基于混合高斯模型的深度学习融合场面目标检测方法技术

本发明专利技术公开了一种基于混合高斯模型的深度学习融合场面目标检测方法，步骤如下：采用混合高斯模型对机场场面实时运行的监控视频帧序列进行连续适应，获取静态场面背景帧图像；采用RGB至YUV颜色空间转换，滤除静态场面前景图像中阴影部分，分离出运动目标；使混合高斯模型对场面运动目标检测灵敏度能够适应其具体应用的实时视频监控画面；判断所述YOLO基准检测模型是否符合检测召回率、检测准确率的指标要求；若不符合则继续判断直至符合指标要求；使用融合目标检测算法得到最终的检测结果。本发明专利技术将运动目标检测算法与深度学习方法结合，提高机场场面目标识别的准确性和鲁棒性，以实现精准获取场面目标并进行冲突预警管理的目的。理的目的。理的目的。

【技术实现步骤摘要】
基于混合高斯模型的深度学习融合场面目标检测方法


[0001]本专利技术属于机场场面目标检测识别
，具体涉及一种基于混合高斯模型的深度学习融合场面目标检测方法。

技术介绍

[0002]随着国内民航市场的蓬勃发展，各机场的负载日益增加，场面上运行目标多种多样，对场面运行安全，冲突预警提出了更高的要求。对场面上目标进行检测识别是保障运行安全预防冲突的必要手段。
[0003]近年来基于视频图像的目标检测方法迅速发展，通过光学传感器获取场面上实时的视频序列，并对其中的运动目标进行识别，进而完成冲突预警，保障运行安全。与传统的场面目标主动监视手段相比，基于视频图像的目标检测方法具有高效、快速、成本低廉等特点。机场场面目标识别要求检测算法具备高鲁棒性，对场面上任何异常、动态和静态目标种类均需要准确识别。
[0004]现有技术对图像中运动目标提取主要分两种：一种是基于传统的计算机视觉方法，如帧差法、光流法、背景减除法等。传统方法从统计角度出发，得到图像序列或视频帧中的背景和运动前景，具有识别率高，目标识别不受种类限制等特点；另一种是基于深本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合高斯模型的深度学习融合场面目标检测方法，其特征在于，步骤如下：1)采用混合高斯模型对机场场面实时运行的监控视频帧序列进行连续适应，获取静态场面背景帧图像；2)采用RGB至YUV颜色空间转换，通过设定筛选方法，滤除静态场面前景图像中阴影部分，分离出运动目标；3)根据YUV色彩空间中局部明度通道与场面运动目标的运动拟合关系，设定混合高斯模型帧差间隔n，使混合高斯模型对场面运动目标检测灵敏度能够适应其具体应用的实时视频监控画面；4)使用混合高斯模型，对实时监控视频进行检测，检测出场面运动目标集合，添加标注信息，作为基于深度学习方法YOLO的基础训练集，训练得出YOLO基准检测模型，判断所述YOLO基准检测模型是否符合检测召回率、检测准确率的指标要求；若不符合则重复步骤4)直至符合指标要求；5)使用融合目标检测算法得到最终的检测结果。2.根据权利要求1所述的基于混合高斯模型的深度学习融合场面目标检测方法，其特征在于，所述步骤1)具体包括：采用混合高斯模型从机场场面监控视频帧序列的第一张图像开始，作为背景，对后续图像做连续适应，以得到准确的静态场面背景帧图像；混合高斯模型定义如下：其中，表示随机变量x向量的概率密度函数，XT为图像矩阵，T为周期，BG为背景，FG为前景；表示第m个高斯分布的权重，满足总和为1；N(x)表示第m个随机变量x向量服从高斯分布，其均值为标准差为I表示对角线为1的单位矩阵；参数算法在周期T内的如下所示：其中，α为更新系数，为更新率，即每周期更新1/T；为新的样本，m初始值为1，从第一张图像开始，作为背景并对后续图像做适应；步骤如下：11)读取视频帧：从视频中读取每一个帧作为输入数据；12)建立混合高斯模型：对于每个像素点，将RGB三个通道的值作为一个向量，用混合高斯模型对向量进行建模；在建模过程中，设置混合高斯模型中高斯分布的数量，以及初始化每个分布的均值、方差和权重；13)更新混合高斯模型：对于当前帧中的每个像素点，计算其与每个高斯分布的距离，并选择距离最小的分布作为其类别；根据当前像素点的类别，更新对应的高斯分布的均值、方差和权重；
14)筛选静态背景：通过判断每个像素点的类别是否稳定，来筛选出视频的静态背景部分；设定一个阈值，当某个像素点的类别在连续的多帧中保持不变时，则认为属于静态背景；15)生成背景图像：对于所有被筛选出的静态背景像素点，使用其在前几帧中的值的平均值或中位数作为背景图像的像素值。3.根据权利要求2所述的基于混合高斯模型的深度学习融合场面目标检测方法，其特征在于，所述步骤2)具体包括：将静态场面的监控视频帧从RGB空间转换至YUV空间，分析阴影区域具备以下特征：a.阴影区域中的像素明度低于背景像素和目标像素区域的明度；b.阴影区域中的色度与背景像素色相等；c.阴影区域中的像素和背景区域像素边界之间的梯度差小，而目标区域与背景区域边界之间的梯度差大；根据上述a、b、c三个特征，根据混合高斯模型分离生成静态背景图，即公式(1)中的BG分量；对当前帧与背景帧做差分计算：FG＝X
T
‑
BG
ꢀꢀꢀꢀꢀꢀꢀ
(3)得到前景图像FG，计算前景图像中明度通道、色度通道和梯度差，通过与阴影区和非阴影区的阈值进行比较，判断出阴影区域，结合边缘检测，消除阴影区域。4.根据权利要求1所述的基于混合高斯模型的深度学习融合场面目标检测方法，其特征在于，所述步骤2)详细描述为以下步骤：21)RGB至YUV转换：将每一个像素点的RGB值转换为对应的YUV值，其中Y表示亮度，U和V表示色度；22)筛选阴影部分：根据场景特点和需求，设定阈值来筛选出图...

【专利技术属性】
技术研发人员：王林，严璐，刘雪，顾昕，吴越韬，程龙昊，
申请(专利权)人：南京莱斯信息技术股份有限公司，
类型：发明
国别省市：