[发明专利]一种基于帧差法和运动点聚类的运动目标检测方法

摘要

本发明涉及一种视频处理领域的运动目标检测方法，执行S4:由帧差分得到运动点集合，运动点是不连续的，灰色和白色部分由断裂，不联通；执行S5:帧内运动点聚类，将灰色和白色运动点集合联通起来，构成完整的人的轮廓；执行步骤S7:通过帧间运动点聚类，将人的运动轮廓增强。本方法采用帧差法获取运动点并基于帧内和帧间聚类算法对运动点进行了抗干扰的分析和合并处理，该方法适应能力优于高斯背景建模以及ViBe背景建模算法，能适应视频的方块效应，闪屏，灯光突变等问题，此外，通过运动点合并处理，该方法优于帧差法，灵敏度高，能够检测到物体的轻微的运动，得到物体的连续运动区域。

主权项

1.一种基于帧差法和运动点聚类的运动目标检测方法，其方法如下：S1:初始化，初始化全局运动点列表mvList{}；S2:视频数据输入，读入视频帧序列，如果读入失败或视频结束则退出算法，否则执行步骤S3；S3:更新运动点列表mvList{},删除无效的，过时的运动点；S4:帧差法，获取当前帧的运动点集合C；S5:帧内运动点聚类，通过运动点的8联通信息以及边缘联通信息对当前帧的运动点集C进行聚类处理，聚类得到运动集合列表{L1,L2,...,Ln},集合Li代表一个运动目标,如果当前帧是第一帧，则执行步骤S6否则执行步骤S7；S6:映射到全局运动点列表,将当前帧的运动点列表{L1,L2,...Ln}映射到全局运动点列表mvList{}中，得到全局运动点集合列表{G1,G2,....,Gn}，执行步骤S8；S7:帧间运动点聚类，将当前帧的运动点聚类到前一帧的运动点列表中,1)首先对当前帧的运动集合列表{L1,L2,...,Ln}中的每个运动点m进行聚类，通过搜索运动点m邻域内的前一帧的运动点信息，将其映射到前一帧的运动点列表中，得到一个全局标签Gj(1；S9:输出全局运动点列表，全局运动点列表{G1,G2,...,Gn,..}为当前的运动目标，每一个运动点集合Gi代表一个运动目标,执行步骤S2,读取下一帧对下一帧图像进行运动目标检测。