[发明专利]基于视频的铁路线小目标检测方法及系统

摘要

本发明提供了一种基于视频的铁路线小目标检测方法及系统,通过在视频检测中采用神经元模拟方式，进一步增加了基于帧级的前景分割，从而应对因剧烈光照变化而造成的大面积鬼影的情况。当场景中有多于占比阈值的像素被判定为前景，则认为基于颜色前景分割获得的前景已经不再可靠，转而采用梯度特征值进行分割便能够获得前景的轮廓,从而确保轮廓内的像素填充即可获得完整的前景。

主权项

一种基于视频的铁路线小目标检测方法，其特征在于：包括步骤，S1输入视频的第一帧图像；S2建模，为视频的帧图像中每个像素建立n×n个神经元，得到帧图像的MAP结构，而后将帧图像中像素均作为背景分布的由神经元集合中的神经元进行模拟；S3输入视频的下一帧图像；S4遍历当前帧图像，对帧图像中的每一个像素进行基于颜色的前景分割；S5判断当前帧图像中，属于前景的像素占比是否大于占比阈值，是则执行步骤S6，否则执行步骤S7；S6利用场景梯度值重新分割前景；S7输出标出前景的图像，返回步骤S3；所述步骤S4具体包括步骤，S41输入当前帧中第一个像素；S42在神经元集合中搜索是否有与之距离小于阈值的神经元，若不存在则转到步骤S43；存在则选出该神经元作为最佳匹配神经元后转到步骤S45；S43将当前处理的像素标出为前景，而后转到步骤S44；S44输入下一个像素后转回步骤S42；S45降低该最佳匹配神经元的更新率；S46计算神经元集合内各神经元的鬼影参数，所述鬼影参数包括神经元在其邻域内的权值比重与局部梯度变化量；S47对神经元集合中神经元分类处理，对非最佳匹配神经元执行步骤S48，对最佳匹配神经元执行步骤S50；S48当非最佳匹配神经元的梯度变化量小于第一阈值且权值小于第二阈值时候执行步骤S49；S49重置该非最佳匹配神经元的更新率；S50判断最佳匹配神经元的梯度变化量是否不小于第一阈值，不小于则转到步骤S43，小于则转到步骤S51；S51更新最佳匹配神经元邻域，转到步骤S52；S52将更新最佳匹配神经元邻域内神经元标出为背景，转回步骤S44。