[发明专利]一种基于多阈值自优化背景建模的运动目标检测方法

权利要求书

1.一种基于多阈值自优化背景建模的运动目标检测方法，其特征在于，包括如下步骤：

步骤1，输入视频序列，对前f帧建立背景模型；

步骤2，对于f帧以后的视频序列，采用基于灰度空间的自适应阈值和基于RGB空间的颜色畸变度阈值双重作用进行检测，将检测到的背景点的像素值置为0，前景点的像素值置为255，其中检测到的前景点即为初始的运动目标；

步骤3，采用随机策略更新背景模型，同时计算前景点的出现频率以消除伪影；

步骤4，对步骤2中检测到初始运动目标进行噪点去除、空洞填充和中值滤波处理，得到最终运动目标检测图像；

步骤1中采用对前f帧图像的20邻域像素点建立背景模型；

步骤1的具体实现方式包括如下子步骤，

步骤101，将输入的图像从RGB空间转换成灰度图像，转换公式如下：

v(x)＝0.2989*R+0.5870*G+0.1140*B (1)

其中v(x)代表x位置上原RGB色彩空间转换后的灰度像素值；

步骤102，利用转化成灰度图像后的前f帧来初始化背景模型，背景模型M(x)表达式如下：

M(x)＝{v₁,v₂,...,v_N} (2)

其中x为当前处理的像素点的位置，样本集包含N个样本点的像素值，即v1,v2,...,vN；在每一帧中以某个像素点为中心的20邻域像素随机采样作为该像素的背景模型值；

步骤2具体步骤包括：步骤201，在灰色空间中判断相似性：传入新一帧图像，先将新像素值xt按照步骤101中的颜色变换公式转换成灰度值v(x)，然后计算新像素与该点处背景模型中采样值v_i的欧式距离是否小于一个阈值R，欧式距离的表达式为：

dist(v(x),v_i)＝|v(x)-v_i| (3)

若此欧式距离小于阈值R，即{dist(v(x),v_i)＜R}，则说明新一帧像素点与该背景模型中的采样值v_i有着相似的特性；

步骤202，距离阈值R采用自适应阈值策略，自适应阈值的计算过程如下：对每个像素点计算其背景模型样本集的标准偏差σ，

其中∑M(x)是当前帧x处背景模型样本集中所有像素值v_i之和；

使用滑动平均法来优化R，所采用的公式如下：

Rt＝βR_t-1+(1-β)σ (5)

其中R_t-1表示上一帧图像的阈值，σ表示当前帧图像通过公式(4)得到的模型标准差，R_t为当前帧最终所使用的阈值，β为权重参数，用来调节过去帧的值在当前帧的值中所占的比例；在第f+1帧时，即进行前景检测的第一帧时，所使用的阈值R由公式(4)直接求得，之后的每一帧阈值R都是通过公式(5)求得。

2.如权利要求1所述的一种基于多阈值自优化背景建模的运动目标检测方法，其特征在于：f＝5，N＝25。