一种基于自适应背景更新和选择性背景更新的前景检测方法技术

本发明专利技术公开了一种基于自适应背景更新和选择性背景更新的前景检测方法，属于图像处理技术领域。本发明专利技术首先将待检测的视频流的图像帧转换为灰度图及HLS图；若当前图像帧为视频流的首帧，则将其灰度图作为背景模型；对非首帧的图像帧，若图像帧数不超过阈值，若是，则不断的基于当前帧的灰度图对背景模型进行更新，直到图像帧数超过阈值；超过阈值时，则进入前景图像检测处理步骤：基于背景模型和当前帧的灰度图得到第一前景图像，再采用帧差法获取第二前景图像，对两者取并集得到第三前景图像，以及通过颜色标准化相关系数，对第三前景图像进行处理，从而得到像素级的前景目标。本发明专利技术对运动、静止目标的检测效果好，且具有较好的鲁棒性。

【技术实现步骤摘要】
一种基于自适应背景更新和选择性背景更新的前景检测方法
本专利技术属于图像处理
，主要涉及前景目标检测领域。
技术介绍
前景检测作为智能视频监控的一个重要组成部分，近年来得到广泛的关注。前景检测的性能对目标分类、目标追踪以及行为理解等后续处理来说至关重要。其已经成为研究机构重点研究的方向之一。近几年里已经提出了不少有效的方法，虽然检测速度快，背景建模简单，但是在目标残留现象严重，尤其针对运动速度较慢和静止目标的检测效果不尽如人意。例如BarnichO,VanDroogenbroeckM在“ViBe-apowerfultechniqueforbackgrounddetectionandsubtractioninvideosequences”中提出的一种被称为视觉背景抽取ViBe方法，该背景建模方法由于其简单，速度快等优点受到了越来越多的重视。但由于算法本身考虑了背景中Ghost区域的消融，完全无法对运动速度过慢以及静止目标的有效检测。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提供一种能有效监测视频帧图像的静止、运动目标的前景检测方法。本专利技术的基于自适应背景更新和选择性背景更新的前景检测方法，包括下列步骤：对待检测的视频流的图像帧进行图像转换处理，转换为灰度图和HLS颜色空间的HLS图像；若当前图像帧为视频流的首帧，则将首帧的灰度图作为背景模型MODEL；对非首帧的图像帧，若图像帧帧数小于或等于预设阈值，则基于当前帧的灰度图对背景模型MODEL进行更新处理：MODE＝k*MODE+(1-k)*GAY，其中GAY表示当前帧的灰度图；若图像帧帧数大于预设阈值，则执行前景检测处理，k的取值范围为(0,1)；优选取值范围为0.85～0.95，优选值为0.95。前景检测处理：将当前帧的灰度图与背景模型MODEL做差，并进行二值化处理及二值化修补处理，得到前景图像FORE1；将当前帧的灰度图与上一帧的灰度图做差，得到帧差图像，并对所述帧差图像进行二值化处理及形态学处理，得到前景图像FORE2；对前景图像FORE1和FORE2取并集，得到前景图像FORE3，并对前景图像FORE3进行形态学处理的膨胀操作，得到背景更新掩膜；根据所述背景更新掩膜对背景模型MODEL进行更新处理：在背景更新掩膜所在的图像区域内，根据公式MODEL＝k*MODEL+(1-k)*GAY更新背景模型MODEL，其中GAY表示背景更新掩膜所在的图像区域的灰度；在当前帧的HLS图像中，计算背景更新掩膜所对应的图像区域的颜色标准化相关系数掩膜，对得到的颜色标准化相关系数掩膜进行二值化处理，得到二值化CNCC掩膜；根据FORE4＝FORE3‐FORE3∩CNCC得到前景图像FORE4，并对前景图像FORE4进行形态学处理，得到当前帧的最终前景图像。由于采用了上述技术方案，本专利技术的有益效果是：本专利技术结合帧差法与自适应背景学习算法，取长补短，因而使得检测所得到的前景图像的完整性好；通过提出背景更新模型，对静止目标的检测率高，且并不影响对运动目标的检测；加入颜色标准化相关系数，消除了目标自身的阴影影响及帧差法和自适应背景学习带来的负面影响，获得更为准确的前景图像。故本专利技术对运动的目标以及静止的目标都有良好的效果，对阴影、场景光线变化、相机抖动、树木晃动等外界干扰有较好的鲁棒性。附图说明图1是具体实施方式的处理流程图。图2是运行结果示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本专利技术作进一步地详细描述。本专利技术的基于自适应背景更新和选择性背景更新的前景检测方法，首先通过图像采集装置(如摄像头)采集视频流，并对视频图像进行预处理：将图像转化为灰度图和HLS(Hue、Lightness、Saturation))图像；然后将输入的第一帧图像的灰度图作为背景模型。当输入图像帧数小于阈值(本具体实施方式中，设置阈值的优选值为90)前，不断地进行背景模型的更新。当传入图片帧数大于阈值后，则进入检测模块，利用背景模型和当前帧的灰度图得到初步的前景图像，同时使用帧差法获得另一幅前景图像。对背景建模所得到的前景图像进行一系列处理后，再和帧差法所得前景图像合并。对合并后的前景图像进行形态学处理(膨胀)得到背景更新掩膜，选择性的更新背景。通过颜色标准化相关系数，对合并后的前景图像处理，去除阴影以及帧差法留下来的上一帧图像残影对前景的影响。至此，可以得到像素级的前景目标。本专利技术结合帧差法和自适应背景学习算法，使检测到的前景图像更加完整；基于所提出的背景更新模型(有选择的选取背景更新区域)，达到很好的检测到运动速度过慢以及静止的目标的效果，以及加入颜色标准化相关系数(color-normolized-cross-correlation)来获得更为准确的前景目标位置。参见图1，其具体实现步骤如下：步骤1、通过图像采集装置获取视频流，并将视频图像转化为灰度图，以及将视频图像转换到HLS颜色空间，得到HLS图像。步骤2、判断帧数，若为第一帧，则初始化背景模型MODE；若帧数小于等于门限NUMS，则使用步骤1中得到的灰度图对初始化的背景模型进行更新，采用逐像素更新方式进行更新：MODEL＝k*MODEL+(1-k)*GAY，其中k＝0.95，GAY表示步骤1中得到的灰度图；若帧数大于门限NUMS，则进入步骤3。步骤3、使用步骤1中当前帧的灰度图与背景模型MODE做差，选取全局阈值得到二值化图像，并对该二值化图像进行修补处理，得到初步处理后的前景图像，记为前景图像FORE1，进入步骤4。其中二值化图像修改处理包括：使用孔洞填充、腐蚀(图像形态学处理，进行腐蚀操作时，将定义的内核滑过图像，将内核覆盖区域的最小像素值提取，并代替锚点位置的像素)、膨胀(图像形态学处理，进行膨胀操作时，将定义的内核滑过图像，将内核覆盖区域的最大像素值提取，并代替锚点位置的像素)。步骤4、将当前帧的灰度图与上一帧的灰度图做差，取得帧差图像，同样对其进行二值化以及图像形态学处理，得到前景图像FORE2，并进入步骤5。步骤5、对前景图像FORE1和FORE2取并集，得到前景图像FORE3，并进入步骤6。步骤6、对前景图像FORE3进行膨胀操作，得到背景更新掩膜，进入步骤7。步骤7、在背景更新掩膜所在的图像区域内，根据公式(MODEL＝k*MODEL+(1-k)*GAY，k取0.95)更新背景模型MODEL，其中GAY表示对背景更新掩膜所在的图像区域的灰度；然后基于更新后的背景模型MODEL进入步骤8。步骤8、根据前景图像FORE3和步骤1中的HLS图像，计算步骤6中背景更新掩膜所对应区域的颜色标准化相关系数，得到颜色相关系数掩膜，进入步骤9。步骤9、对得到的颜色相关系数掩膜进行二值化处理，得到二值化颜色相关系数掩膜，并用前景图像FORE3减去二值化颜色相关系数掩膜与FORE3的交集，得到前景图像FORE4，进入步骤10。步骤10、对前景图像FORE4进行形态学处理，得到最终的前景图像FORE。图2给出了对6幅不同帧的帧图像进行本专利技术的自适应背景更新和选择性背景更新的前景检测方法的运行结果示意图。在实际检测中，本专利技术的检测方法的检测速度约为25FPS，能满足实时性本文档来自技高网...

【技术保护点】
一种基于自适应背景更新和选择性背景更新的前景检测方法，其特征在于，包括下列步骤：对待检测的视频流的图像帧进行图像转换处理，转换为灰度图和HLS颜色空间的HLS图像；若当前图像帧为视频流的首帧，则将首帧的灰度图作为背景模型MODEL；对非首帧的图像帧，若图像帧帧数小于或等于预设阈值，则基于当前帧的灰度图对背景模型MODEL进行更新处理：MODE＝k*MODE+(1‑k)*GAY，其中GAY表示当前帧的灰度图；若图像帧帧数大于预设阈值，则执行前景检测处理，k的取值范围为(0,1)；前景检测处理：将当前帧的灰度图与背景模型MODEL做差，并进行二值化处理及二值化修补处理，得到前景图像FORE1；将当前帧的灰度图与上一帧的灰度图做差，得到帧差图像，并对所述帧差图像进行二值化处理及形态学处理，得到前景图像FORE2；对前景图像FORE1和FORE2取并集，得到前景图像FORE3，并对前景图像FORE3进行形态学处理的膨胀操作，得到背景更新掩膜；根据所述背景更新掩膜对背景模型MODEL进行更新处理：在背景更新掩膜所在的图像区域内，根据公式MODEL＝k*MODEL+(1‑k)*GAY更新背景模型MODEL，其中GAY表示背景更新掩膜所在的图像区域的灰度；在当前帧的HLS图像中，计算背景更新掩膜所对应的图像区域的颜色标准化相关系数掩膜，对得到的颜色标准化相关系数掩膜进行二值化处理，得到二值化CNCC掩膜；根据FORE4＝FORE3‐FORE3∩CNCC得到前景图像FORE4，并对前景图像FORE4进行形态学处理，得到当前帧的最终前景图像。...

【技术特征摘要】
1.一种基于自适应背景更新和选择性背景更新的前景检测方法，其特征在于，包括下列步骤：对待检测的视频流的图像帧进行图像转换处理，转换为灰度图和HLS颜色空间的HLS图像；若当前图像帧为视频流的首帧，则将首帧的灰度图作为背景模型MODEL；对非首帧的图像帧，若图像帧帧数小于或等于预设阈值，则基于当前帧的灰度图对背景模型MODEL进行更新处理：MODE＝k*MODE+(1-k)*GAY，其中GAY表示当前帧的灰度图；若图像帧帧数大于预设阈值，则执行前景检测处理，k的取值范围为(0,1)；前景检测处理：将当前帧的灰度图与背景模型MODEL做差，并进行二值化处理及二值化修补处理，得到前景图像FORE1；将当前帧的灰度图与上一帧的灰度图做差，得到帧差图像，并对所述帧差图像进行二值化处理及形态学处理，得到前景图像FORE2；对前景图像FORE1和FORE2取并集，得到前景图像FORE3，并对前景...

【专利技术属性】
技术研发人员：马争，解梅，施晓乐，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51