[发明专利]一种改进的视频中运动物体检测方法

说明书

本发明公开了一种改进的视频中运动物体检测方法，步骤包括：1)背景模板初始化，统计像素x的邻域某像素被重复采样至背景样本集的次数；某像素的统计次数超过3次，若该像素被再次采集到，则直接将x位置的像素保存到模板样本中，不再将该像素保存至背景模板；2)像素分类，使用动态分类阈值R，利用帧间差分法得到差分图像D(x,y)，使用最大类间差法计算差分图像的分割阈值t，该阈值t作为动态分类阈值R；3)背景模型更新；4)加入前景像素点生命长度。本发明的方法，检测的运动物体轮廓更加完整清晰。能够有效抑制“鬼影”现象。

技术领域

本发明属于视频分析技术领域，涉及一种改进的视频中运动物体检测方法。

背景技术

现代科技中计算机视觉发展迅速，而运动物体检测成为计算机视觉的热点研究方向。运动物体检测应用广泛，在航天、智能交通、安防监控等均有应用。如在智能监控中，监控系统能够对采集的视频进行分析，对视频中的人物自动检测、归类或警示等，能减少人力、物力资源的消耗，提高监控的质量，故研究鲁棒性好的检测方法具有重要意义。

常用运动物体检测算法包括帧间差分法、光流法以及背景差分法。帧间差分法原理简单，但存在明显的不足，就是只能提取运动物体的边界，不能得到运动物体的完整区域。光流法在实际应用中需要解光流方程，并且需要满足一定的假设条件，计算量比较大，故应用较少。背景差分法则是建立背景图像，通过当前帧与背景模型相匹配得到运动区域，能准确检测运动物体，但对背景建模要求较高，既要准确构建背景模型而且要求随时间自动更新。

发明内容

本发明的目的是提出一种改进的视频中运动物体检测方法，解决了原技术中只能提取运动物体的边界，不能得到运动物体的完整区域、或者计算量比较大、或者背景建模要求较高的问题。

本发明所采用的技术方案是，一种改进的视频中运动物体检测方法，按照以下步骤实施：

步骤1：背景模板初始化

当待检测像素与背景模板匹配时，判定其为背景点，否则为运动点，

首先建立n帧空背景样本集，该空背景样本集与原图像大小一致，随机采样保存到每个像素对应的背景样本集；

采用v(x)表示像素x的像素值，v_i表示该位置第i个背景样本，则位置x的n个背景样本集为M(x)，其中M(x)＝{v₁，v₂，…，v_n}；

在背景模型初始化过程中，统计像素x的邻域某像素被重复采样至背景样本集的次数；某像素的统计次数超过3次，若该像素被再次采集到，则直接将x位置的像素保存到模板样本中，不再将该像素保存至背景模板。

步骤2：像素分类

使用动态分类阈值R，利用帧间差分法得到差分图像D(x,y)，使用最大类间差法计算差分图像的分割阈值t，该阈值t作为动态分类阈值R；

步骤3：背景模型更新

当像素v(x)被判定为背景像素，则随机选择样本M(x)中的一个样本值，将该样本值用v(x)替换；为了保持像素领域空间一致性，在对v(x)的背景样本更新时，用同样方法对v(x)邻域像素的背景样本进行更新；

步骤4：加入前景像素点生命长度

对一个已判定为前景像素的像素点，保存该像素点的时间信息；若该像素的时间信息超过设定的时间期限，认为该像素是被错误判为前景像素，则将其加入背景的随机更新之中。

本发明的技术效果是：