[发明专利]一种老鼠及其它小型动物实时智能监测算法

权利要求书

1.一种老鼠及其它小型动物实时智能监测算法，其特征在于，包括以下步骤：S1：采用createBackgroundSubtractorMOG2创建一个背景移动检测模型，其用途是在连续输入的视频图片里不断的学习和记忆静态画面的部分，并可以找出前景移动目标和静态背景相差所生成的阴影；S2：采用GaussianBlur对从摄像头获取的每张新图像进行过滤处理，减少低频噪声；S3：通过MOG2模型的apply函数将最新采集的图像导入进去，并同时获取最新的foregroundmask图像；S4：再使用阀值将foregroundmask转变成二维图像；S5：使用dilate函数填补foregroundmask中空缺及非连接的部分；S6：再通过findContours函数找到最大外部连接块；S7：再通过使用可控制的最小块面积值和最大块的面积来排除其它不被监控的移动目标；S8：之后再采用基于Hu’sMoment算法matchShapes函数对检测到的具体目标做相似度的比对。

2.如权利要求1所述的一种老鼠及其它小型动物实时智能监测算法，其特征在于，针对步骤S1中，高斯背景模型是一种运动目标检测过程中提取并更新背景和前景的一种方法，对一个背景图像，特定像素亮度的分布满足高斯分布，即对背景图像B，每一个点(x，y)的亮度满足B(x，y)~N(u，d)；即每一个点（x,y)都包含了两个属性，均值u和方差d:计算一段时间内的视频序列图像中每一个点的均值u和方差d，作为背景模型，对于一幅包含前景的任意图像G，对于图像上的每一个点（x,y）计算，若：（T为一个常数阈值），则认为该点是背景点，否则为前景点，接下来就背景的更新，每一帧图像都参与背景的更新：其中，p为一个常数，用来反映背景更新率，p越大，背景更新的越慢，背景更新后d的变化很小，所以在更新背景以后一般不再更新d，图像中每个像素点的值短时间内都是围绕与某一中心值一定距离内分布，通常，中心值可以用均值来代替，距离可以用方差来代替。

3.如权利要求1所述的一种老鼠及其它小型动物实时智能监测算法，其特征在于，针对步骤S2中，数值图像处理中，高斯滤波主要可以使用两种方法实现，一种是离散化窗口滑窗卷积，另一种方法是通过傅里叶变化，最常见的就是滑窗实现，只有当离散化的窗口非常大，用滑窗计算量非常搭的情况下，可能会考虑基于傅里叶变化的实现方法，高斯模板是通过高斯函数计算出来的，公式如下：标准差σ代表着数据的离散程度，σ较小，模板中心系数越大，外侧系数越小，平滑效果不明显；相反，σ较大时，对图像的平滑效果就比较明显。

4.如权利要求1所述的一种老鼠及其它小型动物实时智能监测算法，其特征在于，针对步骤S4中，通过将所有高于全局阈值的值替换为 1 并将所有其他值设置为 0，从二维或三维灰度图像 I 创建二值图像，imbinarize 使用Otsu方法，该方法选择特定阈值来最小化阈值化的黑白像素的类内方差，imbinarize使用包含256个bin的图像直方图来计算Otsu阈值，使用 method 指定的阈值化方法从图像创建二值图像。

5.如权利要求1所述的一种老鼠及其它小型动物实时智能监测算法，其特征在于，针对步骤S5中，利用图像中纹理信息和边界信息，只要少量的用户交互操作就可得到较好的分割效果，其dilate函数在分水岭算法比较相似，从静态图像中提取前景物体的中空缺及非连接的部分。

6.如权利要求1所述的一种老鼠及其它小型动物实时智能监测算法，其特征在于，针对步骤S6中，检测所有连接块的轮廓，每个轮廓都被划分等级，最外围、第一内围、第二内围，通过偏移量的设置确定其最大外部连接块。