[发明专利]相机抖动场景下基于背景差和运动信息的前景检测方法

摘要

本发明公开了一种相机抖动场景下基于背景差和运动信息的前景检测方法，属于图像处理与计算机视觉技术领域。本发明通过分析相机抖动场景下像素点的运动信息，采用概率阈值判断去除相机抖动造成的误检前景点，提高运动检测的准确性，解决现有运动检测方法对场景中相机抖动适应性不高的问题。在背景差法运动检测中，相机抖动造成边缘处像素点在前一帧被检测为前景点，当前帧却被检测为背景点，下一帧又可能被检测为前景点。运动目标运动是由前一帧的运动像素点移动过来，在序列图像中形成连续的运动，且连续运动持续的时间与运动物体的尺寸有关。获取相机抖动造成的运动信息的概率分布，实现相机抖动场景下误检前景的剔除。

主权项

一种相机抖动场景下基于背景差和运动信息的前景检测方法，其步骤为：（1）采用平均值背景法构建初始背景图像连续采集视频序列中前N帧图像，将该N帧图像对应像素灰度值的平均值作为初始背景图像的像素灰度值，计算公式如下： B t ( x , y ) = 1 N Σ i = t - N + 1 N I i ( x , y ) 其中，Ii(x,y)表示该N帧图像中第i帧图像在像素点(x,y)处对应的像素灰度值，Bt(x,y)为t时刻初始背景图像中像素点(x,y)对应的像素灰度值；（2）采用背景差法构建初始运动目标的二值图像将当前帧图像It与步骤（1）中的初始背景图像Bt相减得到差值图像，对差值图像进行自适应阈值分割，如果像素值大于设定的阈值，则该像素为候选的前景像素点，设为“1”，否则为背景像素点，设为“0”，得到二值图像Lt，如下式所示， L t ( x , y ) = 1 , | I t ( x , y ) - B t ( x , y ) | > th 0 , else 其中，Lt(x,y)＝1表示t时刻像素点(x,y)为运动前景点，Lt(x,y)＝0表示t时刻像素点(x,y)是背景点，th表示二值判决阈值；（3）获取相机抖动场景下背景运动信息的分布概率密度函数及误检判决阈值采集连续的M帧二值图像Lm(m∈[1,M])，其中，100≤M≤300，统计像素点(x,y)在M帧二值图像Lm(m∈[1,M])中被交替检测为前景点和背景点的持续帧数，记为向量l(x,y)＝{l1,l2,…，lT}，其中前景点的持续帧数用正数表示，背景点的持续帧数用负数表示，将该持续帧数作为初始样本集，用Parzen核密度估计该样本集的概率密度函数ft(l)，采用Mean‑shift算法，求出ft(l)的极值，记为Ev，并设误检判决阈值th1＝0.1Ev；（4）剔除因相机抖动造成的误检前景在步骤（3）的基础上，从第M+1帧开始，对于t时刻二值图像Lt中的前景点(x,y)，统计其在最近的W帧二值图像Lq(q∈[t‑W+1,t])中被交替检测为前景点和背景点的持续帧数，记为向量lnew(x,y)＝{lnwe1,lnew2,…}，其中，W的值为视频序列的帧率，用概率密度函数ft(l)计算出向量{lnwe1,lnew2,…}中各个元素出现的概率{pnew1(x,y),pnew2(x,y),…}，并对{pnew1(x,y),pnew2(x,y),…}求算术平均值，记为pt(x,y)，将pt(x,y)与误检判决阈值th1比较，不小于误检判决阈值th1则该点为相机抖动造成的误检前景像素点，则将Lt(x,y)置为“0”， 视为背景像素点，否则置为“1”，视为前景像素点；（5）采用选择性的自适应更新的方式更新初始背景，采用“先进先出”的方式更新概率密度估计的样本集。