水利工程复杂场景下的前景目标检测方法技术

本发明专利技术公开了一种水利工程复杂场景下的前景目标检测方法，S1，划定监测区域与图像降噪预处理；S2，图像背景建模与图形学运算处理；S3，采用累计的前景图像。本发明专利技术优点体现在以下方面：1、相较于传统人工巡查与单纯的视频监控，该方法能够有效的利用大量的监控设备与监控视频图像，降低了人工成本，提高了整体水利工程现场安全防护自动化水平。2、通过采用累计的前景图像，从一定程度上减少了环境噪声对前景目标检测结果的影响，减少了误报，提高了检测效率。

【技术实现步骤摘要】
水利工程复杂场景下的前景目标检测方法
本专利技术涉及水利工程检测方法，尤其是涉及水利工程复杂场景下的前景目标检测方法。
技术介绍
传统对水利工程现场的督查主要以人工为主，由于现场情况多变，使得巡查人工成本投入较大，且人工巡查费时费力容易出现疏漏，不能有效的对险情演变信息进行监控，工程安全预警工作存在严重的滞后与隐患。目前，部分地区采用了视频监控设备实现对水利工程实时监控和远程控制，以此来降低人工巡查成本，但没有对视频监控数据进行定量分析，只是进行简单的人工视频监控，这不仅浪费了视频数据资源，同样存在不能有效的对险情演变信息进行监控。在数字图像领域的概念中，图像可以分为背景区域和前景区域（运动区域），前景区域中可能包含大量的有用信息，比如山体崩塌、大堤垮坝、人员入侵等。因此，如何利用计算机视觉技术与数字图像处理技术，通过对水利工程现场视频的实时分析，检测当前被监测区域内物体运动状态，以判断当前被监测区域是否存在异常情况，是本领域技术人员研究的课题，但目前未见诸有关报道。
技术实现思路
本专利技术目的在于提供一种水利工程复杂场景下的前景目标检测方法。为实现上述目的，本专利技术采取下述技术方案：本专利技术所述水利工程复杂场景下的前景目标检测方法，包括下述步骤：S1，划定监测区域与图像降噪预处理：S11，获取所述划定监测区域的视频流第一帧图像，在所述第一帧图像上以鼠标点击的方式划定多边形区域，以所述多边形区域的外接矩形区域为监测区域；S12，为了降低图像传输中噪声的干扰，采用高斯滤波对视频流进行降噪处理，高斯滤波核元素采用3×3矩形，方差σ=0.1，均值μ=0；S2，图像背景建模与图形学运算处理：S21，图像背景建模：采用混合高斯模型进行背景建模，混合高斯模型检测的基本原理是：首先定义K个单高斯模型，在检测过程中，将待测像素依次带入K个单高斯分布中，若其中有一个满足高斯分布，认定该像素为背景像素；反之，认定为前景像素；上式中，为多个单高斯分布的加权组合，K为高斯模型的数量，为在t时刻第k个高斯模型的权值；为在t时刻第K个高斯分布的概率密度函数，为t时刻第k个高斯分布概率密度函数的均值与方差；将建立好的背景模型应用于后续视频流图像，对比计算得到前景二值图像，图像中像素值为255的视为前景像素，像素值为0的视为背景像素；S22，图形学运算处理：在实际应用环境中，混合高斯背景模型的前景区域往往不是完整连续的，经常会呈“碎片”形式出现，本专利技术采用闭运算对所述前景二值图像进行图形学运算处理，具体方法为：先对图像进行膨胀运算，膨胀算子为矩形3×3，然后再进行腐蚀运算，腐蚀算子为矩形3×3；在进行过图形学运算处理后，得到完整的前景区域；S3，采用累计的前景图像：S31，由于水利工程现场环境中的噪声具有随机性，即每次噪声出现位置都是随机且离散的，而真实的所述前景区域位置相对集中且连续；根据这种特点，采用将前景图像进行累加处理：将每帧的所述前景二值图像前景像素的值设为1，以30帧为一个处理周期，将一个所述处理周期内的处理后的前景二值图像相加，对相加后的前景二值图像进行阈值化计算，大于所述阈值t的像素设为255，否则设为0，得到累加前景二值图像；S32，闭运算去噪：对所述累加前景二值图像进行闭运算去噪处理，去除零星的图像噪点，处理方式为先进行腐蚀运算，腐蚀算子为矩形3×3，然后再进行膨胀运算，膨胀算子为3×3，得到最终的前景检测结果图像。S21中的K值设定为15，S31中的阈值t设定为3。本专利技术优点体现在以下方面：1、相较于传统人工巡查与单纯的视频监控，该技术能够有效的利用大量的监控设备视频资源，提高了整体水利工程现场安全防护自动化水平。2、采用混合高斯背景建模，设备算力要求低,兼备一定的抗噪能力，具有较好的实时性与实用性。3、通过使用累计的前景图像，从一定程度上减少了环境噪声对前景目标检测结果的影响，减少了误报，提高了模型前景检测效率。附图说明图1是本专利技术的流程图。具体实施方式下面结合附图对本专利技术的实施例作详细说明，本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述实施例。如图1所示，本专利技术所述水利工程复杂场景下的前景目标检测方法，包括下述步骤：S1，划定监测区域与图像降噪预处理：S11，获取所述划定监测区域的视频流第一帧图像，在所述第一帧图像上以鼠标点击的方式划定多边形区域，以所述多边形区域的外接矩形区域为监测区域；S12，为了降低图像传输中噪声的干扰，采用高斯滤波对视频流进行降噪处理，高斯滤波核元素采用3×3矩形，方差σ=0.1，均值μ=0；S2，图像背景建模与图形学运算处理：S21，图像背景建模：采用混合高斯模型进行背景建模，混合高斯模型检测的基本原理是：首先定义K个单高斯模型，在检测过程中，将待测像素依次带入K个单高斯分布中，若其中有一个满足高斯分布，认定该像素为背景像素；反之，认定为前景像素；上式中，为多个单高斯分布的加权组合,K为高斯模型的数量，K值设定为15，为在t时刻第k个高斯模型的权值；为在t时刻第K个高斯分布的概率密度函数，为t时刻第k个高斯分布概率密度函数的均值与方差；将建立好的背景模型应用于后续视频流图像，对比计算得到前景二值图像，图像中像素值为255的视为前景像素，像素值为0的视为背景像素；S22，图形学运算处理：在实际应用环境中，混合高斯背景模型的前景区域往往不是完整连续的，经常会呈“碎片”形式出现，这里采用闭运算对所述前景二值图像进行图形学运算处理，具体方法为：先对图像进行膨胀运算，膨胀算子为矩形3×3，然后再进行腐蚀运算，腐蚀算子为矩形3×3；在进行过图形学运算处理后，得到完整的前景区域；S3，采用累计的前景图像：S31，由于水利工程现场环境中的噪声具有随机性，即每次噪声出现位置都是随机且离散的，而真实的所述前景区域位置相对集中且连续；根据这种特点，采用将前景图像进行累加处理：将每帧的所述前景二值图像前景像素的值设为1，以30帧为一个处理周期，将一个所述处理周期内的处理后的前景二值图像相加，对相加后的前景二值图像进行阈值化计算，阈值t设定为3，大于所述阈值t的像素设为255，否则设为0，得到累加前景二值图像；S32，闭运算去噪：对所述累加前景二值图像进行闭运算去噪处理，去除零星的图像噪点，处理方式为先进行腐蚀运算，腐蚀算子为矩形3×3，然后再进行膨胀运算，膨胀算子为3×3，得到最终的前景检测结果图像。本文档来自技高网...

【技术保护点】
1.一种水利工程复杂场景下的前景目标检测方法，其特征在于：包括下述步骤：/nS1，划定监测区域与图像降噪预处理：/nS11，获取所述划定监测区域的视频流第一帧图像，在所述第一帧图像上以鼠标点击的方式划定多边形区域，以所述多边形区域的外接矩形区域为监测区域；/nS12，为了降低图像传输中噪声的干扰，采用高斯滤波对所述视频流进行降噪处理，高斯滤波核元素采用3×3矩形，方差σ=0.1，均值μ=0；/nS2，图像背景建模与图形学运算处理：/nS21，图像背景建模：采用混合高斯模型进行背景建模，混合高斯模型检测的基本原理是：首先定义K个单高斯模型，在检测过程中，将待测像素依次带入K个单高斯分布中，若其中有一个满足高斯分布，认定该像素为背景像素；反之，认定为前景像素；/n

【技术特征摘要】
1.一种水利工程复杂场景下的前景目标检测方法，其特征在于：包括下述步骤：
S1，划定监测区域与图像降噪预处理：
S11，获取所述划定监测区域的视频流第一帧图像，在所述第一帧图像上以鼠标点击的方式划定多边形区域，以所述多边形区域的外接矩形区域为监测区域；
S12，为了降低图像传输中噪声的干扰，采用高斯滤波对所述视频流进行降噪处理，高斯滤波核元素采用3×3矩形，方差σ=0.1，均值μ=0；
S2，图像背景建模与图形学运算处理：
S21，图像背景建模：采用混合高斯模型进行背景建模，混合高斯模型检测的基本原理是：首先定义K个单高斯模型，在检测过程中，将待测像素依次带入K个单高斯分布中，若其中有一个满足高斯分布，认定该像素为背景像素；反之，认定为前景像素；



上式中，为多个单高斯分布的加权组合，K为高斯模型的数量，为在t时刻第k个高斯模型的权值；为在t时刻第K个高斯分布的概率密度函数，为t时刻第k个高斯分布概率密度函数的均值与方差；将建立好的背景模型应用于后续视频流图像，对比计算得到前...

【专利技术属性】
技术研发人员：安新代，宋克峰，李毅男，谢向文，聂海滨，
申请(专利权)人：黄河勘测规划设计研究院有限公司，
类型：发明
国别省市：河南;41