[发明专利]一种结合相邻帧差法和混合高斯模型的运动目标检测方法

权利要求书

1.一种结合相邻帧差法和混合高斯模型的运动目标检测方法，其特征为，包括以下步骤：

1)获取图像序列，包括当前帧和前一帧图像；

2)对当前帧利用相邻帧差法划分为临时运动区域和临时背景区域；包括：

a)将当前帧和前一帧相减取绝对值，设f_k(x,y)和f_k+1(x,y)分别表示前一帧和当前帧中坐标点(x,y)的像素值，计算它们的差分结果d_x(x,y)：

d_k(x,y)＝|f_k+1(x,y)-f_k(x,y)|

b)计算当前帧的像素点在M×M窗口中的梯度值Grad_k(x,y)，当M＝5：

$\begin{array}{c}{\mathrm{Grad}}_k(x,y)=\underset{i=-2}{\overset{2}{\Σ}}\underset{j=-2}{\overset{2}{\Σ}}\left(\right|f_k\left(x+i,y+j+1\right)-f_k\left(x+i,y+j\right)\left|\right)\\ +\underset{i=-2}{\overset{2}{\Σ}}\underset{j=-2}{\overset{2}{\Σ}}\left(\right|f_k\left(x+i+1,y+j\right)-f_k\left(x+i,y+j\right)\left|\right)\end{array}$

c)比较相邻两帧相同坐标位置像素的梯度值，梯度相差越大在计算帧差时的梯度系数就越大，令r表示梯度系数，Fd_k(x,y)表示引入梯度系数的帧差值，计算Fd_k(x,y)：

Fd_k(x,y)＝d_k(x,y)×r

d)将Fd_k(x,y)与前J帧的帧差值进行排序，将中间的值作为新的帧差值Fd_k’(x，y)；

e)把新的帧差值Fd_k’(x，y)与阈值T进行比较，如果大于阈值则把该点标为1，如果小于阈值则标为0；

f)对阈值化以后的二值图像进行连通分量处理，通过连通分量处理后图像被分为临时运动区域a_fg和临时背景区域a_bg，其中a_fg包括相邻帧差法计算出的运动物体区域和其内部空洞区域；

3)对2)中产生的2个区域分别用混合高斯模型进行匹配，根据匹配结果再分成不同的区域；包括：

g)混合高斯模型中包含N个高斯模型，对于第i个高斯模型，在t时刻其参数包括：平均值μ_i，t、方差和权重w_i,t，参数在第一帧图像时设定初值；

h)对于像素值为X_t的像素点，判断其与某个高斯模型匹配的条件是：

|X_t-μ_i,t-1|＜2.5σ_i,t-1

如果满足这个条件则该高斯模型与像素点匹配，如果不满足则没有匹配上，把高斯模型按照的大小顺序进行排序，排名前B个的高斯模型作为背景模型；对a_fg和a_bg区域像素点分别进行混合高斯模型匹配，其中a_fg为临时运动区域和a_bg为临时背景区域，根据匹配结果把图像分为4个区域：①a_fg内匹配上的区域a_fgm，②a_fg内没有匹配上的区域a_fgu，③a_bg内匹配上的区域a_bgm，④a_bg内没有匹配上的区域a_bgu；

4)不同区域内的高斯模型进行不同的更新；包括：

i)a_fgm区域内高斯模型的更新：

w_i,t＝(1-α)w_i,t-1+αM_i,t

μ_i,t＝(1-ρ)μ_i,t-1+M_i,tρX_t+ρμ_i,t-1(1-M_i,t)

${\mathrm{\σ}}_{i,t}^2=(1-\mathrm{\ρ}){\mathrm{\σ}}_{i,t-1}^2+M_{i,t}\mathrm{\ρ}{(X_t-{\mathrm{\μ}}_{i,t})}^T(X_t-{\mathrm{\μ}}_{i,t})+(1-M_{i,t}){\mathrm{\ρ\σ}}_{i,t-1}^2$

其中，α为参数更新率，这里0.1，w_i,t、μ_i,t和分别为第i个高斯模型在t时刻的权重、平均值和方差，M_i,t的值与第i个高斯模型在t时刻是否与像素点匹配有关，如果匹配取1，不匹配取0；

j)a_fgu区域内的高斯模型不更新，也不建立新的高斯模型；

k)a_bgm区域内高斯模型更新方法和i)中类似，不同的是参数更新率α取0.01；

l)a_bgu区域内除了权重最小的高斯模型之外，其余均按照i)中的公式进行更新，参数更新率α取0.01；新建一个高斯模型来替代权重最小的模型，新建的高斯模型的参数设置为：均值μ_t取当前的像素值X_t，方差σ_t取一个比较小的值，权重w_t取值较大使得归一化以后该新建模型排名较高；

5)根据3)中产生的区域确定最后运动目标区域；包括：m)综合考虑f)中计算出的临时运动区域a_fg和a_fgu区域，重新进行连通分量处理后确定最终的运动目标区域。