[发明专利]基于序列图像的运动目标快速检测方法、计算机视觉系统

权利要求书

1.一种基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法包括以下步骤：

第一步，序列图像的预处理，在序列图像的采集过程中，采用图像灰度化、二值化、中值滤波进行处理；针对低照度的图像，采用Gamma变换增强图像；

第二步，结合背景差分和边缘帧间差分的检测方法对静态环境的运动目标检测；

第三步，基于SIFT算法特征匹配的检测方法对动态环境的运动目标检测。

2.如权利要求1所述的基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法的序列图像预处理方法包括：

(1)图像灰度变换，彩色图像变换为灰度图像：

Y＝0.299R+0.587G+0.114B；

其中，Y是根据R、G、B颜色分量以及YUV中亮度信号Y之间的关系算出的亮度，R、G、B分别表示红色、绿色、蓝色分量；

(2)二值化，输入的图像为f(x,y)，输出图像为F(x,y)，选取阈值T，对图像的二值化变换函数表达式；

式中阈值T将图像F(x,y)分成两部分，大于T的像素点设为白色，小于T的区域为黑色；

(3)图像去噪，一维中值滤波：

Z_k＝med(x_k-N,x_k-N+1,…,x_k,…,x_k+N)；

其中，med表示对图像中的像素进行求中值运算；式中是对2N+1个像素排序，最终输出像素即该像素序列的中值；

二维中值滤波适用于二维像素矩阵，给出二维中值滤波的定义：

(4)低照度处理，采用Gamma变换增强作为低照度处理的方法：将原始图像的均值调为0，方差调为1；根据累计直方图分布特点初步判断当前图像属于高光还是低光照类型，并根据相应类型做灰度的初步微调，对图像做Gamma校正；变换公式：

3.如权利要求1所述的基于序列图像的运动目标快速检测方法，其特征在于，所述基于序列图像的运动目标快速检测方法的静态场景下的运动目标快速检测方法包括：

(1)第t帧背景为B_t(x,y)，对于新一帧图像I_t+1(x,y)，则两副图像差分后的图像为Sub_image，Sub_image(x,y)表示为在像素点(x,y)点处I_t+1(x,y)与B_t(x,y)的绝对值；选用Ostu法进行背景和前景的分割，对差分图像Sub_image每个像素点；

将灰度值为“0”处的概率分布w₀＝0，阈值TH把图像的像素分为C₀＝(0,1,…,TH)，C₁＝(TH+1,TH+2,…,L-1)两类，分别代表目标与背景；

将每个联通域的左、右、上、下保存在内存中；对于每个联通域均与其它的联通域进行如下比较：

其中，position(i,1)为第i个联通域的最左边位置，position(i,2)为第i个联通域的最右边边位置，position(i,3)为第i个联通域的最顶端位置，position(i,4)为第i个联通域的最底端位置；

(2)选用Canny边缘进行图像边缘提取；包括高斯滤波、求取x方向的梯度、y方向梯度三部分；具体实现的步骤如下：

1)高斯滤波：采用二维高斯函数对图像进行低通滤波，二维高斯函数的方差δ根据经验而定，二维高斯函数为：

对于一幅灰度图像，滤波过程等价于求取卷积过程：

2)x、y方向梯度求取：图像Filter(x,y)为2-D离散矩阵，再求取x，y方向的一阶导数，在离散中求解一阶微分，x，y方向上的梯度求解如下：

3)(x,y)处总梯度：为简化x，y方向两个梯度给计算上带的不便，求取在像素点(x,y)的总梯度：

利用Ostu方法进行阈值分割，梯度大于分割阈值为“1”，否则为“0”；按照Canny边缘、分割步骤进行处理；

(3)利用基于边缘信息的三帧差分方法得到的边缘分割结果，与背景差分的运动目标检测方法结果运算。