[发明专利]一种基于分形理论的目标检测背景估计方法

说明书

本发明涉及一种基于分形理论的目标检测背景估计方法，包括以下步骤：获取包含待检测目标的图像序列；得到每个坐标点像素在整个图像序列中的亮度值数组；计算每个坐标点像素的分形特征值；分类得到背景、前景及干扰像素点；针对像素类型逐点进行相应背景估计计算；利用得到的背景估计值代替原值，得到最终的背景图像数据。本发明能够适应随机且可能存在不确定干扰因素的使用环境，实时性强、可靠性高。

技术领域

本发明涉及实时监控技术领域，特别是涉及一种基于分形理论的目标检测背景估计方法。

背景技术

目前，机器视觉、实时监控和智能安防系统的在进行运动目标检测识别关键技术中都涉及到一个核心问题，即对现场背景图像的准确估计。系统是否能够在现场情况下得到准确可靠的背景图像，直接影响着系统后端对运动目标的检测的准确度和稳定性，特别是随机且可能存在不确定干扰因素的使用环境情况下进行目标检测时，对当前获得的包含待检测目标的图像序列的背景图像估计的实时性、准确性和鲁棒性是非常重要的。因此，在随机且可能存在不确定干扰因素的使用环境下进行目标检测时，能够实时获得准确性高、鲁棒性强的背景图像的算法，成为了机器视觉、实时监控和智能安防领域研究中关键技术之一。

在进行目标检测的背景估计时，存在要适应随机且可能存在不确定干扰因素的使用环境、实时性强等需求，并且准确性要高，在实际使用过程中需要满足可用性强，鲁棒性好等要求。

为了实现目标检测背景估计，可以使用混合高斯模型背景估计、均值背景估计或者光流法背景估计等。混合高斯模型背景估计是把图像中的像素值看成是一些高斯分布的综合作用，即前景高斯分布和背景高斯分布的混合体。图像的某点像素值符合前景高斯分布时，就认为该点属于前景目标；符合背景高斯分布时，就认为该点属于背景，并进行背景更新，此计算量大，不能够满足实时性，且对噪声比较敏感；而均值背景估计是帧累积取平均值的过程，需要大量的原始数据源才能得到较准确的背景数据，实时性和抗噪声性差；光流法背景估计计算量大，对帧率要求极高，且对光线噪声敏感。

发明内容

本发明所要解决的技术问题是提供一种基于分形理论的目标检测背景估计方法，能够适应随机且可能存在不确定干扰因素的使用环境，实时性强、可靠性高，为后续的目标检测提供了有效的背景数据依据，提高了目标的检测准确度。

本发明解决其技术问题所采用的技术方案是：提供一种基于分形理论的目标检测背景估计方法，包括以下步骤：

(1)获取包含待检测目标的图像序列；

(2)得到每个坐标点像素在整个图像序列中的亮度值数组；

(3)计算每个坐标点像素的分形特征值；

(4)分类得到背景、前景及干扰像素点；

(5)针对像素类型逐点进行相应背景估计计算；

(6)利用得到的背景估计值代替原值，得到最终的背景图像数据。

所述步骤(1)中还包括逐帧对获取的图像序列的每帧图像进行滤波预处理去除干扰点的步骤。

所述步骤(2)具体为：遍历图像中的每一个像素点，使用获得包含待检测目标的图像序列数据，提取图像序列中每帧图像对应同一坐标位置点的像素亮度值，即得到该坐标点像素在整个图像序列中的亮度值数组。

所述步骤(3)具体为：对每个坐标像素点的亮度数组进行分形特征值计算，得到分形特征值，遍历所有像素点后，得到了分形特征值数组。

所述步骤(4)具体为：根据亮度值分布的规律性，将所有像素点根据其分形特征值分类，分为前景像素点、背景像素点和干扰像素点。