[发明专利]一种基于时间序列的变电站视频目标检测方法

权利要求书

1.一种基于时间序列的变电站视频目标检测方法，其特征在于，包括如下步骤：

构建变电站运动目标检测模型，标定变电站监控视频中若干个设备的数据内容；

构建基于混合高斯模型的背景更新模型，提取变电站监控视频中周期性运动的像素；

采用基于动态时间弯曲的前景物体提取方法求解所述背景更新模型；

所述采用基于动态时间弯曲的前景物体提取方法，包括如下步骤：

提取所述变电站监控视频中若干个运动目标的M个像素点亮度值在整个序列中的运动轨迹，以L帧为子序列长度截取原序列，其中L＜N且N为整个序列的帧数，得到M个子序列集合，每个所述子序列集合中包含N-L+1个长度为L的子序列；

利用K-均值算法对所述子序列集合进行聚类分析，所述K-均值算法中的距离按照改进的DTW方法计算，每个所述像素点的运动轨迹子序列聚类为k个簇，记录所述簇中心点作为子序列匹配的参照对象，所述改进的DTW方法为构造矩阵及计算最大相似度路径，其中，

所述矩阵A_m×n为：

其中，x_i和y_i分别是时间序列X＝(x₁,x₂,…,x_n)和Y＝(y₁,y₂,…,y_m)中的值，i为时间序列X中的序号，j为时间序列Y的序号；

所述最大相似度路径为：

max{a_ij+δ₁,a_ij+δ₂,a_ij+δ₃}∈L,i＝1,2,…,m；j＝1,2,,n

其中，δ₁、δ₂、δ₃分别为位置算子δ₁(1,0)、δ₂(0,1)、δ₃(1,1)；

应用混合高斯模型对背景图像建模，提取前景像素点；

对于混合高斯模型判断为背景点的像素点，为所述像素点建立长度为L的时间序列，并与聚类模型进行匹配，若所述时间序列划分到任一所述聚类，且相似度大于置信度阈值ρ，则所述像素点属于所述背景点，若所述像素点为离群点，则所述像素点为前景点，且更新所述背景更新模型。

2.根据权利要求1所述的基于时间序列的变电站视频目标检测方法，其特征在于，所述构建变电站运动目标检测模型，具体为：

采用特征点提取法获取所述变电站运动目标在尺度空间中的局部极值点位置数据；

获取邻域像素点的梯度分布；

依据所述局部极值点位置数据和所述邻域像素点的梯度分布，判断所述变电站运动目标两幅图像间的所述特征点是否匹配。

3.根据权利要求2所述的基于时间序列的变电站视频目标检测方法，其特征在于，所述采用特征点提取法获取所述变电站运动目标在尺度空间中的局部极值点位置数据，包括如下步骤：

在高斯差分空间中某一尺度空间上选择一个像素点及其八个的相邻像素点作为二维邻域的比较对象；

选择与所述尺度空间相邻的上下两个所述尺度空间中相同区域的3×3点集，与所述相邻像素点组成三维邻域空间；

判断所述像素点是否为所述三维邻域空间中的最大值点或最小值点；

如所述像素点为所述三维邻域空间中的最大值点或最小值点，则所述像素点为相应所述尺度空间上的特征点。

4.根据权利要求1所述的基于时间序列的变电站视频目标检测方法，其特征在于，所述构建基于混合高斯模型的背景更新模型，具体为：

为所述变电站监控视频中帧的每个像素点建立多个高斯模型，以模拟所述像素点的亮度密度函数；

记录每个所述高斯模型的平均值与方差；

判断所述像素点的更新值是否属于任一所述高斯模型；

如所述像素点的更新值属于任一所述高斯模型，则判断所述像素点属于背景点；

如所述像素点的更新值不属于任一所述高斯模型，则判断所述像素点属于前景点，并为所述像素点新建一个所述高斯模型。