[发明专利]一种结合相邻帧差法和混合高斯模型的运动目标检测方法

摘要

一种结合相邻帧差法和混合高斯模型的运动目标检测方法，包括以下步骤1）获取图像序列，包括当前帧和前一帧图像；2）对当前帧利用改进的相邻帧差法划分为临时运动区域和临时背景区域；3）对2）中产生的2个区域分别用混合高斯模型进行匹配，根据匹配结果再分成不同的区域；4）对不同区域内的高斯模型进行不同的更新；5）根据3）中产生的区域确定最后运动目标区域。在改进的相邻帧差法中加入了梯度比较和中值滤波，突出了运动目标边界和抗噪声干扰能力。对高斯混合模型的更新率改变增加了其对背景前景转换的适应性。该方法的检测结果既缓解了相邻帧差法产生的空洞问题，也消除了背景物体突然转为运动物体后产生的“影子”问题。

主权项

一种结合相邻帧差法和混合高斯模型的运动目标检测方法，其特征为，包括以下步骤：1)获取图像序列，包括当前帧和前一帧图像；2)对当前帧利用相邻帧差法划分为临时运动区域和临时背景区域；包括：a)将当前帧和前一帧相减取绝对值，设fk(x,y)和fk+1(x,y)分别表示前一帧和当前帧中坐标点(x,y)的像素值，计算它们的差分结果dx(x,y)：dk(x,y)＝|fk+1(x,y)‑fk(x,y)|b)计算当前帧的像素点在M×M窗口中的梯度值Gradk(x,y)，当M＝5：Gradk(x,y)=Σi=-22Σj=-22(|fk(x+i,y+j+1)-fk(x+i,y+j)|)+Σi=-22Σj=-22(|fk(x+i+1,y+j)-fk(x+i,y+j)|)]]>c)比较相邻两帧相同坐标位置像素的梯度值，梯度相差越大在计算帧差时的梯度系数就越大，令r表示梯度系数，Fdk(x,y)表示引入梯度系数的帧差值，计算Fdk(x,y)：Fdk(x,y)＝dk(x,y)×rd)将Fdk(x,y)与前J帧的帧差值进行排序，将中间的值作为新的帧差值Fdk’(x，y)；e)把新的帧差值Fdk’(x，y)与阈值T进行比较，如果大于阈值则把该点标为1，如果小于阈值则标为0；f)对阈值化以后的二值图像进行连通分量处理，通过连通分量处理后图像被分为临时运动区域afg和临时背景区域abg，其中afg包括相邻帧差法计算出的运动物体区域和其内部空洞区域；3)对2)中产生的2个区域分别用混合高斯模型进行匹配，根据匹配结果再分成不同的区域；包括：g)混合高斯模型中包含N个高斯模型，对于第i个高斯模型，在t时刻其参数包括：平均值μi，t、方差和权重wi,t，参数在第一帧图像时设定初值；h)对于像素值为Xt的像素点，判断其与某个高斯模型匹配的条件是：|Xt‑μi,t‑1|＜2.5σi,t‑1如果满足这个条件则该高斯模型与像素点匹配，如果不满足则没有匹配上，把高斯模型按照的大小顺序进行排序，排名前B个的高斯模型作为背景模型；对afg和abg区域像素点分别进行混合高斯模型匹配，其中afg为临时运动区域和abg为临时背景区域，根据匹配结果把图像分为4个区域：①afg内匹配上的区域afgm，②afg内没有匹配上的区域afgu，③abg内匹配上的区域abgm，④abg内没有匹配上的区域abgu；4)不同区域内的高斯模型进行不同的更新；包括：i)afgm区域内高斯模型的更新：wi,t＝(1‑α)wi,t‑1+αMi,tμi,t＝(1‑ρ)μi,t‑1+Mi,tρXt+ρμi,t‑1(1‑Mi,t)其中，α为参数更新率，这里0.1，wi,t、μi,t和分别为第i个高斯模型在t时刻的权重、平均值和方差，Mi,t的值与第i个高斯模型在t时刻是否与像素点匹配有关，如果匹配取1，不匹配取0；j)afgu区域内的高斯模型不更新，也不建立新的高斯模型；k)abgm区域内高斯模型更新方法和i)中类似，不同的是参数更新率α取0.01；l)abgu区域内除了权重最小的高斯模型之外，其余均按照i)中的公式进行更新，参数更新率α取0.01；新建一个高斯模型来替代权重最小的模型，新建的高斯模型的参数设置为：均值μt取当前的像素值Xt，方差σt取一个比较小的值，权重wt取值较大使得归一化以后该新建模型排名较高；5)根据3)中产生的区域确定最后运动目标区域；包括：m)综合考虑f)中计算出的临时运动区域afg和afgu区域，重新进行连通分量处理后确定最终的运动目标区域。