[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

说明书

本发明提供一种基于多阈值自优化背景建模的运动目标检测方法，该方法能够快速消除检测结果中的伪影且对复杂环境的抗干扰能力较强。为实现该目的，所采用的技术方案是：使用像素点的20邻域来创建背景模型；通过灰度空间的自适应距离阈值和RGB空间的颜色畸变度阈值同时作用来判断新的一帧的像素值是否属于背景；通过噪点去除、空洞填充和中值滤波处理来去除噪点并填充前景区域的空洞；在统计前景点出现频率并依此来更新背景模型，可以在图像上将运动目标和背景利用二值分割显示出来。本发明方法可广泛应用于交通视频监控、室内安防、计算机视觉等领域，具有较广的应用前景和较大的经济价值。

技术领域

本发明属于图像处理领域，涉及一种运动目标检测方法，尤其涉及一种基于多阈值自优化背景建模的运动目标检测方法。

背景技术

运动目标检测技术是计算机视觉领域中一项关键的技术，其主要目的是将视频信息中的运动目标与背景分离开，以提取到清晰完整的运动目标。目前常见的运动目标检测方法有帧差法、背景差法、混合高斯建模法、码本方法和视觉背景提取法等。其中视觉背景提取算法是由Barnich等在2009年提出的基于随机的背景像素建模的运动目标检测算法。其占用内存较少，运行速度快，适用于对准确度与实施稳定性均要求较高的视频监控及自动化处理领域。但是由于该方法采用视频序列中的第一帧图像建立背景模型，很容易将第一帧中运动的物体当成是背景点，从而造成在后续帧的检测图中出现伪影且伪影不易消除。并且在复杂的背景环境下，该方法容易产生噪点从而导致检测准确率的降低，因此研究一种能快速抑制伪影且具有抗干扰能力的方法有其重要性所在。

发明内容

本发明提供一种通过多阈值自优化背景建模来检测运动目标的方法。该方法能够快速消除检测结果中的伪影且对复杂环境的抗干扰能力较强。为实现该目的，所采用的技术方案是：使用像素点的20邻域来创建背景模型；通过灰度空间的自适应距离阈值和RGB空间的颜色畸变度阈值同时作用来判断新的一帧的像素值是否属于背景；通过噪点去除、空洞填充和中值滤波处理来去除噪点并填充前景区域的空洞；在统计前景点出现频率并依此来更新背景模型，可以在图像上将运动目标和背景利用二值分割显示出来。整个流程主要包括以下步骤：

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。

进一步的，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。

进一步的，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,...,vN} (2)

其中x为当前处理的像素点的位置，该样本集包含N个样本点的像素值，即v₁,v₂,...,v_N；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。

进一步的，f＝5，N＝25。