[发明专利]一种夜间物体检测的方法

摘要

本发明公开了一种夜间物体检测的方法，通过建立静止的混合高斯背景模型检测前景点，建立前景图像和背景图像模型，并利用图像帧中高斯分布模型特征的变化进行背景图像模型更新，对前景图像中的前景目标进行特征提取，通过匹配目标的特征，建立运动目标与前景目标之间的对应关系实现对运动目标的追踪。本发明一种夜间物体检测的方法通过建立精确的背景模型，并通过高斯分布模型对背景模型进行更新，使其具有较强的区分度，提升了对运动目标的抗干扰能力，准确地从视频图像中提取出运动的车辆目标，而且还能有效地排除掉车灯光晕和地面反光对目标检出的影响。

主权项

一种夜间物体检测的方法，其特征在于：通过建立静止的混合高斯背景模型检测前景点，建立前景图像和背景图像模型，并利用图像帧中高斯分布模型特征的变化进行背景图像模型更新，对前景图像中的前景目标进行特征提取，通过匹配目标的特征，建立运动目标与前景目标之间的对应关系实现对运动目标的追踪；前景点与背景点的判断：为帧图像中的每个图像点的灰度值分布建立高斯分布模型p(x,μ_t,Σ_t)，若p(x,μ_t,Σ_t)不大于概率阈值，则该图像点为前景点，否则该图像点为背景点；背景图像：每隔一定之间进行一次帧图像采样，获取并计算样本的背景点的期望图像，该期望图像为背景图像；前景图像处理：通过前景点计算得到前景图像，对其进行阈值化，将其转化为二值图像，再作形态学开运算，去除面积较小的散点。背景模型更新判断：通过相邻时间段的背景概率模型的匹配度判定背景模型是否需要更新，并对背景模型上的多个图像点均引入高斯分布模型，判断算法公式如下：对像素点(x,y)，令X_t表示其在t时刻的亮度值，并服从高斯分布，即$p\left(X_t\right)=\frac{1}{\sqrt{2{\mathrm{\π\Σ}}_t}}\exp (-\frac{{(X_t-{\mathrm{\μ}}_t)}^2}{2{\mathrm{\Σ}}_t})---\left(1\right)$其中期望μ_t和方差Σ_t随时间进行更新，更新公式为：μ_t+1＝(1‑α)μ_t+α(X_t‑μ_t)    (2)Σ_t+1＝(1‑α)Σ_t+α(X_t‑μ_t)(X_t‑μ_t)^T    (3)其中α∈[0,1]，初值μ₀与Σ₀规定为：μ₀＝I₀    (4)Σ₀＝20     (5)规定缩放系数λ，当t+1时刻像素亮度X_t+1满足式(6)，认为像素属于背景，$|X_{t+1}-{\mathrm{\μ}}_t|\<\mathrm{\λ}\sqrt{{\mathrm{\Σ}}_t}---\left(6\right)$当满足式(7)，认为像素属于前景；$|X_{t+1}-{\mathrm{\μ}}_t|\≥\mathrm{\λ}\sqrt{{\mathrm{\Σ}}_t}---\left(7\right)$前景目标分割：利用空间连续性对前景图像中的连通区域进行分割，将分割后的帧图像与背景模型之间进行对比，对前景图像中的前景目标的静态特征进行提取；运动目标跟踪：采用二阶Kalman滤波器模型作为运动目标的运动模型，将运动目标与前景目标进行匹配，静态特征匹配成功后，对其特征和运动历史记录进行更新。