[发明专利]一种基于随机更新策略的全景式运动目标监视方法

说明书

技术领域

本发明主要涉及运动目标监视方法领域。涉及一种基于随机更新策略的全景式运动目标监视方法。

背景技术

在智能视频监控、智能交通控制等项目中，运动目标检测是其中一项核心技术。如1997年卡梅隆大学、麻省理工学院等院校参与的视觉监控重大项目VSAM(Visual Surveillance And Monitoring)，主要研究用于战场和普通民用环境的自动视频理解技术；1999年马里兰大学开发的W4系统；2004年IBM开发的Smart系统。常见的运动目标监视方法有：(1)帧差分法：利用视频序列中连续两帧或几帧图像间的差异进行运动目标检测，帧差分法计算简单，实时性好，但不能完整提取运动目标信息，无法得到运动目标轮廓，运动目标内部容易产生空洞现象。(2)背景差分法：利用当前视频帧与已有的背景帧作比较，得到的不同部分作为运动目标的信息，最简单的背景建模方法就是将第一帧空场景的图像直接作为背景帧，这种方法不能适应场景的环境变化，容易导致错误的分割。(3)中(均)值滤波法：建立一个视频流滑窗来缓存L帧视频图像，然后把缓存中所有视频帧同位置像素平均值或中值作为背景来该处的值。一种改进的方法就是滑动平均算法(running average)，其核心想法就是引入一个学习率a来体现背景图像对场景变化的响应，a通常取值0.003～0.05，a越小，则前景的变化越不会影响背景；其优点是计算量少，但是不适宜大且速度慢的运动目标，易产生空洞现象。(4)混合高斯法：基本思想是用混合高斯模型描述像素过程，根据混合高斯模型的权值和方差，来决定哪个高斯分布对应背景颜色，不符合背景分布的像素被认为是运动目标；当这个像素满足的分布有充足、连续的证据支持时，再将其纳入到背景中去，它的优点是能够适应环境的变化，但是只能适应背景的缓慢变化并对其更新，当背景发生突然变化时，该方法不能及时更新背景，从而导致检测出现错误。而且该方法编程较为复杂，不易实现。

另外，现有的现场监视一般针对某一角度的现场，而非全景式的现场监视，某一角度的现场具有多个不足，一是容易漏掉许多信息，监视效率不高，另外，如果要对尽可能大的范围进行监视，需要超广角镜头，因此在监视时需要考虑超广角镜头带来的图像畸变，为目标监视带来诸多不便。

发明内容

本发明所有解决的技术问题是提供一种基于随机策略进行目标检测的方法，该方法利用了像素点的灰度信息、空间及时间信息，从而能够有效减少计算复杂度及内存消耗，能够有效提高运动目标检测精度，对场景中光照变化、背景变化、运动目标引起场景变化等有较强适应性。

本发明的技术构思在于采用全景式视频，并通过视频序列第一帧完成背景模型的建立及快速初始化，建立特定的运动点与背景点判定准则；在背景模型更新过程中包括对当前像素点及其邻域像素点的样本序列的随机更新。

发明的技术方案如下：

一种基于随机更新策略的全景式运动目标监视方法，包括以下步骤：

步骤1：获取全景式视频帧；

通过4台摄像机分别获取现场4个方向像场的视频；将4段视频在任一时刻对应的视屏帧拼接成全景视屏帧；

4台摄像机均设置在同一个支架上，4台摄像机中的第一摄像机与第二摄像机镜头方向垂直，4台摄像机中的第三摄像机与第四摄像机镜头方向垂直，且第一摄像机与第三摄像机的镜头方向相反，第二摄像机与第四摄像机的镜头方向相反；

步骤2：为全景视频帧中的每一个像素点建立一个基于灰度值特征的数据序列{s_i(a，b)|i＝1，.....N}，建立全景视频帧的背景模型；其中，每一个元素s_i(a，b)用于储存图像灰度值，N＝20；