[发明专利]基于中智集相似度量测的静态背景下运动目标检测方法

摘要

本发明涉及一种基于中智集相似度量测的静态背景下运动目标检测方法。该方法在监控区域架设视频采集设备，对采集到的视频数据逐帧处理。首先依据传统的基础背景模型提取各帧运动区域置信图，然后利用若干连续帧置信图数据分别完成基于独立像素点、区域均值像素点和区域极大值像素点的多属性中智隶属度、不确定性度和非隶属度量测，并通过中智相似度加权求和得到运动区域中智置信图，最后以此为基础，利用最大类间方差法获取最优分割阈值，将中智置信图中高于此阈值的判定为运动目标区域，反之则为背景区域。本发明实现简单，计算复杂度低，能够有效克服视频噪声的影响，在雨雪天气等恶劣条件下仍能有效完成运动目标检测。

主权项

1.基于中智集相似度量测的静态背景下运动目标检测方法，其特征在于，包括以下步骤：(1)计算运动区域置信图；(2)计算基于独立像素点的中智隶属度、不确定性度和非隶属度量测；(3)计算基于区域均值像素点的中智隶属度、不确定性度和非隶属度量测；(4)计算基于区域极大值像素点的中智隶属度、不确定性度和非隶属度量测；(5)计算运动区域中智置信图；(6)利用最大类间方差法获取最优分割阈值，提取运动目标区域；所述步骤(1)中运动区域置信图的计算进一步限定为：首先利用中值滤波器对视频源图像进行去噪处理，滤波窗口设定为3x3，然后利用基础背景模型Bt＝(1‑α)Bt‑1+αIt计算监控区域背景图像，α为学习速率，可依据实际需求设定，α越大，背景模型更新速率越高，It为t时刻对应的视频图像；运动区域置信图St＝|It‑Bt|，St中对应像素点的值越大，表明该像素点属于运动区域的概率越大；所述步骤(2)中基于独立像素点的中智隶属度、不确定性度和非隶属度的计算方法进一步限定为和分别为图像x坐标处相应的中智隶属度、不确定性度和非隶属度的量测值，为t时刻运动区域置信图中的最小置信值，为对应的最大值，SD(x)是前N帧目标区域置信图中图像坐标为x处的置信标准差，其计算方法为：SD(x)＝stddev(St‑N+1(x),St‑N+2(x),...,St(x))。