基于混合高斯模型的运动目标检测方法技术

本发明专利技术公开了一种基于混合高斯模型的运动目标检测方法，包括以下步骤：S1：对图像以W×W块大小进行分块处理，对每个块建立一个混合高斯模型；S2：对图像进行边缘模糊处理；S3：新像素值与当前K个高斯模型进行比较，找到匹配新像素值的分布模型；S4：若所匹配的模型符合背景要求，则该像素属于背景，否则属于前景；S5：对各模型权值进行更新，对各模型权重进行归一化处理；S6：未匹配模型均值μ与标准差σ不变，匹配模型参数进行更新；S7：若步骤S3中没有任何模型与之匹配，将权重最小的模型替换；S8：各模型根据ω/σ降序排列，权重大、标准差小的模型排在前面；S9：选前B个模型作为背景，参数T表示背景所占比例。

Moving target detection method based on hybrid Gauss model

The invention discloses a moving object detection method based on the mixed Gaussian model, which comprises the following steps: S1: dividing the image into blocks with the size of W*W blocks, establishing a mixed Gaussian model for each block; S2: blurring the image edge; S3: comparing the new pixel value with the current K Gaussian models, and finding out the moving object. S4: If the matched model meets the background requirement, the pixel belongs to the background, otherwise it belongs to the foreground; S5: updating the weights of each model, normalizing the weights of each model; S6: the unmatched model means Mu and the standard deviation_are unchanged, the matched model parameters are updated; If there is no matching model in S, replace the model with the smallest weight; S8: The models are arranged in descending order according to_/_, and the models with large weight and small standard deviation are in the front; S9: Select the first B model as the background, and the parameter T indicates the proportion of the background.

【技术实现步骤摘要】
基于混合高斯模型的运动目标检测方法
本专利技术具体涉及一种基于混合高斯模型的运动目标检测方法。
技术介绍
运动目标检测是智能视频监控领域的一项关键技术，为后续行为分析提供研究对象，其检测精度直接影响到系统性能，常见运动目标检测算法有背景差分法、相邻帧差法、光流法、ViBe（VisualBackgroundExtractor）、混合高斯背景建模法等。背景差分法相对简单，实现比较容易，运算速度快，但其没有背景更新机制，导致运动区域提取不准确；相邻帧差法采用相邻两帧图像差分来提取运动区域实现容易且计算量小，但此方法会引入拖影区域；光流法通过计算图像的光流场来进行运动检测，时间复杂度较高，不适用于实时性要求高的应用；ViBe是一种像素级的背景建模算法，计算量小，时间复杂度低，抗噪能力好，能够较好地适应背景的突变，但容易引入拖影区域；混合高斯背景建模法（GaussianMixtureModel，GMM）是一种基于像素统计信息的背景表示方法，对噪声具有较强的鲁棒性，但其计算量大，实时性较差。
技术实现思路
本专利技术要解决的技术问题是提供一种基于混合高斯模型的运动目标检测方法。基于混合高斯模型的运动目标检测方法，包括以下步骤：S1：对图像以W×W块大小进行分块处理，对每个块建立一个混合高斯模型，即K个高斯模型；S2：对图像进行边缘模糊处理；S3：新像素值与当前K个高斯模型按下式进行比较，找到匹配新像素值的分布模型，即与该模型的均值偏差在2.5σ以内；；S4：若所匹配的模型符合背景要求，则该像素属于背景，否则属于前景；S5：以概率对各模型权值按以下公式进行更新，其中α是学习速率，对于匹配的模型，否则，然后对各模型权重进行归一化处理；；S6：未匹配模型均值μ与标准差σ不变，匹配模型参数按以下公式以概率进行更新；；；；S7：若步骤S3中没有任何模型与之匹配，则以概率将权重最小的模型替换，即该模型均值被设置为当前像素值，标准差和权重设置成初始值；S8：各模型根据ω/σ降序排列，权重大、标准差小的模型排在前面；S9：选前B个模型作为背景，B满足以下公式，参数T表示背景所占比例；。进一步的，混合高斯模型的建立方法如下：假设第t时刻，像素点取值集合为，其中I为视频流，若用K个高斯分布表征图像各像素点，则每个像素点的概率为：；其中，K为高斯分布个数，为第i个高斯分布t时刻权重，满足且权重总和为1，为t时刻像素值，、分布为第i个高斯分布t时刻均值与方差，为第i个高斯分布的概率密度，其定义如下：,。进一步的，边缘模糊处理采用均值滤波来实现，具体如下：均值滤波过程由下式给出：，其中，F为的原图像，U为（m，n为奇数）的滤波器模板，G为输出图像。本专利技术的有益效果是：本专利技术提出利用分块处理技术与概率更新策略来对传统混合高斯模型进行改进，改进算法在耗时与存储空间这两个方面得到了很大改善，同时有效利用了图像像素间的空域信息，表现出了较好的环境适应能力，能够较为完整地、准确地提取出运动目标，同时改善了时间和空间复杂度。具体实施方式以下具体实施例对本专利技术作进一步阐述，但不作为对本专利技术的限定。基于混合高斯模型的运动目标检测方法，包括以下步骤：S1：对图像以W×W块大小进行分块处理，对每个块建立一个混合高斯模型，即K个高斯模型；S2：对图像进行边缘模糊处理；S3：新像素值与当前K个高斯模型按下式进行比较，找到匹配新像素值的分布模型，即与该模型的均值偏差在2.5σ以内；；S4：若所匹配的模型符合背景要求，则该像素属于背景，否则属于前景；S5：以概率对各模型权值按以下公式进行更新，其中α是学习速率，对于匹配的模型，否则，然后对各模型权重进行归一化处理；；S6：未匹配模型均值μ与标准差σ不变，匹配模型参数按以下公式以概率进行更新；；；；S7：若步骤S3中没有任何模型与之匹配，则以概率将权重最小的模型替换，即该模型均值被设置为当前像素值，标准差和权重设置成初始值；S8：各模型根据ω/σ降序排列，权重大、标准差小的模型排在前面；S9：选前B个模型作为背景，B满足以下公式，参数T表示背景所占比例；。混合高斯模型的建立方法如下：假设第t时刻，像素点取值集合为，其中I为视频流，若用K个高斯分布表征图像各像素点，则每个像素点的概率为：；其中，K为高斯分布个数，为第i个高斯分布t时刻权重，满足且权重总和为1，为t时刻像素值，、分布为第i个高斯分布t时刻均值与方差，为第i个高斯分布的概率密度，其定义如下：,。边缘模糊处理采用均值滤波来实现，具体如下：均值滤波过程由下式给出：，其中，F为的原图像，U为（m，n为奇数）的滤波器模板，G为输出图像。本文档来自技高网...

【技术保护点】
1.基于混合高斯模型的运动目标检测方法，其特征在于，包括以下步骤：S1：对图像以W×W块大小进行分块处理，对每个块建立一个混合高斯模型，即K个高斯模型；S2：对图像进行边缘模糊处理；S3：新像素值

【技术特征摘要】
1.基于混合高斯模型的运动目标检测方法，其特征在于，包括以下步骤：S1：对图像以W×W块大小进行分块处理，对每个块建立一个混合高斯模型，即K个高斯模型；S2：对图像进行边缘模糊处理；S3：新像素值与当前K个高斯模型按下式进行比较，找到匹配新像素值的分布模型，即与该模型的均值偏差在2.5σ以内；；S4：若所匹配的模型符合背景要求，则该像素属于背景，否则属于前景；S5：以概率对各模型权值按以下公式进行更新，其中α是学习速率，对于匹配的模型，否则，然后对各模型权重进行归一化处理；；S6：未匹配模型均值μ与标准差σ不变，匹配模型参数按以下公式以概率进行更新；；；；S7：若步骤S3中没有任何模型与之匹配，则以概率将权重最小的模型替换，即该模型均值被设置为当前像素值，标准差和权重设置成初始...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：防城港市港口区思达电子科技有限公司，
类型：发明
国别省市：广西,45