[发明专利]一种在图像中识别物体的方法

权利要求书

1.一种在图像中识别物体的方法，包括以下步骤：

（一）：读取图像或视频序列，进行运动目标检测，提取出前景图像；

（二）：分析所提取的前景图像的颜色特征，分离前景区域中各颜色连通区域，得到对象结构；

（三）：对结构部分通过矩不变量映射到特征空间，根据概率模型进行分类，若符合已知结构，则识别为该物体。

2.根据权利要求1的方法，其中所述进行运动目标检测，提取出前景图像包括：依次运用高斯滤波方法、背景建模检测运动目标法和形态学滤波法进行图像处理，进而提取出前景图像。

3.根据权利要求2的方法，其中所述高斯滤波方法利用前背景分离的混合高斯模型，该混合高斯模型由以下过程形成：

令Q_m表示在RGB空间中在任意时刻m在x点的色彩向量；

在读取图像一定帧数时，对图像进行背景建模；

令高斯混合分布模拟之前的观测为{Q₁,...,Q_n}

P(Qn)=Σd=1Dη(Qn|ud,n,Σd,n)]]>

其中D表示的是混合高斯分布的维数，μ_d,n表示n时刻像素点对应的混合模型中第d个高斯分布的均值，Σ_d,n表示n时刻像素点对应的混合模型中第d个高斯分布的均值协方差矩阵，η表示的是高斯概率密度函数，其定义为：

η(Q|μ,Σ)=1(2π)n2|Σ|12l-12(Q-μ)TΣ-1(Q-μ);]]>

取D=3，假设RGB三颜色分量相互独立且具有相同的方差，即：

其中I是3*3的单位矩阵

根据像素的观测值来匹配高斯模型，利用当前观测值Q_i对高斯分布进行自适应实时更新，具体为：时刻n,在D个高斯分布中，若不存在观测值Q_i的匹配，则以Q_i为均值，增加一个方差较大的高斯分布，用于替换权重较小的高斯分布，如果存在观测值Q_i的匹配，则用下面的公式进行更新：

μd,n=(1-c)μd,n-1+cQnσd,n2=(1-c)σd,n-12+c(Qn-μd,n)T(Qn-μd,n)]]>

c＝η(Q_n|μ_d,n,Σ_d,n)；

如果不匹配，均值和协方差矩阵式保持不变，如果发生匹配，重新调整第d个高斯分布的均值和标准差，得到n时刻的匹配高斯的均值向量和标准差。