[发明专利]一种参数自适应调节的高斯混合模型目标检测方法

摘要

本发明是一种参数自适应调节的高斯混合模型目标检测方法。本方法先获得图像序列的边缘数据，再为边缘检测序列建立参数自适应调节的高斯混合模型：对边缘数据的每个像素点建立k个高斯分布组合建模，对匹配成功的高斯分布，其权重的更新率随帧数的增加而减小，均值和方差的更新率随高斯分布历史匹配数目的增加而减小，对匹配不成功的高斯分布，保持参数不变；最后利用所建立的高斯混合模型对图像序列的边缘进行检测，得到前景目标轮廓，将前景目标轮廓进行填充得到完整的前景运动目标。本发明与传统的高斯混合模型目标检测方法相比，当光线发生变化时，能更加准确地检测到前景运动目标，并且运算速度提高了28.574％。

主权项

一种参数自适应调节的高斯混合模型目标检测方法，其特征在于，实现步骤如下：步骤一：对图像序列中的每一帧图像进行边缘检测，获得边缘检测序列；进行边缘检测具体是：首先，对图像进行滤波；其次，计算图像的梯度幅值和方向；然后，进行非极大值抑制；最后，进行边缘检测和连接；步骤二：为得到的边缘检测序列建立参数自适应调节的高斯混合模型；步骤2.1，对图像中的每个像素点使用k个高斯分布的组合来建模，k为大于2的整数，设t时刻图像的边缘检测矩阵的像素点(x，y)的像素值为x_t，该像素点的概率密度函数ρ(x_t)为：$\mathrm{\ρ}\left(x_t\right)=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{\ω}}_{i,t}N(x_t;{\mathrm{\θ}}_{i,t});N(x_t;{\mathrm{\θ}}_{i,t})=N(x_t;{\mathrm{\μ}}_{i,t},{\mathrm{\Σ}}_{i,t});{\mathrm{\Σ}}_{i,t}={\mathrm{\σ}}_{i,t}^2*I;$其中，ω_i，t是t时刻第i个高斯分布的权重，N(x_i；θ_i，t)表示t时刻第i个高斯分布函数，μ_i，t是t时刻第i个高斯分布的均值，∑_i，t表示t时刻第i个高斯分布的方差矩阵；I为单位矩阵，σ_i，t是t时刻第i个高斯分布的方差；步骤2.2，利用第一帧图像为每个像素点建立初步的高斯混合模型，然后遍历后续图像帧中的每个像素点，让每个像素点x_t同建立的相应高斯混合模型中的各高斯分布进行匹配；匹配规则为：对于x_t与相应高斯混合模型中的第i个高斯分布，如果满足|x_i‑μ_i，t‑1|＜2.5σ_t，t‑1，则x_t与该高斯分布匹配，否则x_t与该高斯分布不匹配；μ_i，i‑1为t‑1时刻第i个高斯分布的均值，σ_i，t‑1为t‑1时刻第i个高斯分布的方差；步骤2.3，如果存在与像素值x_t匹配的高斯分布，则进行参数更新如下：更新t时刻第i个高斯分布的权重ω_i，t为：ω_i，t＝(1‑η_ω)ω_i，t‑1+η_ωM_i，t，a＝1，2，...，n；其中，η_ω为权重的更新率，ω_i，t‑1为t‑1时刻第i个高斯分布的权重，n为图像序列的总帧数，a为当前图像帧序号，M_i，t为权重决策值，若x_t与第i个高斯分布匹配，M_i，t＝1，否则M_i，t＝0；若x_t与第i个高斯分布匹配，更新t时刻第i个高斯分布的均值μ_i，t和方差矩阵∑_i，t如下：μ_i，t＝(1‑η_μ)μ_i，t‑1+η_μx_t∑_i，t＝(1‑η_σ)∑_i，t‑1+η_σ(x_t‑μ_i，t)^T(x_t‑μ_i，t)其中，η_μ为均值的更新率，η_σ为方差的更新率，∑_i，t‑1为t‑1时刻第i个高斯分布的方差矩阵，C_I为第i个高斯分布的历史匹配数目之和，α为更新率；若x_t与第i个高斯分布不匹配，不更新t时刻第i个高斯分布的均值和方差矩阵；如果不存在与像素值x_t匹配的高斯分布，则将权重最小的高斯分布的均值设置为当前像素值，方差和权重设置为预设值；步骤2.4，对于图像中每一个像素点的k个高斯分布，按照ω_i，t/σ_i，t由大到小进行排列，利用前B个高斯分布来表征背景图像，B由如下公式表示：$B={\arg }_b\min (\underset{i=1}{\overset{b}{\mathrm{\Σ}}}{\mathrm{\ω}}_{i,t}>T_1)$其中，T₁为阈值，取值范围为(0，1)，b表示排序的第b个高斯分布，取值范围为[1，k]；当得到表征背景图像的B个高斯分布后，通过将当前像素点与所述的B个高斯分布进行匹配检测出图像中的前景目标以及背景图像；步骤三：利用步骤二所建立的参数自适应调节的高斯混合模型，对边缘检测序列进行检测，得到前景目标轮廓，将前景目标轮廓进行填充得到完整的前景运动目标。