[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

说明书

技术领域

本发明涉及视频图像处理领域，特别是一种视频运动目标检测方法。

背景技术

视频监控对于个人和公共安全是一种十分有效的手段。它通过摄像机将拍摄到的视频数据进行处理，能够使相关人员实时监控一些重要的区域场所。智能视频监控一般包括运动目标检测、目标跟踪、目标分类识别和行为分析等。所以运动目标检测是实现智能视频监控的基础，运动目标检测结果的质量将直接影响后续的处理分析。

一般运动目标检测技术是基于检测图像像素的变化。常用的运动目标检测方法有光流法、背景差分法和相邻帧差法。光流法对噪声十分敏感且计算复杂，很难实现实时处理。背景差分法对光照、天气等外界条件的变化比较敏感。基于混合高斯模型的背景差分法为每个像素建立多个高斯模型，能够提高对环境变化的适应性，但是收敛速度较慢，对于突然变化的物体会产生运动物体留下的“影子”。相邻帧差法利用相邻帧间的差异进行目标检测，算法简单且实时性好,但是会产生物体内部空洞问题。

发明内容

本发明克服现有技术的缺点，提出了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，结合两种方法的优点，既缓解了相邻帧差法产生的空洞问题，也消除了背景物体突然转为运动物体后产生的“影子”问题，可对检测区进行准确、实时的运动目标检测。

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，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）对当前帧利用改进的相邻帧差法划分为临时运动区域和临时背景区域；

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；

4）不同区域内的高斯模型进行不同的更新；

5）根据3）中产生的区域确定最后运动目标区域；

所述步骤2）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：

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权重系数就越大，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

r的值与相邻两帧相同坐标的像素点的梯度差别有关系，梯度相差越大，r的值也越大；

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

e）把新的帧差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和其内部空洞区域；

所述步骤3）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Xt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