一种针对移动摄像机的背景减除方法技术

本发明专利技术公开了一种针对移动摄像机的背景减除方法，针对传统的通过构建全景背景模型来实现动态背景减除的方法而导致的运算速度慢、内存占用大与匹配误差等问题，本发明专利技术提出一种基于改进后的时空高斯模型的非全景背景模型。通过将当前视频帧图像划分为重叠区与新增区，重叠区内实现运动目标的提取，新增区用来构建并更新背景模型。本发明专利技术实时性好，运行速度快，对光照的变化和相机快速移动具有良好的适应性，能够很好的实现从动态背景中提取前景目标。

【技术实现步骤摘要】

本专利技术涉及视频监控领域，尤其涉及一种针对摄像机运动情况下的运动目标的检测方法。
技术介绍
智能监控是计算机视觉的一个重要应用，其广泛应用于生产管理、保安等场合，成为金融、交通、商业、国防乃至住宅区等领域安全防范监控的重要手段。背景减除是计算机视觉领域的一个重要问题，是实现智能监控系统的基础。传统的背景减除方法都是通过建立统计学背景模型，然后找出那些与背景模型性质不同的部分来实现运动物体的提取。然而这些方法仅仅局限于静止的摄像机摄像机不能移动(甚至是微小的机械振动也会带来较大的误差)，因此其视场是有限的，对于大面积场景的监控只能通过增加摄像机的数目来实现，系统的开销与维护成本高。同时对于一些移动摄像头监控的应用情况，例如机器人的视觉，汽车的盲区监测等，则不适用。因此，对于移动摄像机的背景减除方法的研究显得尤为重要。实现针对移动摄像机背景减除的典型方法，如Statisticalbackgroundsubtraction for a mobile observer (针对移动观察者的统计学背景减除方法)，Realtime foreground object detection usi本文档来自技高网...

【技术保护点】
一种针对移动摄像机的背景减除方法，其特征在于，该方法包括以下步骤：（1）用移动的视频监控摄像头采集环境图像与含有前景目标的图像；（2）将步骤1中得到的第一帧环境图像作为初始背景图像，对初始背景图像中每个像素进行单高斯分布建模，得到背景模型；利用KLT（Kanade?Lucas?Tomasi）方法从背景模型得到可信度较高的背景特征点，然后在当前视频帧图像中找到这些背景特征点的对应点。利用二者之间的关系得到摄像机的变换模型H，实现摄像机运动估计；（3）将步骤2中得到的背景模型与当前视频帧图像进行高斯差分滤波；再将经过高斯差分滤波后的背景模型与步骤2的摄像机的变换模型H相乘后，通过图像卷绕实现当前视...

【技术特征摘要】
1.一种针对移动摄像机的背景减除方法，其特征在于，该方法包括以下步骤: (1)用移动的视频监控摄像头采集环境图像与含有前景目标的图像； (2)将步骤I中得到的第一帧环境图像作为初始背景图像，对初始背景图像中每个像素进行单高斯分布建模，得到背景模型；利用KLT (Kanade-Lucas-Tomasi)方法从背景模型得到可信度较高的背景特征点，然后在当前视频帧图像中找到这些背景特征点的对应点。利用二者之间的关系得到摄像机的变换模型H，实现摄像机运动估计； (3)将步骤2中得到的背景模型与当前视频帧图像进行高斯差分滤波；再将经过高斯差分滤波后的背景模型与步骤2的摄像机的变换模型H相乘后，通过图像卷绕实现当前视频帧图像重叠区与新增区划分； (4)在步骤3得到的重叠区，分别标记前景像素与背景像素，实现前景目标的提取并得到背景区域； (5)将步骤3中新增区与步骤4中得到的背景区域，直接用来构建并更新背景模型； (6)后处理:对经过步骤1-5处理后的视频帧图像进行阈值化、形态学处理等获得前景目标二值图像； (7)输出每帧输入视频图像对应的只包含运动目标的二值图像。2.根据权利要求1所述的针对移动...

【专利技术属性】
技术研发人员：周泓，杨思思，陈益如，
申请(专利权)人：浙江大学，
类型：发明
国别省市：