[发明专利]一种基于改进的混合高斯背景模型的实时运动目标检测方法

说明书

技术领域

本发明涉及一种实时运动目标检测算法，特别是涉及一种适合安防级别较高的应用场合，基于视频图像的运动目标检测方法。

背景技术

随着计算机视觉技术的发展与硬件设备的升级，一些安防级别较高的应用场合对计算机智能视频监控提出了更高的要求，如博物馆、银行、核电站、军事防区等。这些区域往往禁止敏感的人或车等运动目标进入，因此，要对非法入侵的目标进行准确、及时的检测与报警。

目前，基于视频图像序列的主流运动目标检测方法是采用基于混合高斯背景建模的背景减除法来提取包含运动目标的前景图像。但这一方法由于方法本身的特性决定了在解决如下问题时会遇到瓶颈：

1、当感兴趣运动目标在监控区域中静止一段时间后，由于背景更新会融入背景中，导致运动目标丢失、跟踪失败，而且单纯依靠修改算法更新率不能很好的解决这一问题；

2、当静止一段时间的感兴趣目标再次运动后，会导致运动目标失真和目标的误检；

本发明提出一种基于改进的自适应背景模型的运动目标检测方法，适合安防级别较高的监控区域的智能视频监控系统，能准确对防区内的运动目标做出检测与报警。

发明内容

为了有效解决传统的基于背景建模的运动目标检测方法的静止目标易漏检、失真、误检，以及无法将重合运动目标分开瓶颈问题，本发明提供一种基于改进的混合高斯背景模型的实时运动目标检测方法。

本发明所采用的技术方案是：一种基于改进的混合高斯背景模型的实时运动目标检测方法，改进了传统混合高斯建模算法，克服了运动目标静止造成的目标检测丢失、失真、误检，具体步骤为：

(1)初始化“K+1”混合高斯背景模型。传统混合高斯模型采用K(K取3～5)个高斯模型来描述背景，此处添加1个高斯模型用于存放被静止目标像素所遮挡的真实背景高斯模型，作为临时背景模型。为每个高斯模型设定均值μ₀，标准差σ₀，权重ω₀以及相关的阈值参数。

(2)当前帧中的每一像素与对应的K个混合高斯模型进行匹配，更新混合高斯模型集合，对权重进行归一化，按照集合中的各个模型的权重对模型进行降序排序，如果在排序过程中，权重次大的模型与权重最大的模型发生交换，说明当前静止目标像素对应的高斯模型与背景对应的高斯模型发生交换，若①此时不存在临时背景模型，即置存在临时模型标志HasTempModel为FALSE，则将先前权重最大的高斯模型保存在那“1”个高斯模型中，并将HasTempModel标志置为TRUE；②如果此时存在临时背景模型，即HasTempModel标志为TRUE，则说明背景对应的模型重新成为权重最高的高斯模型，则将其HasTempModel标志为FALSE，表示对应高斯模型集合中不存在临时背景模型。临时背景模型将在提取前景图像时使用。

(3)前景图像生成。将前景图像对应像素值置为255，①若当前图像的像素与对应高斯模型中权重最大的匹配上，则将对应像素值置为0，若此时存在临时模型，即HasTempModel标志为TRUE，且该像素没有和临时背景模型匹配上，则将前景图像中该位置像素值置为255，表示当前像素是前景像素；否则置为0；②若当前图像的像素与权重最大的高斯模型没有匹配上，此时，如果存在临时背景模型，且当前像素和临时背景模型匹配上，则将情景图像中该位置像素置为0，表示当前像素是背景像素，如果当前背景模型中的其他模型匹配上，且权重最大的权重小于给定阈值T₀，也将该位置前景图像像素值置为0。

(4)重复(2)～(3)过程，得到完整的前景图像和更新后的背景模型。

附图说明

图1是本发明的算法原理示意图

图2是本发明的算法流程图

具体实施方式

下面结合附图和实施方式对本发明进一步说明。

(1)初始化“K+1”背景模型。参考图1，本发明采用“5+1”(K＝5)混合高斯模型来对每个像素背景进行建模。高斯模型像素基元表示针对某一像素所建立的一个高斯模型，包含权重ω、均值μ、标准差σ、模型序号等参数。当获取第一帧图像，并对其分辨率指定为固定格式(考虑到实时性，本发明采用CIF格式)后，对图像建立背景模型。对于图像中每个像素，将其对应的5个高斯模型的均值μ初始化为该像素RGB值，标准差初始化为15，序号为0的高斯模型权重ω初始化为1.0，其它模型权重初始为0.0。将“1”个临时背景高斯模型T初始化为空，即ω＝0.0，μ＝(0，0，0)，σ＝0。