[发明专利]一种融合图像分割的混合高斯模型前景检测方法

说明书

本发明涉及一种从序列图像或视频流中将运动物体从背景中分离出来的前景检测方法和系统，具体是涉及一种融合图像分割的混合高斯模型前景检测方法。首先，接受一个待检测视频作为数据输入；将此待检测视频作为一个视频图像帧序列，针对视频图像帧序列上的每个视频图像帧进行超像素分割，每个视频图像帧的构成元素由原来的像素转变为超像素；对超像素构成的视频图像帧序列进行混合高斯模型处理，使得前景图像和背景图像进行分离；最后对前景图像进行形态学后处理，输出需要的前景图像序列。

技术邻域

本发明涉及一种从序列图像或视频流中将运动物体从背景中分离出来的前景检测方法，具体是涉及一种融合图像分割的混合高斯模型前景检测方法。

背景技术

前景检测一直是国内外视觉监控邻域研究的难点和热点之一，其目的是从序列图像中将变化区域从背景图像中提取出来，前景对象的有效检测对于对象跟踪、目标分类、行为理解等后期处理至关重要。

虽然前景检测算法自上个世纪六七十年代始便不断推陈出新，但是目前为止，仍然没有一个算法具备普适性，大多数的前景检测算法都是为了解决某一特定场景而专门提出，但是实际的场景情况是复杂多变且不可预测的。因此，截至目前，前景检测仍是一个热门研究课题；前景检测目前主要有光照变化、背景异动、运动停滞、“鬼影”、空洞、阴影以及背景建模计算量偏大等难点。

目前在前景检测中直接使用混合高斯模型等进行背景建模的过程中，因为计算目标众多而使整体的数据计算量偏大，但是如果减少计算目标，混合高斯模型的准确率就会因为计算目标的减少而随之降低；此外，前景对象在静止或运动幅度小的情况下，有可能被当做背景目标而无法被正确检测出来，而且在处理图像的过程中，“鬼影”现象也是影响前景对象检测准确度的主要因素之一。所以，降低数据计算量，提高检测过程中各阶段的检测准确率，对于目前阶段的前景检测工作是十分有必要的。

发明内容

针对现有技术存在的上述问题，本发明要解决的技术问题是：降低图像信息冗余度，使背景建模的数据计算量降低，同时加速“鬼影”现象的消逝，提高了前景目标在静止或者运动幅度较小的情况下被正确检测出的概率。

为解决上述技术问题，本发明采用如下技术方案：一种融合图像分割的混合高斯模型前景检测方法，包括如下步骤：

S100：选取任一视频分割成M个视频图像帧，其中前h个视频图像帧只包含背景目标；

S200：将M个视频图像帧进行超像素分割处理，得到M′个超像素视频图像帧，其中前h′个超像素视频图像帧只包含背景目标；

S300：将M′个超像素视频图像帧作为混合高斯模型的输入，混合高斯模型的输出为前景图像序列；

S400：将前景图像序列进行形态学后处理，得到最终的前景图像检测结果。

作为优选，所述S200中得到超像素视频图像帧的具体步骤为：

S210：预设超像素分割模型SLIC的参数为K；

S220：从M中选取一个视频图像帧，用SLIC模型对该视频图像帧进行初始化，得到K个初始聚类中心，每个聚类中心对应一个超像素区域，每个超像素区域为S*S大小的正方形；聚类中心的表达式如下：

C_ε＝(l_ε,a_ε,b_ε,x_ε,y_ε)^T

其中，C_ε表示第ε个初始聚类中心，l_ε,a_ε,b_ε分别表示第ε个初始聚类中心的颜色属性，x_ε,y_ε表示第ε个初始聚类中心的空间坐标，ε＝1,2,…,K,K表示初始聚类中心的数量；