基于邻域相关的背景重构的运动目标检测方法

摘要

本发明公开了一种基于邻域相关的背景重构的运动目标检测方法，包括如下步骤：输入图像序列，对数据进行排序；划分灰度平稳区间类；计算各灰度平稳区间类的出现频率；划分背景不确定区域并确定像素点的候选背景；像素点背景的确定；运动目标检测。本发明计算量小，不需要对场景中的背景和目标建立模型，亦不需要对背景进行条件假设；能直接从含有运动前景的场景图像中重构背景，能有效地避免了混合现象；在参数变化的很大范围内能得到满意结果；对于背景未以最大频率出现的区域，仍能准确进行背景重构，鲁棒性好；本发明在机械视觉、视频监控、军事科学、城市交通监控中和居民日常安全监控等实时系统领域有着广泛的应用前景。

主权项

1.一种基于邻域相关的背景重构的运动目标检测方法，其特征在于，包括如下步骤：步骤1：输入图像序列，并对数据进行排序；将图像采集设备采集到的图像序列输入计算机，计算机读取图像序列F′＝(f′₁，f′₂，......，f′_N)，对输入的图像中某像素点p的灰度值F(p)＝(f′₁(p)，f′₂(p)，......，f′_N(p))排序；步骤2：划分灰度平稳区间类；对排序后的数据划分灰度平稳区间：将第一个数据归为初类，且令第一个数据为初类的初值，此时令j＝1，j为灰度平稳区间类；将新数据f_i(p)与第j类的初值的差与门限值δ₁相比较，若该差小于门限值δ₁，将f_i(p)为第j类，并更新第j类的数据数和灰度和；否则，创建一个新类，并令该f_i(p)为新类的初值；用p表示像素点，表示像素点p的第j类的初值，表示像素点p的第j类的数据数，表示像素点p的第j类的灰度和；最终得到R个灰度平稳区间类，R≥1；其中：δ₁为判断像素点p是否为新类的门限值，对于256级的灰度图像，δ₁取值为20～40的整数；执行步骤3；步骤3：计算各灰度平稳区间类的出现频率：利用公式6计算每个灰度平稳区间类的出现频率，第j个灰度平稳区间类的出现频率W^j(p)：$W^j\left(p\right)=\frac{C_c^j\left(p\right)}{N},(j=\mathrm{1,2},...,R)$(公式6)；执行步骤4；步骤4：划分背景不确定区域并确定像素点的候选背景；针对场景中并非所有像素点的背景总是以最大的出现频率出现这一问题，采用候选背景的策略，即首先确定像素点的背景是否唯一确定，若像素点的出现频率最大的灰度平稳区间类的出现频率高于门限值δ₂，则认为该像素点背景唯一确定，并选择出现频率最大的灰度平稳区间类为该像素点的背景值；否则，认为该像素点的背景不唯一确定，则标记该像素点，并选择出现频率最大的2～3个灰度平稳区间类作为该像素点的候选背景；执行步骤5；步骤5：像素点背景的确定；对于有唯一确定背景的像素点，其背景值即为唯一的候选背景值；对于候选背景不唯一的像素点：首先计算像素点背景选择的优先级；其次确定优先级最高的像素点的背景值；然后更新像素点的背景确定标识；最后循环执行上述步骤直至所有像素点的背景都被确定为止；执行步骤6；步骤6：运动目标检测；将输入的图像帧f_i(i＞N)和背景图像作比较，若f_i(i＞N)和背景图像的差大于门限值δ₃，则为运动目标，否则为背景；其中，对于256级的灰度图像，δ₃取值为20～40的整数；结束。