[发明专利]一种基于单高斯背景建模的厨房老鼠检测方法

权利要求书

1.一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，包括可疑目标检测的步骤，首先初始化全局参数，若为第一帧，则初始化背景模型，否则判断是否满足更新背景间隔时间T0，若满足，则更新均值u与方差d；然后进行背景差分、前景时间积累、输出前景；所述可疑目标检测包括模型参数简化：将均值u设置为整型，取值范围为[0 255]；将方差d设置为整型，取值范围为[0 255]；增加前景积累时间t，数据类型为整型，取值范围为[0255]。

2.根据权利要求1所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，以视频的第一帧f1初始化均值u，初始化方差d为经验值5，将前景积累时间初始化为0，设fg为前景目标，设背景更新间隔时间为T0，前景检测阈值为thr，前景目标持续时间阈值T1；开始顺序读取视频流的下一帧图像f，其中f(x,y)代表在坐标(x,y)处的图像亮度值。

3.根据权利要求2所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，所述可疑目标检测中背景更新包括针对每一帧视频图像进行处理，若满足背景更新间隔时间T0，则执行背景模型更新操作：

若f（x,y）>u(x,y),则u(x,y)=u(x,y)+1；

若f（x，y）<u(x,y),则u(x,y)=u(x,y)–1；

若|f（x，y）-u(x,y)|>d(x,y),则d(x,y)=mind(x,y)+1；

若|f（x，y）-u(x,y)|<d(x,y),则d(x,y)=d(x,y)-1；

针对每一帧图像进行处理：

若t(x,y)>T1，则：t（x,y）=0,u(x,y)=f(x,y),d(x,y)=5。

4.根据权利要求3所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，所述可疑目标检测中背景差分实现前景检测，针对每一帧视频图像进行判断，执行以下操作：

若|f（x，y）-u(x,y)|>max(thr,3*d(x,y)),则fg(x,y)=255；

若|f（x，y）-u(x,y)|<=max(thr,3*d(x,y)),则fg(x,y)=0；

若|f（x，y）-u(x,y)|>max(thr,3*d(x,y)),则t(x,y)=min（t(x,y)+1），255）；

若|f（x，y）-u(x,y)|<=max(thr,3*d(x,y)),则t(x,y)=max（t(x,y)–1，0）。

5.根据权利要求1-4任一项所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，所述可疑目标检测包括对视频进行背景建模、更新、实时提取运动前景区域；然后对运动前景二值图进行连通域标记，获取图像中发生移动变化的区域的外接矩形框。

6.根据权利要求1所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，还包括目标跟踪的步骤：首先建立目标管道，用于存储目标在时间序列上的状态数组；每一个新出现的目标占用一条管道，管道的长度即缓存同一个目标在场景中持续存在的时间，以图像帧数计；然后，当下一帧检测到可疑目标时，则将每个目标与缓存的管道数组进行特征匹配，若匹配成功，则将目标状态写入该管道；若该目标没有对应匹配成功的管道，则该目标是新出现的目标，新建管道并加入；对于每一条目标管道，连续N帧未有目标关联上，即该管道代表的目标已不在监控视场内，则删除管道。

7.根据权利要求6所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，还包括目标分类的步骤，首先截取可疑目标的当前图像，并进行分辨率归一化，归一化尺寸与机器学习训练的分类器的尺寸保持一致；然后通过机器学习算法预先离线训练好的老鼠分类器，对归一化之后的目标进行分类；最后，进行二次过滤，对每个目标最近连续N帧分类结果进行统计，若N帧中有设定阈值M帧全部被判定为老鼠，则该目标为真实老鼠；否则不是真实老鼠。

8.根据权利要求7所述的一种基于单高斯背景建模的厨房老鼠检测方法，其特征在于，训练分类器所用的老鼠样本数据中时间包含白天、晚上，颜色包括白色、黑色、灰色、黄色。