一种基于帧间累计变化矩阵的视觉运动目标检测方法

摘要

本发明公开了一种基于帧间累计变化矩阵的视觉运动目标检测方法，将图像中每个像素点的帧间变化情况用0、1二值的帧间变化值表示，0值代表该点帧间未发生改变，1值代表帧间发生改变，并对每个像素点若干次历史帧间变化值进行累加，在当前时刻形成一个与图像同等大小的帧间累计变化矩阵，反映图像中每个像素点在一段历史时间内的帧间累计变化情况；后通过帧间累计变化矩阵对背景图像进行实时更新；再将当前帧图像与更新后的背景图像进行背景差分得到差分图像，并用限制范围的最大类间方差法进行二值化分割获得运动目标前景，最终获取运动目标。本发明的方法能够在背景发生突变时较好的实现背景图像的更新和运动目标的检测。

主权项

一种基于帧间累计变化矩阵的视觉运动目标检测方法，其特征在于，包括如下步骤：A，顺序读取灰度图像序列，若当前帧为前G帧，则进行混合高斯背景建模获取初始背景灰度图像，否则进入步骤B；B，判断当前帧是否为第G+1至G+N帧，N为历史累计帧数，是则计算帧间累计变化矩阵初值，否则进步骤C；C，根据步骤A中所得的初始背景灰度图像和步骤B中所得的帧间累计变化矩阵初值，对当前帧进行基于帧间累计变化矩阵的背景灰度图像更新，获取当前帧的背景灰度图像：对于帧间累计变化矩阵中值为0的点，将当前帧灰度图像的灰度值以背景更新速率a与上一帧所得背景灰度图像的灰度值融合，得到当前帧该点的背景度图像的灰度值；对于帧间累计变化矩阵中值大于0的点，将当前帧该点背景灰度图像的灰度值直接置为上一帧所得背景灰度图像的灰度值，具体计算公式如下：$B(x,y,k)=\left\{\begin{array}{cc}aI(x,y,k)+(1-a)B(x,y,k-1),& FACM(x,y,k)=0\\ B(x,y,k-1),& FACM(x,y,k)>0\end{array}\right.$其中x和y分别为图像中点的横坐标和纵坐标，B(x,y,k)、B(x,y,k‑1))分别为第k帧、第k‑1帧背景灰度图像(x,y)点灰度值，I(x,y,k)为第k帧灰度图像在(x,y)点的灰度值，FACM(x,y,k)为第k帧的帧间累计变化矩阵在(x,y)点的值；D，将步骤C获取的当前帧的背景灰度图像与当前帧的灰度图像做差分运算，得到当前帧的差分灰度图像，并确定差分灰度图像的二值化最佳阈值T；E，以步骤D所得的二值化最佳阈值T对当前帧的差分灰度图像进行二值化分割，得到当前帧的二值前景图像；F，对步骤E所得的当前帧的二值前景图像进行滤波去噪；G，在步骤F处理后的二值前景图像中进行连通区域搜索，搜索具有代表运动目标灰度值的连通区域，并滤除面积小于设定阈值S的连通区域，剩余的连通区域即为图像序列当前帧中的运动目标；所述帧间累计变化矩阵定义为：将图像中每个像素点的帧间变化情况用0、1二值表示，0值代表该点帧间未发生改变，1值代表帧间发生改变，并对每个像素点若干次历史帧间变化值进行累加，在当前时刻形成一个与图像同等大小的矩阵，即为帧间累计变化矩阵，反映图像中每个像素点在一段历史时间内的帧间累计变化情况，计算方法如下：假设FACM为历史累计帧数为N的帧间累计变化矩阵，W、H分别为图像帧的宽度、高度，k为当前帧数(k>N)，x、y分别表示矩阵行坐标和列坐标(0≤x<H，0≤y<W)，FACM(x,y,k)表示历史累计帧数为N的第k帧的帧间累计变化矩阵(x,y)点的值，计算公式如下：$FACM(x,y,k)=\underset{i=k-N+1}{\overset{k}{\Sigma }}C(x,y,i,i-1)$其中，C(x,y,k₁,k₂)为第k₁、k₂帧在(x,y)点的帧间变化值，计算公式如下：$C(x,y,k_1,k_2)=\left\{\begin{array}{cc}1,& D_i(x,y,k_1,k_2)\ge T_c\\ 0,& D_i(x,y,k_1,k_2)<T_c\end{array}\right.$其中，Tc为帧间变化阈值，用于判定某点在两帧间是否发生变化的，D_i(x,y,k₁,k₂)为第k₁、k₂帧的帧间差分图像(x,y)点灰度值，计算公式如下：D_i(x,y,k₁,k₂)＝|I(x,y,k₁)‑I(x,y,k₂)|其中I(x,y,k₁)、I(x,y,k₂)分别为第k₁、k₂帧灰度图像在(x,y)点灰度值。