[发明专利]一种基于时空背景模型的运动目标检测方法及装置

说明书

技术领域

本发明涉及智能视频监控领域，特别是涉及一种基于时空背景模型的运动目标检测方法与装置。

背景技术

运动目标检测的基本任务是从序列图像中将运动目标从图像背景中提取出来，从而得到目标的运动信息，对后续的图像分类、目标跟踪等工作具有重要的意义，能够在较大的程度上简化分析工作。由于在实际监控场景中，背景往往不是完全静止的，而是时刻处于变化中，例如：天气的变化、背景的微小的规律的晃动、光照的变化，逐渐融入背景中的目标等，使得背景建模成为运动目标检测的一个重点和难点问题。

背景差分法由于速度快、准确度高、能够提取完整的目标轮廓等原因，受到了广泛的关注和应用。其中，背景建模方法是背景差分法检测运动目标的核心。目前，典型的背景建模方法有：混合高斯背景建模方法、码本法、非参数背景建模方法、ViBe、PBAS等方法。这些传统的背景建模方法利用像素在时间序列上的统计特征进行建模，并未充分利用空间信息，因此，在目标检测过程中，往往出现较多的误检，并且在背景更新过程中，容易将前景更新到背景中，而真正的背景更新的速度不够快。

发明内容

本发明所要解决的技术问题是提供一种基于时空背景模型的运动目标检测方法，可应用于复杂场景下的目标检测，能有效地适应场景的变化。

本发明解决上述技术问题所采用的技术方案是：

一种基于时空背景模型的运动目标检测方法，包括以下步骤：

步骤1：根据采集到的若干帧图像进行背景建模得到时间背景模型，

图像采集由图像采集模块从待处理的监控视频中提取；

步骤2：将当前帧与背景模型求差，二值化后，得到初始运动目标，初始运动目标为二值化后的前景图；

步骤3：对于每个初始运动目标，向背景区域进行区域生长，得到生长后的背景区域；

所述生长是指由初始运动目标的八连通邻域向外生长，与运动目标的灰度值 相差在一定范围内的认为是同质区域，可以扩展，直到无法扩展，从而的得到该初始运动目标所属的背景区域；

步骤4：使用混合高斯模型描述上述背景区域，得到空间背景模型；

步骤5：判断初始运动目标是否符合空间背景模型分布，如果符合，则说明是前景；如果不符合，去噪之后，得到最终的运动目标；

步骤6：更新时间背景模型。

时间背景模型是用来得到初始运动目标的，更新时间背景模型的效果在于：消除光照渐变对提取前景目标的影响。

在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：

所述步骤1的建模过程具体包括以下步骤：

步骤1.1：采集若干帧图像，转换为灰度图像，假设在该序列中位于点(x,y)的像素灰度值为：Y＝{y₁(x,y),y₂(x,y),...,y_N(x,y)}；

步骤1.2：计算这些采样值(步骤1.1中各个点的Y值)的均值和标准差，设定阈值t1，如果标准差小于阈值t1，则将其聚为一类；如果标准差不小于阈值t1，则将这些采样值用分为两类，分别计算均值和标准差。

所述步骤2具体包括以下步骤：

步骤2.1：将当前帧图像转换为灰度图像，将像素灰度值分别减去模型对应的均值，如果相应差值在3倍标准差以内，则为背景，否则为前景；

步骤2.2：通过提取连通区域，将前景像素归类得到初始运动目标。

所述步骤3中的生长是指从每个初始运动目标与背景的八连通邻域向背景区域开始生长，得到相应的区域生长后的背景区域。

所述步骤6具体包括以下步骤：

步骤6.1：对运动目标区域，采用较小的更新率进行更新；

步骤6.2：对于背景区域，采用较大的更新率进行更新；

上述较大与较小是步骤6.1和步骤6.2相互之间的比较。