[发明专利]一种动态目标检测方法

说明书

本发明公开了一种动态目标检测方法。该方法为：利用三帧差法对初始的n帧图像先进行处理，提取出初始的背景图像信息作为初始化的背景，对此时背景图中的每个像素点分别建立一个样本集，并随机选取周围24邻域像素点的值，建立背景模型样本集；然后根据各像素点的背景模型样本集，将当前帧的每个像素点分别与对应的背景模型样本集进行比较，判断该像素是否为前景目标，从而完成目标检测；最后分别使用无记忆更新、时间取样更新和空间邻域更新策略更新背景模型，以适应实际情况下的背景区域的变化。本发明改善了动态目标检测中的鬼影问题，避免了机场围界环境中的网格围栏干扰，提高了动态目标检测的准确性、实时性和抗干扰性。

技术领域

本发明涉及图像目标检测技术领域，特别是一种基于改进ViBe的动态目标检测方法。

背景技术

视觉监控系统作为计算机视觉领域的前沿研究方向，广泛应用于交通状况监控、运动目标实时观测、自动导航系统中。视频图像中的运动目标检测技术是其中核心部分。在单目视觉监控系统中，若场景与摄像机之间的位置保持不变，即静态背景情况下，检测运动目标的主要方法有帧差分法和背景差分法。帧差分法对光线的变化有较好的抑制，但是对缓慢运动的物体只能检测出不联系边界，提取效果差；背景差分的效果主要取决于背景模型的建立与更新，其中最具代表性的就是基于参数的混合高斯模型(GMM)，该算法能适应光照的渐变，但对于光照的突变情况会将大部分背景检测为运动物体，该算法实时性和稳定性都较差。

Vibe(Visual Background extractor)是一种高效的像素级背景建模算法，该算法的不同之处在于背景模型的更新策略，随机选择需要替换的像素的样本，随机选择邻域像素进行更新。在无法确定像素变化的模型时，随机的更新策略，在一定程度上可以模拟像素变化的不确定性，因此对视频序列中的光照变化、机器人运动过程中造成的相机抖动等有良好的适应性与抗噪性。但是Vibe算法容易出现网格围栏背景噪声干扰问题和鬼影现象，即在前景图像中检测到不该存在的目标。因为ViBe目标检测算法在建立背景模型集的时候直接选择了视频序列中的第一帧图像构建，此时初始帧中的运动目标将会被认为是背景区域，导致后续的背景模板留存有前景目标点，并且Vibe的随机更新机制只能缓慢的消除但无法完全解决“鬼影”的产生。

发明内容

本发明的目的在于提供一种实时性与准确性高、抗干扰能力强的基于改进ViBe的动态目标检测方法。

实现本发明目的的技术解决方案为：一种动态目标检测方法，包括以下步骤：

步骤1、利用三帧差法对初始的n帧图像进行处理，提取出初始的背景图像信息作为初始化的背景，对此时背景图中的每个像素点分别建立一个样本集，并随机选取其周围24邻域像素点的值，建立背景模型样本集；

步骤2、根据各像素点的背景模型样本集，将当前帧的每个像素点分别与对应的背景模型样本集进行比较，判断该像素是否为前景目标，从而完成目标检测；

步骤3、分别使用无记忆更新、时间取样更新和空间邻域更新策略更新背景模型，以适应实际情况下的背景区域的变化。

进一步地，步骤1所述的利用三帧差法对初始的n帧图像先进行处理，提取出初始的背景图像信息作为初始化的背景图，对此时背景图中每个像素点分别建立一个样本集，并随机选取其周围24邻域像素点的值，建立其背景模型样本集，具体如下：

步骤1.1、初始化背景图像和计数器T为0，设定预处理视频序列的前n帧图像；

步骤1.2、对第t到t+2帧图像，首先利用三帧差法对其进行处理，获取差分图像，此时该图像中的像素点对应的灰度值若为0，或者小于设定阈值，则判定该点为背景点，否则判定该点为前景点；

步骤1.3、查找此时背景图像中对应点的像素值，如果为0，则将此像素值改为差分图像中该点对应的像素值；若不为0，则计数器T的值加1；