[发明专利]一种基于图像显著性的相对静止目标检测方法

说明书

本发明公开了一种基于图像显著性的相对静止目标检测方法包括：利用背景相减的算法对背景进行建模，并将运动区域从背景中移除；通过图像显著性检测的方法并利用全局图像对比度检测出当前图像的显著性目标；利用二值化图像的拓扑结构分析，检测出二值化图像的边界并对其跟踪，最终得到所需的目标。本发明通过背景相减和图像显著性实现对相对静止目标的检测，能够准确的检测出相对静止目标。

技术领域

本发明涉及视频监控技术领域，具体是一种基于图像显著性的相对静止目标检测方法。

背景技术

视频监控系统作为视觉物联网的重要组成部分，随着近年来强劲快速的发展，其日常维护的矛盾日趋激烈。目前大部分视频监控系统面临着高效实时性智能分析与低效滞后的人工故障排查的矛盾。这些数量庞大的视频监控系统的运行和维护工作主要靠人工检测和处理。如何提高视频监控系统运行维护工作的效率，及时了解前端视频设备的运行情况，建设智能化的视频监控质量诊断系统成为视频监控领域迫切需要解决的实际问题。

发明专利，专利号为201710404869.6，名称为：一种基于双背景差分的静止目标检测方法，公开了一种基于双背景差分的静止目标检测方法，该方法通过混合高斯模型进行背景建模，对前景目标提取采用背景差分法。但是该方法的适用场合需要视频种有一个运动物体进入场景后维持不动的前期视频用以背景建模，在遇到视频中没有运动物体滞留的那一段或是需要查看视频中静止物体的时候，该方法并不适用。

现有研究想要解决这个问题一般需要使用神经网络解决，通过正负样本的收集，找出静止目标的大致分类。但是这种方法不但耗时耗力，而且静止目标并不会永远静止，所以采用神经网络进行判断并不是很合适。

综上所述，当前解决方案都有一定的局限性，在交通路口等视频监控中发挥的作用有限。

发明内容

针对克服现有技术上的不足，本发明的目的在于提供一种基于图像显著性的相对静止目标检测方法。本发明利用背景相减的方法对背景进行建模，并将前景目标删除，通过图像显著性检测和二值化拓扑结构分析，得到相对静止目标。

一种基于图像显著性的相对静止目标检测方法，包括如下步骤：

步骤1：记任意第k帧图像为F_k，建立F_k中每个像素点的背景模型，将每一个像素模型用其邻域中的像素来表示，记为如式(1)所示；

其中，表示图像F_k的第i个像素点的邻域中坐标为像素点的像素值，(x_ki,y_ki)表示图像F_k的第i个像素点的坐标，N_G(x_ki,y_ki)表示第k帧图像的第i个像素点的邻域像素点集合，表示N_G(x_ki,y_ki)中第j个像素点的坐标，j∈[1,64]；

步骤2：初始化第1帧图像F₁中每个像素点的背景模型，得到

步骤3：读取下一帧，记为第t帧图像F_t，采用集合记录F_t中判断为前景的像素点坐标，n_t表示集合C_t的元素个数；初始时为C_t空，然后遍历F_t中的所有像素点(x_ti,y_ti)并根据式(2)计算Y_ti，满足Y_ti≥M₀的像素点被判断为前景点并将对应的坐标(x_ti,y_ti)添加至集合C_t中；