[发明专利]一种排除飞虫干扰的遗留物检测方法

权利要求书

1.一种排除飞虫干扰的遗留物检测方法，其特征在于，包括以下步骤：

S1从视频图像中获取物体的边缘；

S2从所述视频图像中追踪移动目标，并判断其是否为飞虫，若否则直接进入下一步，若是则在步骤S1获取的物体的边缘中剔除所述移动物体的边缘后，进入下一步；

S3对经过步骤S2处理的物体的边缘进行分类，并根据分类结果确定疑似遗留物的目标框；

S4计算所述疑似遗留物的目标框中物体的得分，若所述得分大于阈值，则确认所述目标框中物体为遗留物，若所述得分小于阈值，则所述目标框中物体不是遗留物。

2.如权利要求1所述的排除飞虫干扰的遗留物检测方法，其特征在于，所述步骤S1中从视频图像中获取物体的边缘的方法为：

S1.1计算视频图像在水平方向和垂直方向的梯度值，计算背景图像在水平方向和垂直方向的梯度值；

S1.2计算水平方向上视频图像和背景图像的梯度差，计算垂直方向上视频图像和背景图像的梯度差；

S1.3根据水平方向和垂直方向的梯度差获得二值化的前景边缘掩膜；

S1.4根据所述前景边缘掩膜和每个边缘像素的时间累计得到稳定的边缘掩膜。

3.如权利要求2所述的排除飞虫干扰的遗留物检测方法，其特征在于，所述背景图像在水平方向的梯度值为：

B_x，t(x，y)＝B_x，t-1(x，y)+αD_x，t(x，y)

所述背景图像在垂直方向的梯度值为：

B_y，t(x，y)＝B_y，t-1(x，y)+αD_y，t(x，y)

其中，B_x，t(x，y)是t时刻水平方向上的背景模型的梯度，B_x，t(x，y)是t-1时刻水平方向上的背景模型的梯度；B_y，t(x，y)是t时刻垂直方向上的背景模型的梯度，B_y，t(x，y)是t-1时刻垂直方向上的背景模型的梯度；α是学习速率；D_x，t(x，y)是t时刻水平方向上视频图像和背景图像的梯度差；D_y，t(x，y)是t时刻垂直方向上视频图像和背景图像的梯度差。

4.如权利要求3所述的排除飞虫干扰的遗留物检测方法，其特征在于，所述稳定的边缘掩膜的计算公式为：SEMask_t(x，y)＝hyst(ACC_t(x，y)，AO_time/2，AO_time)

其中，SEMask_t(x，y)表示边缘掩膜，hyst()是滞后阈值函数；AO_time遗留物被遗留时间的阈值；ACC_t(x，y)是初始值为0的稳定边缘像素在t时刻时，时间累计下的掩膜，其公式为：

ACC_t-1(x，y)是初始值为0的稳定边缘像素在t-1时刻时，时间累计下的掩膜，i表示检测视频的帧数，i％10＝0表示每10帧更新一次；F_t(x，y)是二值化的前景边缘掩膜，其公式为：

F_x，t(x，y)＝hyst(|D_x，t|，T_low，T_high)

F_y，t(x，y)＝hyst(|D_y，t|，T_low，T_high)

其中，D_x，t是t时刻水平方向上视频图像和背景图像的梯度差；D_y，t是t时刻垂直方向上视频图像和背景图像的梯度差，T_low是梯度差的最低阈值，T_high是梯度差的最高阈值，水平方向或垂直方向的梯度差高于T_high的像素值设置为1，水平方向或垂直方向的梯度差低于T_low，的像素值设置为0。