一种基于跟踪反馈的非参数运动目标检测方法

摘要

本发明涉及一种基于跟踪反馈的非参数运动目标检测方法，依次包括：一、在拍摄设备静止状态下采集视频序列图像；二、选取前N帧的图像，计算N帧图像背景像素点的色度属性和饱和度属性；三、得到背景像素点的色度属性水平垂直梯度，饱和度属性水平垂直梯度；四、组成特征向量五、重复上述步骤，得到N帧图像以后的特征向量六、得到背景的概率密度分布；七、重复上述步骤，得到运动目标的概率密度分布；八、得到跟踪区域内运动目标的概率密度分布；九、采用似然比分类器检测出N帧以后视频序列图像中的运动目标。本发明能消除局部阴影对运动目标检测的影响，同时不需要知道目标形状和尺寸等任何先验信息，能够在复杂背景条件下提取运动目标。

主权项

一种基于跟踪反馈的非参数运动目标检测方法，依次包括以下步骤：第一步、在拍摄设备静止状态下采集视频序列图像，共M帧；第二步、选取从第1帧到第N帧的视频序列图像，计算N帧视频序列图像背景像素点β_i(i＝1,2,...,N)的色度属性和饱和度属性；第三步、采用sobel算子计算得到背景像素点β_i的色度属性水平和垂直梯度，背景像素点的饱和度属性水平和垂直梯度；第四步、利用背景像素点β_i的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量第五步、选取N帧以后的视频序列图像，计算M‑N帧视频序列图像背景像素点β_t(t＝N+1,N+2,...,M)的色度属性和饱和度属性；第六步、采用sobel算子计算得到背景像素点β_t的色度属性水平和垂直梯度，背景像素点的饱和度属性水平和垂直梯度；第七步、用背景像素点β_t的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量第八步、通过非参数模型得到背景的概率密度分布Pr(b_t)，$\mathrm{Pr}\left(b_t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{K}_H(f_t^b-f_i^b);$式中，K_H为6维高斯核函数；第九步、选取从第1帧到第N帧的视频序列图像，计算N帧视频序列图像运动目标像素点α_i(i＝1,2,...,N)的色度属性和饱和度属性；第十步、采用sobel算子计算得到运动目标像素点α_i的色度属性水平和垂直梯度，运动目标像素点的饱和度属性水平和垂直梯度；第十一步、用运动目标像素点α_i的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量第十二步、选取N帧以后的视频序列图像，计算M‑N帧视频序列图像运动目标像素点α_t(t＝N+1,N+2,...,M)的色度属性和饱和度属性；第十三步、采用sobel算子计算得到运动目标像素点α_t的色度属性水平和垂直梯度，运动目标像素点的饱和度属性水平和垂直梯度；第十四步、用运动目标像素点α_t的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量第十五步、通过非参数模型得到运动目标的概率密度分布Pr(a_t)；$\mathrm{Pr}\left(a_t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{K}_H(f_t^a-f_i^a);$第十六步、采用均值漂移的跟踪策略对运动目标像素点进行跟踪，并得到跟踪区域内运动目标的概率密度分布；第十七步、利用背景的概率密度分布Pr(b_t)，运动目标的概率密度分布Pr(a_t)和跟踪区域内运动目标的概率密度分布，采用似然比分类器检测出N帧以后视频序列图像中的运动目标。