[发明专利]一种夜间物体检测的方法

说明书

技术领域

本发明涉及一种物体检测方法，尤其涉及一种夜间物体检测的方法。

背景技术

随着社会经济的不断发展，城市人口和机动车辆的增加，交通监控管理已受到社会各方面的广泛重视。应用先进的监控技术，建立完善的道路交通监控管理系统，实现城市道路的现代化管理，从而有效地抑制交通事故的发生，解放警力，已成为各地交通管理部门最为关注的问题。

在光照较充足的夜间场景下，车头灯虽然并不特别显著，但车头灯及其投射的光束对运动目标的检测仍然有很大影响，无论帧差分还是背景减除都难以取得良好的效果，路面的投射光束对结果影响比较明显，因此先对图像做预处理来尽量消除它对检测结果的影响。可以注意到路面的投射光束边缘比较模糊，可以认为它是没有边缘的，因此可以通过提取边缘的方法来去除它。但是常用的边缘检测方法都以提取出准确边缘为目的，从而丢失了过多信息，这为后面的处理工作带来了一定困难。

运动目标检测的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割是监控系统的前提和关键，能否做到准确有效的分割直接关系到后续工作的难易程度和整体性能，因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。常用的方法有帧差分和背景减除两种。前者就是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且阈值化来提取出图像中的运动区域，对于动态环境具有较强的自适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内部容易产生空洞现象。后者是利用当前图像与背景图像的差分检测运动区域，它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。

背景建模作为一种运动目标检测技术，被常用在智能视频监控系统中，其主要作用是提取场景中的运动目标，并将检测结果提供给上层应用进行分析处理，如人流量统计、目标跟踪等。

背景建模是计算机视觉中的一个基本研究方向，它被广泛应用于智能视频监控系统中，是影响整个系统性能的关键技术。所谓背景建模，就是根据摄像头获取的场景图像序列，建立一个能够代表该场景的背景模型，当摄像头获取一帧新的图像时，以背景模型为参考，划分出场景中发生剧烈变化的部分，即运动目标。智能视频监控系统中的上层应用都是以运动目标检测结果为基础的，背景建模对整个系统有至关重要的作用。

在计算机视觉、智能视频监领域，背景建模是一个十分热门的研究方向，也是一种检测由固定摄像头监控的场景中的运动目标的常用方法。它的基本思路是比较当前帧和“参考帧”，并根据它们之间的差别来提取前景，这里的“参考帧”就是背景模型，或称为背景图像。一般而言，背景模型必须能够代表一个不含运动目标的场景，并能随着场景自身的变化更新背景模型。

发明内容

本发明的目的就在于为了解决上述问题而提供一种夜间物体检测的方法。

本发明通过以下技术方案来实现上述目的：

一种夜间物体检测的方法，通过建立静止的混合高斯背景模型检测前景点，建立前景图像和背景图像模型，并利用图像帧中高斯分布模型特征的变化进行背景图像模型更新，对前景图像中的前景目标进行特征提取，通过匹配目标的特征，建立运动目标与前景目标之间的对应关系实现对运动目标的追踪；

前景点与背景点的判断：为帧图像中的每个图像点的灰度值分布建立高斯分布模型p(x,μ_t,∑_t)，若p(x,μ_t,∑_t)不大于概率阈值，则该图像点为前景点，否则该图像点为背景点；

背景图像：每隔一定之间进行一次帧图像采样，获取并计算样本的背景点的期望图像，该期望图像为背景图像；

前景图像处理：通过前景点计算得到前景图像，对其进行阈值化，将其转化为二值图像，再作形态学开运算，去除面积较小的散点。

背景模型更新判断：通过相邻时间段的背景概率模型的匹配度判定背景模型是否需要更新，并对背景模型上的多个图像点均引入高斯分布模型，判断算法公式如下：

对像素点(x,y)，令X_t表示其在t时刻的亮度值，并服从高斯分布，即