[发明专利]一种基于混合高斯模型的运动目标检测方法

说明书

技术领域

本发明属于数字图像处理技术领域，具体涉及一种改进的基于混合高斯模型的运动目标检测方法。

背景技术

运动目标检测是指从图像序列中将变化区域从背景中分割出来。传统的运动目标检测主要有光流法、相邻帧差法、背景减法等。其中，背景减法是目前研究最多的一种运动目标检测和分割方法，也是一种被广泛运用于智能视频监控技术的方法。背景减法主要包括背景模型建立、背景模型更新、背景差分和后处理等步骤，其具有方法简单、易于实现、能提供比较完整的运动目标的特征数据、具有较好的检测效果等优点。但是，背景减法是基于固定、静态的背景，然而实际环境总是复杂多变的，动态背景（光照变化、背景扰动以及摄像头的轻微抖动等）会影响运动目标检测的灵敏度和正确率。背景减法的关键是背景模型的建立，混合高斯背景模型算法复杂度低、步骤简单，能够满足动态实时背景的要求。提取初始背景帧是背景建模中的关键一环，背景帧提取的好坏直接影响到运动目标检测的准确度，关系到进一步分析视频图像信息的可靠性。另外，在进行运动目标检测时，由于运动目标的阴影特性与背景截然不同，而阴影与运动目标却有相同的运动特征，导致运动目标检测时常常将阴影错误地理解为运动目标，阴影的存在使得物体的分割以及物体的形状和颜色都受到了很大的影响。

发明内容  

本发明的目的是提供一种改进的基于混合高斯模型的运动目标检测方法，该方法以混合高斯背景模型为基础，采用结合中值法和众数法的改进方法(MEAMO方法)对其在初始背景帧提取时存在的不足进行改进；同时结合混合高斯阴影模型进行阴影检测和去除；该方法能够适应动态背景扰动和光照变化影响的，能实时进行更新，有效去除阴影，同时具有很好的鲁棒性。

本发明的技术方案是：一种基于混合高斯模型的运动目标检测方法，其步骤包括：S1：采集视频帧；S2：提取初始背景帧，进行背景模型的初始化，建立HSV分量模型；S3：当前帧跟背景帧相差分，得前景帧；S4：对所得到的前景帧进行二值化处理；S5：根据所述步骤S3的前景帧，引入更新因子更新混合高斯背景模型的权值、均值和方差；S6：利用Jeffrey值判断是否为运动目标前景；S7：利用混合高斯阴影模型去除所述运动目标前景的阴影。

所述步骤S2的具体步骤为：

S201：采用MEMAO方法提取初始背景帧；

S202：对每一个像素建立其一段时间内采样直方图，并对直方图进行滤波处理；

S203：获取滤波后的直方图的尖峰所在位置；

S204：对步骤S203中每个尖峰所对应的高斯分布的参数进行初始化；

S205： 建立HSV模型。

所述步骤S203的具体步骤为：

通过直方图的一阶差分获取直方图中所有波峰波谷的位置，对所得的波峰进行筛选，若                                                ，则该波峰所在的位置为尖峰的位置,其中是常数。

本发明的有益效果是：采用结合中值法和众数法的改进方法(MEAMO方法)对其在初始背景帧提取时存在的不足进行改进；同时结合混合高斯阴影模型进行阴影检测和去除；实现了一个能够适应背景场景轻微扰动和环境光照影响、实时更新的、阴影去除的、鲁棒的目标检测算法。采用这种方法可以克服把混合高斯模型运用到交通智能视频监控时存在的不足之处，有效提高了运动目标检测的灵敏度和正确率。

附图说明

图1是改进的基于混合高斯模型的运动目标检测算法流程图；

图2是视频采集的流程图；

图3是改进的混合高斯背景模型建立及初始化的流程图。

具体实施方式

本发明的改进的基于混合高斯模型的运动目标检测算法如图1所示，其具体步骤如下：

步骤S1为采集视频帧，该步骤采用的硬件设备包括CCD摄像机、DSP数字信号处理器和PC机，DSP数字信号处理器的一端连接CCD摄像机，另一端连接PC机。视频采集的流程如图2所示，其详细步骤如下：

步骤S101，通过CCD摄像头采集视频帧；

步骤S102，将采集的视频帧序列数据进行模数转换；

步骤S103，将转换得到的视频帧序列向DSP申请缓冲空间并入队列；

步骤S104，读取缓冲区中的视频帧序列。

步骤S2为提取初始背景帧，进行背景模型的初始化，建立HSV分量模型，该流程如图3所示，其详细的步骤如下：

步骤S201，采用MEMAO方法提取初始背景帧。