[发明专利]一种基于分段背景学习的目标检测方法

摘要

本发明属于图像处理技术领域，具体涉及一种基于分段背景学习的目标检测方法。具体方法流程如下：①获取并标记图像；②计算前帧背景差分和帧间差分图像；③逐像素更新帧间差分；④逐像素更新前帧背景差分；⑤将所有像素进行更新；⑥计算背景差分图像；⑦计算BFDk图像均值μ和标准差σ；⑧计算分割阈值，确定分割图像；⑨形成目标图像；⑩完成目标检测过程。通过采用分段更新背景学习算法，既对改变的背景区域快速更新学习，适应背景变化，又使背景图像对运动物体造成的干扰不敏感，实时获得背景区域，通过背景差分法准确的对监控图像中的运动目标进行检测；有针对性的解决了智能监控中的复杂场景问题，监控场景中的背景区域存在频繁变化等问题。

主权项

一种基于分段背景学习的目标检测方法，其特征在于：根据可见光监控图像中运动目标与背景的变化特性，对监控图像中的背景图像进行实时学习，通过背景差分方法，获得运动目标区域，实现运动目标的实时检测；应用于基于物联网的智能视频监控系统中监控场景中运动目标检测系统，采用高性能计算机作为其图像信号处理器硬件平台，软件代码采用通用C语言编程实现，在Microsoft Visual C++6.0平台下编译并运行；具体方法流程如下：①获取并标记图像：获取监控视频当前帧图像、前一帧图像和前一帧图像对应背景图像；设帧号为k，当前帧图像记为Fk，前一帧图像记为Fk‑1，前一帧对应背景图像记为Bk‑1；对于第1帧，设背景图像B1为第1帧图像F1；②计算前帧背景差分和帧间差分图像：当k>1时，针对Fk、Fk‑1、Bk‑1，计算前帧背景差分BDk和帧间差分FDk图像，计算关系为：BDk＝Fk‑Bk‑1，FDk＝|Fk‑Fk‑1|；其中BDk为Fk与Bk‑1差分，FDk为Fk与Fk‑1的差分的绝对值；差分操作通过对图像应像素值相减计算得到，逐像素差分后，得到差分图像矩阵BDk和FDk；③逐像素更新帧间差分：逐像素更新背景图像，对于像素坐标为(x,y)，比较帧间差分FDk(x,y)是否大于阈值FTh；阈值FTh的数值根据需求和应用环境选取；FDk(x,y)大于FTh时，将当前像素更新量mk(x,y)设置为0；FDk(x,y)不大于FTh时，根据更新系数kk(x,y)设置更新量mk(x,y)，关系为：mk(x,y)＝kk(x,y)×BDk(x,y)，更新系数kk(x,y)根据需要及监控场景情况设置；④逐像素更新前帧背景差分：比较BDk(x,y)是否大于阈值BTh；BTh的数值根据需求和应用环境选取；BDk(x,y)不大于BTh时，不进行背景更新，Bk(x,y)的数值等于Bk‑1(x,y)；BDk(x,y)大于BTh时，按步骤③中确定的更新量mk(x,y)对背景图像像素Bk‑1(x,y)进行更新，关系为：Bk(x,y)＝Bk‑1(x,y)+mk(x,y)⑤将所有像素进行更新：重复步骤③~④，对图像Bk‑1的所有像素逐个进行更新操作，得到当前帧对应背景图像Bk；⑥计算背景差分图像：计算当前帧的背景差分图像BFDk，计算关系为：BFDk＝|Fk‑Bk|，BFDk为Fk与Bk的差分的绝对值；差分操作通过对图像像素值相减计算得到，逐像素差分后，得到差分图像矩阵BFDk；⑦计算BFDk图像均值μ和标准差σ：图像BFDk为r行c列，均值μ为： μ = 1 r × c Σ i = 1 r Σ j = 1 c BFD k ( i , j ) , 标准差σ为： σ = 1 r × c - 1 Σ i = 1 r Σ j = 1 c ( BFD k ( i , j ) - μ ) 2 , 其中BFDk(i,j)表示图像BFDk第i行第j列像素的像素值；⑧计算分割阈值，确定分割图像：在图像BFDk中忽略小于μ+σ的像素，针对图像BFDk中大于μ+σ（的像素值，以最大类间方差准则计算最优分割阈值Th；根据阈值Th对图像BFDk进行图像分割，形成分割图像BFSk；分割法则: BFS k ( i , j ) = 1 BFD k ( i , j ) ≥ Th 0 BFD k ( i , j ) < Th 其中BFDk(i,j)表示图像BFDk第i行第j列像素的像素值，BFSk(i,j)表示图像BFSk第i行第j列像素的像素值；⑨形成目标图像：采用形态学操作去除分割图像中的噪点，填补空洞；采用5×5的正方形模板对BFSk进行腐蚀操作，去除噪点；对去除噪点后的图像采用7×7的正方形模板对BFSk进行膨胀操作，填补图像中的空洞，形成目标图像BFMk；⑩完成目标检测过程：将目标图像BFMk中像素值为1的连通区域进行像素数统计，去除像素数小于60的区域；对保留下的目标区域，分别计算并记录像素横纵坐标的最大值和最小值，通过以上数值形成该区域的外接矩形，用以标识该目标区域，完成目标检测过程。