基于深海视频的运动目标检测方法和装置制造方法及图纸

本发明专利技术涉及图像处理领域，具体涉及一种基于深海视频的运动目标检测方法和装置。该基于深海视频的运动目标检测方法和装置以初始化背景模型为基础，对多帧图像分类为前景运动图像或背景图像，并提取背景图像及当前图像在前景运动图像的区域边界进行相似度对比，若背景图像区域边界与前景运动图像区域边界的相似度高于当前图像区域边界与前景运动图像区域边界的相似度，则用当前图像在前景运动图像中前景像素位置点的颜色值代替背景图像对应位置的颜色值，对背景图像进行更新，以格式塔原理为指导，建立随机体提取模型，建立图像和目标本质特征的融合机制。在复杂场景的前提下，精度与速度均大幅度提高，满足实际应用需求。

Moving Object Detection Method and Device Based on Deep Sea Video

The invention relates to the field of image processing, in particular to a moving object detection method and device based on deep-sea video. Based on the initial background model, the detection method and device of moving object based on deep-sea video classifies multi-frame image into foreground moving image or background image, and extracts the background image and the current image to compare the similarity between the region boundary of foreground moving image. If the similarity between the region boundary of background image and the region boundary of foreground moving image is higher than that of the region boundary of current image, the similarity between the region boundary of background image and the region boundary of foreground moving image is higher. The similarity between the boundary and the boundary of the foreground moving image region is replaced by the color value of the foreground pixel position point of the current image in the foreground moving image, and the background image is updated. Guided by the principle of Gestalt, the random volume extraction model is established, and the fusion mechanism of image and object quality features is established. Under the premise of complex scenes, the accuracy and speed are greatly improved to meet the practical application requirements.

【技术实现步骤摘要】
基于深海视频的运动目标检测方法和装置
本专利技术涉及图像处理领域，具体而言，涉及一种基于深海视频的运动目标检测方法和装置。
技术介绍
随着海洋研究的不断深入和相机成像技术的飞速发展，需要对深海运动目标进行提取与检测。国际上对运动目标提取与检测的常用方法主要可以分为以下三类：基于像素的方法：根据像素分布规律构建概率模型，从而估计运动区域，但在建模中，需提供大量像素样品，人工成本较大；基于区域的方法：根据区域纹理特征一致性，减小了照明对运动目标和背景的影响，但面对微小变化和特征不明显的运动目标区域检测效果不佳；基于图像帧的方法：根据光线变化规律构建全局模型对运动目标进行检测，但光线变化复杂多变，难以构建统一模型。以上算法多假设第一帧图像为纯背景图像，即不包含运动目标的图像。以上研究方法的主要问题可以概括为：1)运算速度慢，难以满足实际应用需求。2)容易产生鬼影现象。3)目标提取不完全，并且易产生前景目标淹没至背景的问题。
技术实现思路
本专利技术实施例提供了一种基于深海视频的运动目标检测方法和装置，以至少解决现有的深海视频中运动目标检测精度差的技术问题。根据本专利技术实施例的一个方面，提供了一种基于深海视频的运动目标检测方法，包括：步骤S101：依据深海视频构建背景模型，并对背景模型进行初始化获得初始化背景模型；步骤S102：以初始化背景模型为基础，对从深海视频中提取得到的多帧图像进行分类，分为前景运动图像或背景图像；步骤S104：提取背景图像及当前图像在前景运动图像的区域边界，并判定背景图像区域边界及当前图像区域边界与前景运动图像区域边界的相似度，若背景图像区域边界与前景运动图像区域边界的相似度高于当前图像区域边界与前景运动图像区域边界的相似度，则用当前图像在前景运动图像中前景像素位置点的颜色值代替背景图像对应位置的颜色值，对背景图像进行更新，反之，则不更新；以更新后的背景图像作为纯背景图像进行运动目标检测。进一步地，该方法在步骤S102、S104之间还包括：步骤S103：以分类得到的前景运动图像为基准点，计算背景图像的区域均值与方差，并以此对背景图像的区域进行增长约束，获得完整的运动目标，以及将运动目标所在像素点标记为前景像素。进一步地，步骤S101包括：根据当前像素点x，构建n个背景样本空间，vi表示为第i个背景样本值，背景模型Mx定义如下：Mx＝{v1,v2,...,vn}；其中1≦i≦n；在当前像素点x的相邻区域N(x)中随机选取n个样本值作为初始化背景模型:其中y等同于n个样本值。进一步地，步骤S102包括：在多帧图像中令第m帧图像所在的位置记为以R为搜索半径所围成的区域记为计算与的交集将所含像素的个数记为Q，当Q≤l时该第m帧图像分类为前景运动图像，反之分类为背景图像：其中m为大于等于1的整数。进一步地，以当前像素点x为中心，通过扩展匹配方式来选取相邻区域N(x)。进一步地，采用CANNY算法提取背景图像及当前图像在前景运动图像的区域边界。进一步地，以更新后的背景图像作为纯背景图像，后续从纯背景图像区域经过的其他目标均为运动目标。根据本专利技术实施例的另一个方面，提供了一种基于深海视频的运动目标检测装置，包括：背景模型构建模块，背景模型构建模块用于依据深海视频构建背景模型，并对背景模型进行初始化获得初始化背景模型；分类模块，分类模块用于以初始化背景模型为基础，对从深海视频中提取得到的多帧图像进行分类，分为前景运动图像或背景图像；更新模块，更新模块用于提取背景图像及当前图像在前景运动图像的区域边界，并判定背景图像区域边界及当前图像区域边界与前景运动图像区域边界的相似度，若背景图像区域边界与前景运动图像区域边界的相似度高于当前图像区域边界与前景运动图像区域边界的相似度，则用当前图像在前景运动图像中前景像素位置点的颜色值代替背景图像对应位置的颜色值，对背景图像进行更新，反之，则不更新；以更新后的背景图像作为纯背景图像进行运动目标检测。进一步地，装置还包括：修补模块，修补模块用于以分类得到的前景运动图像为基准点，计算背景图像的区域均值与方差，并以此对背景图像的区域进行增长约束，获得完整的运动目标，以及将运动目标所在像素点标记为前景像素。本专利技术实施例中的基于深海视频的运动目标检测方法和装置，以初始化背景模型为基础，对多帧图像分类为前景运动图像或背景图像，并提取背景图像及当前图像在前景运动图像的区域边界进行相似度对比，若背景图像区域边界与前景运动图像区域边界的相似度高于当前图像区域边界与前景运动图像区域边界的相似度，则用当前图像在前景运动图像中前景像素位置点的颜色值代替背景图像对应位置的颜色值，对背景图像进行更新，以格式塔原理为指导，建立随机体提取模型，建立图像和目标本质特征的融合机制。在复杂场景的前提下，精度与速度均大幅度提高，满足实际应用需求。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术基于深海视频的运动目标检测方法的流程图；图2为本专利技术基于深海视频的运动目标检测方法的具体流程图；图3为本专利技术基于深海视频的运动目标检测方法中像素分类图；图4为本专利技术基于深海视频的运动目标检测方法中扩展匹配模型图；图5为本专利技术基于深海视频的运动目标检测方法的效果图；图6为本专利技术基于深海视频的运动目标检测装置的模块图；图7为本专利技术基于深海视频的运动目标检测装置的具体模块图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1格式塔心理学派认为：人们通过视觉观看物体是眼和脑相互作用的结果。其过程是将视觉观察到的各个部分按照某种规则组合起来，使之成为一个容易理解的统一体。如果办不到这一点，整体形象将继续呈现为无序状态或混乱，从而无法被正确认知。根据格式塔视觉原理，面对场景，首先将视觉汇集至感兴趣的运动区域，而忽略周边的信息，对图像进行简化，然后通过大脑对运动区域进行去除伪影和对运动目标进行修补，形成纯背景图像，即后续再有其他目标从此区域经过，不管停留多长时间，都为运动目标，不影响背景图像。根据本专利技术一实施例，参见图1，提供了一种基于深海视频的运动目标检测方法，包括：步骤S101，初始化背景模型：初始化背景模型依据深海视频构建背景模型，并对背景本文档来自技高网...

【技术保护点】
1.基于深海视频的运动目标检测方法，其特征在于，包括：步骤S101：依据所述深海视频构建背景模型，并对所述背景模型进行初始化获得初始化背景模型；步骤S102：以所述初始化背景模型为基础，对从所述深海视频中提取得到的多帧图像进行分类，分为前景运动图像或背景图像；步骤S104：提取所述背景图像及当前图像在所述前景运动图像的区域边界，并判定所述背景图像区域边界及当前图像区域边界与所述前景运动图像区域边界的相似度，若所述背景图像区域边界与所述前景运动图像区域边界的相似度高于所述当前图像区域边界与所述前景运动图像区域边界的相似度，则用所述当前图像在所述前景运动图像中前景像素位置点的颜色值代替所述背景图像对应位置的颜色值，对所述背景图像进行更新，反之，则不更新；以更新后的所述背景图像作为纯背景图像进行运动目标检测。

【技术特征摘要】
1.基于深海视频的运动目标检测方法，其特征在于，包括：步骤S101：依据所述深海视频构建背景模型，并对所述背景模型进行初始化获得初始化背景模型；步骤S102：以所述初始化背景模型为基础，对从所述深海视频中提取得到的多帧图像进行分类，分为前景运动图像或背景图像；步骤S104：提取所述背景图像及当前图像在所述前景运动图像的区域边界，并判定所述背景图像区域边界及当前图像区域边界与所述前景运动图像区域边界的相似度，若所述背景图像区域边界与所述前景运动图像区域边界的相似度高于所述当前图像区域边界与所述前景运动图像区域边界的相似度，则用所述当前图像在所述前景运动图像中前景像素位置点的颜色值代替所述背景图像对应位置的颜色值，对所述背景图像进行更新，反之，则不更新；以更新后的所述背景图像作为纯背景图像进行运动目标检测。2.根据权利要求1所述的方法，其特征在于，所述方法在步骤S102、S104之间还包括：步骤S103：以分类得到的所述前景运动图像为基准点，计算所述背景图像的区域均值与方差，并以此对所述背景图像的区域进行增长约束，获得完整的运动目标，以及将所述运动目标所在像素点标记为前景像素。3.根据权利要求1所述的方法，其特征在于，所述步骤S101包括：根据当前像素点x，构建n个背景样本空间，vi表示为第i个背景样本值，背景模型Mx定义如下：Mx＝{v1,v2,...,vn}；其中1≦i≦n；在当前像素点x的相邻区域N(x)中随机选取n个样本值作为初始化背景模型:其中y等同于n个样本值。4.根据权利要求3所述的方法，其特征在于，所述步骤S102包括：在多帧图像中令第m帧图像所在的位置记为以R为搜索半径所围成的区域记为计算与的交集将所含像素的个数记为Q，当...

【专利技术属性】
技术研发人员：李晨，邱实，张少伟，孙科林，全向前，杨景川，
申请(专利权)人：中国科学院深海科学与工程研究所，中国科学院西安光学精密机械研究所，
类型：发明
国别省市：海南,46