[发明专利]基于多尺度码本模型的红外运动目标检测方法

说明书

技术领域

本发明涉及一种目标检测领域的方法，特别是一种基于红外运动目标检测的检测方法。

背景技术

红外运动目标检测具有红外成像技术抗干扰能力较强、隐蔽性良好和全天候工作等特点，在军事和民用领域都有着广泛的应用。但是通常在实际应用中，红外目标的背景是复杂多变的，这使得红外运动目标检测算法的实现成为红外系统研究过程中的一项至关重要的技术，不仅在理论方面有着极其重要的意义，在实用方面也有相当大的价值。就目前在军事体系中的应用而言，红外运动目标检测系统可以在空中（包括空-地、空-空、空-海）超远距离目标检测、军事空中导弹防御、军事目标跟踪与攻击、港口情况监视、海洋环境监视、卫星姿态监控等项目中得到应用。同时，红外运动目标检测系统还广泛应用于现代民用领域，在遥感、红外大气云图分析、红外医疗图像病理分析、航拍地面红外图像地质分析、城市红外污染分析和高速公路的车流量检测以及海面人员搜救等领域中，红外目标检测技术也充分展示出了它的强大作用。

目前，比较成熟的运动目标检测算法可以分为以下三类：

（1）帧差法等简单的运动目标检测算法。帧差法一般指的是前后两帧图像相减，得到的结果按一定阈值做分割，得到运动目标图像，其又可扩展为三帧差分、隔帧差分等算法。它的优点是算法原理简单，计算量小，速度快，占用系统内存较小，适合实时处理。

（2）基于光流的运动目标检测算法，按照其理论基础的不同，又可分为：基于梯度的方法、基于匹配的方法、基于能量的方法和基于相位的方法。光流表达了人眼中的图像变化，其中包含了目标运动的信息，利用像素点数值大小的时域变化和相关性可以确定各个像素点位置的“相对运动”，从而确定目标的实际运动状况。它的优点是能检测独立运动对象，可用于摄像头运动场景。

（3）基于背景差分法的运动目标检测算法，如多帧平均法，IIR滤波法，高斯建模法等都是侧重于背景差分法中背景的建立或背景的更新机制。在这类目标检测算法中，首先根据一定的原理建立背景模型，然后利用输入一帧图像和背景模型比较，不同的则是运动目标，得到运动目标像素，反之则是背景像素，得到检测结果。这类算法根据背景模型建立的复杂程度，其算法复杂程度相应增加，但总体检测效果较好，多帧平均法检测速度快，IIR滤波法自动更新背景模型，高斯建模法检测准确率高。

传统的码本模型也是一种建立背景模型方法，是一种基于背景差分法的运动目标检测算法。基于码本模型的运动目标检测算法基本思路是：首先建立初始码本，然后对一段视频进行训练得到初始背景码本，其次利用背景模型检测当前视频图像中的运动目标，最终得到基于码本模型的运动目标检测结果，传统的码本模型同大部分运动目标检测算法相似，只利用了视频图像的像素信息，而忽略了图像的空间尺度信息，其检测结果中目标整体特征不明显，误检点较多。

以上的运动目标检测算法应用在简单的背景中，其检测效果较好。但应用在复杂的背景中，各个算法都有其各自的缺点，检测效果较差，误检率高。帧差法检测目标有难以解决的空洞问题，光流法检测轮廓不明显，多帧平均法检测误差大，IIR滤波法检测结果部分有拖影，高斯建模法计算量大、检测速度缓慢，传统的码本模型目标整体特征不明显、误检点较多。

发明内容

本发明的目的在于提供一种基于红外运动目标检测的检测方法，从而实现红外视频中的运动目标的检测。

实现本发明的目的的技术解决方案为：一种基于多尺度码本模型的红外运动目标检测方法，步骤如下：

（1）利用红外摄像头采集视频，输入到计算机中，得到红外视频；

（2）采用高斯金字塔图像分层模型对红外视频图像进行多尺度分析处理，将视频图像分为三层：原始层、中间层和高斯层；

（3）如果当前视频图像是视频的前50帧图像，对步骤（2）中的三层视频图像分别建立初始背景码本模型，前50帧视频的检测结果为视频图像本身，如果当前视频图像不是视频的前50帧图像，则转到步骤（4）：

如果当前视频图像是视频的第1帧图像，则先建立空的主码本M和缓存码本H，然后将第一帧图像像素值放入初始的主码本M中，得到初始码本，随后转到步骤（6）；

如果当前视频图像是视频的第2-49帧图像中的一帧，对三层视频图像分别进行初始码本训练，得到训练后的初始码本，随后转到步骤（6）；

如果当前视频图像是视频的第50帧图像，则对训练后的初始码本进行精炼得到初始背景码本，随后转到步骤（6）；