明图1为本专利技术基于边缘信息和改进VIBE的运动目标检测方法的流程图。图2(a)为帧间差分法、混合高斯模型算法、传统VIBE算法、改进的视觉背景提取方法与本文提出的基于边缘信息和改进VIBE的运动目标检测方法在夜间树林对行人的检测效果对比图：1)原始图像示意图，2)帧间差分法的检测结果示意图，3)混合高斯模型算法检测结果示意图，4)VIBE算法检测结果示意图，5)改进的视觉背景提取方法检测结果示意图，6)本专利技术方法检测结果示意图。图2(b)为帧间差分法、混合高斯模型算法、传统VIBE算法与本专利技术提出的改进的视觉背景提取方法在夜间走廊对行人的检测效果对比图：1)原始图像示意图，2)帧间差分法的检测结果示意图，3)混合高斯模型算法检测结果示意图，4)VIBE算法检测结果示意图，5)改进的视觉背景提取方法检测结果示意图，6)本专利技术方法检测结果示意图。图2(c)为帧间差分法、混合高斯模型算法、传统VIBE算法与本专利技术提出的改进的视觉背景提取方法在夜间室内对行人的检测效果对比图：1)原始图像示意图，2)帧间差分法的检测结果示意图，3)混合高斯模型算法检测结果示意图，4)VIBE算法检测结果示意图，5)改进的视觉背景提取方法检测结果示意图，6)本专利技术方法检测结果示意图。图2(d)为帧间差分法、混合高斯模型算法、传统VIBE算法与本专利技术提出的改进的视觉背景提取方法在夜间公园对行人的检测效果对比图：1)原始图像示意图，2)帧间差分法的检测结果示意图，3)混合高斯模型算法检测结果示意图，4)VIBE算法检测结果示意图，5)改进的视觉背景提取方法检测结果示意图，6)本专利技术方法检测结果示意图。图3(a)为改进的视觉背景提取方法与本专利技术方法在对室内被搬运的箱子的检测中第100帧的结果对比图。图3(b)为改进的视觉背景提取方法与本专利技术方法在对双车道上的汽车的检测中第85帧的结果对比图。具体实施方式结合图1，一种基于边缘信息和改进VIBE运动目标检测方法，包括以下步骤：步骤1，采集含有运动目标的视频图像。步骤2，对步骤1中的视频图像进行灰度化。步骤3，初始化背景模型：提取红外探测器采集的灰度化图像或步骤2得到的灰度化图像中前K帧图像奇数帧的像素点灰度值，另外建立针对一帧图像里每一个像素点的初始化背景模型M(x)。其中提取灰度化图像中前K帧图像奇数帧的像素点，另外建立初始化背景模型M(x)步骤如下：对于当前帧中的任一像素点，采用该像素点在视频初始时的前K帧图像奇数帧的像素点灰度值集合，来建立初始化背景模型M(x)＝{p1,p2,...pN}式中，p1,p2,...pN为背景模型的样本，对应于前K帧图像奇数帧的像素点灰度值，N＝K/2。其中K取40，即N＝20，背景模型M(x)中共有20个样本。步骤4，三帧差分法获取目标：从灰度化图像的第K+1帧开始利用三帧差分法获取可能的运动目标像素点。三帧差分法是在两帧差分的基础上进行改进，先选取视频图像序列中连续三帧图像并分别计算相邻两帧的差分图像，然后将差本文档来自技高网...

【技术保护点】
一种基于边缘信息和改进VIBE运动目标检测方法，其特征在于，包括以下步骤：步骤1，采集含有运动目标的视频图；步骤2，并对视频图像进行灰度化处理；步骤3，提取灰度化视频图像序列的前K帧图像中奇数帧的像素点灰度值，建立针对一帧图像里每一个像素点的初始化背景模型M(x)；步骤4，从灰度化图像的第K+1帧开始利用三帧差分法获取可能的运动目标像素点；步骤5，从灰度化图像的第K+1帧开始进行图像的边缘信息提取，提取图像的梯度信息从而获取图像边缘点集；步骤6，计算第K+1帧开始后的每一帧的每个像素点与背景模型的相似度，如果相似，则分类为背景，转到步骤7；否则为前景，记录判断为前景的次数Tom(x,y)，其中(x,y)代表像素点在一帧图像中的位置，然后转到步骤8；步骤7，若该像素点为步骤5中获取的图像边缘点，则不更新背景模型M(x)；否则，更新背景模型M(x)，作为下帧目标检测的背景模型来使用；步骤8，若当前像素点为步骤4中获取的运动目标像素点，则直接判定该像素点为前景；否则，根据每个像素点的前景判断次数Tom(x,y)及当前帧的像素点与当前帧之前的L帧相同位置像素点的相似度来判定该像素点是误判为前景的背景点，如果是，则根据步骤7来确定是否更新背景模型M(x)；否则判定该像素点是前景点，转到步骤9；步骤9，若步骤8的像素点为前景，则判断为运动目标，显示该运动目标，令其在显示器显示的灰度值为255；步骤10，对步骤9中所得的目标检测结果利用形态学的方法进行空洞填充后显示。...

【技术特征摘要】
1.一种基于边缘信息和改进VIBE运动目标检测方法，其特征在于，包括以下步骤：步骤1，采集含有运动目标的视频图；步骤2，并对视频图像进行灰度化处理；步骤3，提取灰度化视频图像序列的前K帧图像中奇数帧的像素点灰度值，建立针对一帧图像里每一个像素点的初始化背景模型M(x)；步骤4，从灰度化图像的第K+1帧开始利用三帧差分法获取可能的运动目标像素点；步骤5，从灰度化图像的第K+1帧开始进行图像的边缘信息提取，提取图像的梯度信息从而获取图像边缘点集；步骤6，计算第K+1帧开始后的每一帧的每个像素点与背景模型的相似度，如果相似，则分类为背景，转到步骤7；否则为前景，记录判断为前景的次数Tom(x,y)，其中(x,y)代表像素点在一帧图像中的位置，然后转到步骤8；步骤7，若该像素点为步骤5中获取的图像边缘点，则不更新背景模型M(x)；否则，更新背景模型M(x)，作为下帧目标检测的背景模型来使用；步骤8，若当前像素点为步骤4中获取的运动目标像素点，则直接判定该像素点为前景；否则，根据每个像素点的前景判断次数Tom(x,y)及当前帧的像素点与当前帧之前的L帧相同位置像素点的相似度来判定该像素点是误判为前景的背景点，如果是，则根据步骤7来确定是否更新背景模型M(x)；否则判定该像素点是前景点，转到步骤9；步骤9，若步骤8的像素点为前景，则判断为运动目标，显示该运动目标，令其在显示器显示的灰度值为255；步骤10，对步骤9中所得的目标检测结果利用形态学的方法进行空洞填充后显示。2.根据权利要求1所述的方法，其特征在于，步骤3中建立针对一帧图像里每一个像素点的初始化背景模型M(x)＝{p1,p2,...pN}，其中，p1,p2,...pN为该像素点在视频初始时的前K帧图像奇数帧的像素点灰度值，N＝K/2。3.根据权利要求1所述的方法，其特征在于，步骤4中利用三帧差分法获取可能的运动目标像素点的具体过程为：步骤4.1，提取图像序列中连续的三帧图像Ik(x,y)、Ik+1(x,y)、Ik+2(x,y)；,步骤4.2，计算相邻两帧差值步骤4.3，对得到的差值图像通过选择合适的阈值T进行二值化，步骤4.4，将在像素点(x,y)处得到的二值图像进行逻辑相与得到k+1帧的二值图像Bk+1(x,y)，Bk+1(x,y)为1时，则表示像素点(x，y)为前景点，即可能的运动目标像素点。4.根据权利要求1所述的方法，其特征在于，步骤5中提取图像的梯度信息从而获取图像边缘点集的具体过程如下：步骤5.1，用中值差分法提取图像梯度其中，Ik是第k帧图像的像素值，(i,j)为像素坐标，dx(i,j)和dy(i,j)分别为图像在水平方向和垂直方向上的梯度；步骤5.2，计算图像梯度的幅度Gradk+1(i,j)

【专利技术属性】
技术研发人员：刘磊，宋佳晓，黄伟，李业飞，张壮，陈旭，赵如雪，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32