基于图像分割的Vibe运动目标检测算法制造技术

本发明专利技术公开了一种基于图像分割的Vibe运动目标检测算法，主要解决现有技术中进行运动目标检测时易出现“鬼影”使得检测效果不理想的问题。其实现方案为：1.将第一帧RGB图像处理成灰度图；2.在灰度图中随机选取部分个体组成初始种群p，并对种群p中的所有个体进行十进制到二进制的转换处理；3.对种群p中的个体值求和并将结果作为参数来构建个体适应度函数；4.将个体适应度函数作为遗传算法中的适应度函数，对种群中的个体进行迭代运算，获得最佳分割图像的阈值g；5.在Vibe算法已检测出的前景点集合中应用阈值g并结合判决规则，最终得到符合规则的新前景点。本发明专利技术能够明显改善可见光下运动目标的检测效果。

Vibe moving object detection algorithm based on image segmentation

The invention discloses a Vibe moving object detection algorithm based on image segmentation, which mainly solves the problem that ghost is easy to appear when moving object detection is carried out in the prior art, and the detection effect is not ideal. The implementation scheme is as follows: 1. The first RGB image is processed into gray scale image; 2. The initial population P is randomly selected from the gray scale image, and all individuals in the population P are converted from decimal to binary; 3. The individual fitness function is constructed by summing the individual values in the population P and taking the results as parameters; 4. The individual fitness function is used as the fitness function in the genetic algorithm. The threshold g of the best segmented image is obtained by iterating the individuals in the population. 5. The threshold G is applied to the set of foreground points detected by Vibe algorithm and combined with the decision rules, and finally the new foreground points conforming to the rules are obtained. The invention can significantly improve the detection effect of moving targets under visible light.

【技术实现步骤摘要】
基于图像分割的Vibe运动目标检测算法
本专利技术属于图像处理
，进一步涉及运动目标检测，具体为一种基于图像分割的Vibe运动目标检测算法，可用于可见光静止背景下的运动目标实时检测。
技术介绍
运动目标检测是运动目标追踪、运动目标行为分析的基础，在智能视频监控系统中处于关键地位。现有的实时运动目标检测算法有高斯背景建模GMM、帧间差分法和基于光流技术的运动目标检测算法等。其中：高斯背景建模GMM是由Stauffer等人提出的经典的自适应背景建模方法，假设每个像素在时域上符合正态分布，则将在一定阈值范围内的像素判定为背景，并用其更新模型，不符合该分布的像素即为前景；该方法实时性较差，在处理运动速度较慢的物体时，提取效果欠佳。帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于多个运动目标和摄像机移动的情形。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，将其相减得到两帧图像亮度差的绝对值，判断该值是否大于阈值，分析视频或图像序列的运动特性，从而确定图像序列中有无物体运动。图像序列逐帧的差分，相当于对图像序列进行了时域下本文档来自技高网...

【技术保护点】
1.一种基于图像分割的Vibe运动目标检测算法，其特征在于，包括如下步骤：(1)将输入视频流的第一帧彩色RGB图像转为灰度图pic；(2)在灰度图pic中随机选取部分个体构造初始种群p，并将初始种群p中的每一个个体值从十进制转换到八位二进制；(3)按照如下步骤构造个体适应度函数fitness(1,i)：3a)对初始种群p中的所有个体值求和，得到求和结果csum；3b)根据下式计算初始种群p中第i个个体的阈值b(1,i)：b(1,i)＝csum*255/(28‑i)其中，psize为种群规模，1≤i≤psize；3c)遍历灰度图pic的每个像素点pic(x,y)，统计得到低于阈值b(1,i)像素...

【技术特征摘要】
1.一种基于图像分割的Vibe运动目标检测算法，其特征在于，包括如下步骤：(1)将输入视频流的第一帧彩色RGB图像转为灰度图pic；(2)在灰度图pic中随机选取部分个体构造初始种群p，并将初始种群p中的每一个个体值从十进制转换到八位二进制；(3)按照如下步骤构造个体适应度函数fitness(1,i)：3a)对初始种群p中的所有个体值求和，得到求和结果csum；3b)根据下式计算初始种群p中第i个个体的阈值b(1,i)：b(1,i)＝csum*255/(28-i)其中，psize为种群规模，1≤i≤psize；3c)遍历灰度图pic的每个像素点pic(x,y)，统计得到低于阈值b(1,i)像素点数的个数总和ll，及这些像素点数对应的像素值之和ls；统计得到高于阈值b(1,i)像素点数的个数总和hn，及这些像素点数对应的像素值之和hs，3d)根据步骤3c)的统计结果，分别获得低于阈值b(1,i)的像素平均灰度值low与高于阈值b(1,i)的像素平均灰度值high：3e)通过下式，计算得到个体适应度函数fitness(1,i)：fitness(1,i)＝|ll·hn(low-high)|；(4)将fitness(1,i)作为遗传算法中的适应度函数，对种群中的个体进行迭代运算，获得分割图像的最佳阈值g；(5)根据如下步骤，从输入视频流的第二帧开始，依次对输入视频流每帧的前景点进行检测，获取符合要求的点：5a)对当前帧的每个像素，分别取其周围的8个点构成该像素点的背景样本集sample(x,y)；5b)将当前帧内的每个像素点与其对应的sample(x,y)中的8个像素点分别计算欧拉距离l，并设欧拉距离l大于20的像素组对数为sum，且sum的初始值为0，进行如下处理：当l大于20时，对sum的取值加1；当l小于或等于20时，则不进行处理；5c)判断sum的值是否大于2，若是，则初步判定该点为前景点，反之则为背景点，从而得到当前帧内的前景点集合v(x,y)以及背景点集合b(x,y)，同时统计背景点个数count；5d)计算当前帧背景点的灰度平均值5e)通过比较灰度平均值与最佳阈值g的大小，对像素点进行归类，得到新前景点集合vv(x,y)、新背景点集合bb(x,y)以及需要剔除...

【专利技术属性】
技术研发人员：张文博，刘思成，姬红兵，李林，臧博，
申请(专利权)人：昆山智易知信息科技有限公司，陕西汇智易知信息科技有限公司，西安电子科技大学，
类型：发明
国别省市：江苏,32