[发明专利]基于图像分割的Vibe运动目标检测算法

摘要

本发明公开了一种基于图像分割的Vibe运动目标检测算法，主要解决现有技术中进行运动目标检测时易出现“鬼影”使得检测效果不理想的问题。其实现方案为：1.将第一帧RGB图像处理成灰度图；2.在灰度图中随机选取部分个体组成初始种群p，并对种群p中的所有个体进行十进制到二进制的转换处理；3.对种群p中的个体值求和并将结果作为参数来构建个体适应度函数；4.将个体适应度函数作为遗传算法中的适应度函数，对种群中的个体进行迭代运算，获得最佳分割图像的阈值g；5.在Vibe算法已检测出的前景点集合中应用阈值g并结合判决规则，最终得到符合规则的新前景点。本发明能够明显改善可见光下运动目标的检测效果。

主权项

1.一种基于图像分割的Vibe运动目标检测算法，其特征在于，包括如下步骤：(1)将输入视频流的第一帧彩色RGB图像转为灰度图pic；(2)在灰度图pic中随机选取部分个体构造初始种群p，并将初始种群p中的每一个个体值从十进制转换到八位二进制；(3)按照如下步骤构造个体适应度函数fitness(1,i)：3a)对初始种群p中的所有个体值求和，得到求和结果csum；3b)根据下式计算初始种群p中第i个个体的阈值b(1,i)：b(1,i)＝csum*255/(28‑i)其中，psize为种群规模，1≤i≤psize；3c)遍历灰度图pic的每个像素点pic(x,y)，统计得到低于阈值b(1,i)像素点数的个数总和ll，及这些像素点数对应的像素值之和ls；统计得到高于阈值b(1,i)像素点数的个数总和hn，及这些像素点数对应的像素值之和hs，3d)根据步骤3c)的统计结果，分别获得低于阈值b(1,i)的像素平均灰度值low与高于阈值b(1,i)的像素平均灰度值high：3e)通过下式，计算得到个体适应度函数fitness(1,i)：fitness(1,i)＝|ll·hn(low‑high)|；(4)将fitness(1,i)作为遗传算法中的适应度函数，对种群中的个体进行迭代运算，获得分割图像的最佳阈值g；(5)根据如下步骤，从输入视频流的第二帧开始，依次对输入视频流每帧的前景点进行检测，获取符合要求的点：5a)对当前帧的每个像素，分别取其周围的8个点构成该像素点的背景样本集sample(x,y)；5b)将当前帧内的每个像素点与其对应的sample(x,y)中的8个像素点分别计算欧拉距离l，并设欧拉距离l大于20的像素组对数为sum，且sum的初始值为0，进行如下处理：当l大于20时，对sum的取值加1；当l小于或等于20时，则不进行处理；5c)判断sum的值是否大于2，若是，则初步判定该点为前景点，反之则为背景点，从而得到当前帧内的前景点集合v(x,y)以及背景点集合b(x,y)，同时统计背景点个数count；5d)计算当前帧背景点的灰度平均值5e)通过比较灰度平均值与最佳阈值g的大小，对像素点进行归类，得到新前景点集合vv(x,y)、新背景点集合bb(x,y)以及需要剔除的鬼影点集合ghost(x,y)；5f)若视频流内所有帧均已检测完，则执行步骤5g)；否则，将下一帧作为当前帧，返回步骤5b)；5g)输出新前景点集合vv(x,y)，即符合要求的点。