[发明专利]基于改进ViBe算法的运动目标提取方法

权利要求书

1.一种基于改进ViBe算法的动态目标提取方法，其特征在于，包括以下步骤：

步骤1：对采集的视频图像进行预处理；

步骤2：采用ViBe算法对运动目标进行预提取；

步骤3：采用基于图像颜色特征与图像区域匹配方法去除动态前景中的阴影；

步骤4：采用基于改进Canny算子和形态学方法提取动态前景中的运动目标。

2.根据权利要求1所述的基于改进ViBe算法的动态目标提取方法，其特征在于，所述步骤1包括如下过程：图像增强、图像修复和图像滤波。

3.根据权利要求1所述的基于改进ViBe算法的动态目标提取方法，其特征在于，所述步骤2具体包括以下步骤：

步骤2.1：初始化单帧图像中每个像素点的背景模型，随机抽样某个像素点的邻域的N个像素点，组成t＝0时的像素模型作为背景模型，其中(x,y)为像素点的坐标；

步骤2.2：对后面的每一帧进行前景分割操作，当t＝k时，将此帧图像的像素点的模型P^k(x,y)与背景模型P^bg(x,y)做差，若N个像素点的差值小于等于阈值T，则P^k(x,y)为背景，否则为前景；

步骤2.3：采用时间取样更新策略更新背景模型。

4.根据权利要求3所述的基于改进ViBe算法的动态目标提取方法，其特征在于，所述步骤2.3中，假设像素点p(x,y)为步骤2.2确定的背景点，则该点以及该点的k领域内的像素点在下一帧图像中将有_w的几率更新自己的模型样本。

5.根据权利要求1所述的基于改进ViBe算法的动态目标提取方法，其特征在于，所述步骤3具体包括以下步骤：

步骤3.1：基于经典的mean shift算法对图像进行分割，每个区域标记为S_i，中心为C_i，总计N块小区域；

步骤3.2：将原始的图像从RGB颜色空间转换到YUV颜色空间上，当某个像素点在YUV空间的Y通道上的值小于整张图片的Y通道的平均值的60％时，直接确定这个像素点在阴影之中；当某个区域S_i的Y通道的平均值Y_i小于整张图像Y通道平均值的60％时，则认为这个区域在阴影中；然后，再根据HSV颜色空间的特征，通过下述判别公式进行阴影检测：

其中，分别表示k时刻f(x,y)像素点处的HSV分量；分别表示k时刻背景模型B(x,y)像素点处的HSV分量；ζ_s是前景阴影和背景饱和度差值的阈值，ζ_H是前景阴影和背景色调差值的阈值；

步骤3.3：对图像每个区域的梯度值计算直方图，同时计算两个区域直方图的曼哈顿距离d_g(S_i,S_j)来衡量两个区域的相似性；计算各区域的灰度共生矩阵，求出表征纹理特征的特征值和特征向量，然后计算两个区域纹理特征特征向量之间的曼哈顿距离d_v(S_i,S_j)来衡量区域间的相似性；因此，S_i与S_j之间相似特征曼哈顿距离的和为D(S_i,S_j)表示为：

D(S_i,S_j)＝d_g(S_i,S_j)+d_v(S_i,S_j)

假设S_j是S_i最相似的背景非阴影区域，计算S_j的三个通道H、S、V的颜色直方图Histo_H,j、Histo_S,j、Histo_V,j，并以这三个量为颜色直方图匹配的模板，调整S_i的HSV通道的颜色直方图，使得阴影覆盖的区域像素强度、平滑度、饱和度恢复正常；最后，再将图像从HSV颜色空间转到RGB颜色空间。

6.根据权利要求1所述的基于改进ViBe算法的动态目标提取方法，其特征在于，所述步骤4具体包括以下步骤：

步骤4.1：融合最大类间方差法，对原始的Canny算子的高、低阈值进行自适应的调整，使得Canny算子能够根据图像本身的特征来选择最优的阈值；

步骤4.2：通过形态学处理方法对动态前景进行进一步的处理，先进行腐蚀操作，然后进行膨胀操作，去除干扰噪声，同时弥补动态前景的空洞区域。