一种背景自适应更新的地下车库及隧道运动目标检测方法

摘要

本发明公开了一种背景自适应更新的地下车库及隧道运动目标检测方法，包括以下步骤：步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域等步骤，本发明利用图像处理算法得到当前图像帧内的运动目标和背景区域，利用当前背景区域对系统背景图像进行自适应更新，对运动目标区域进行几何特征提取，利用提取的几何特征识别场景内有无运动目标，并进一步识别运动目标是车辆还是行人，最终可以根据不同检测结果来控制地下车库及隧道照明系统的开启时间长度，得到很好的节能效果，自适应性强，运行速度快，可以满足实时检测的需求，具有广阔的市场前景。

主权项

一种背景自适应更新的地下车库及隧道运动目标检测方法，其特征在于：包括以下步骤：步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域，具体计算公式如下；d(x,y)＝|f(x,y)‑g(x,y)|其中f(x,y)表示采集到的当前红外图像帧，g(x,y)表示当前的系统背景图像，按如下公式对差分图像d(x,y)进行高斯滤波；D(x,y)＝H*d(x,y)其中H表示一个5×5的高斯核函数，*表示卷积；接着按如下公式对D(x,y)进行阈值二值化处理；$R(x,y)=\left\{\begin{array}{cc}0,& D(x,y)<T\\ 1,& D(x,y)\ge T\end{array}\right.$其中，参数T为二值化阈值；步骤(3)：利用当前图像帧的背景区域对系统背景图像进行更新，具体计算公式如下；$g(x,y)=\left\{\begin{array}{cc}(1-\alpha )\times g(x,y)+\alpha \times f(x,y),& \mathrm{ifR}(x,y)=0\\ g(x,y),& \mathrm{ifR}(x,y)=1\end{array}\right.$其中，参数α用来控制背景更新强度；步骤(4)：提取运动目标区域的几何特征；4‑1：计算运动目标区域的面积特征S；$S=\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}R(x,y)$其中，参数M,N分别表示图像的行数和列数；4‑2：计算运动目标区域的质心特征(i,j)；$i=\frac{\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}R(x,y)·x}{S}$$j=\frac{\underset{x=1}{\overset{M}{\Sigma }}\underset{y=1}{\overset{N}{\Sigma }}R(x,y)·y}{S}$4‑3：计算运动目标区域在水平方向的跨度特征L；将y从j开始递减到1，若出现R(i,y)等于0,则标记此时的y为目标区域的左边界y₀；将y从j开始递增到N，若出现R(i,y)等于0,则标记此时的y为目标区域的右边界y₁；按如下公式计算水平方向的跨度特征L；L＝y₁‑y₀4‑4：计算运动目标区域在垂直方向的跨度特征V；将x从i开始递减到1，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₀；将y从i开始递增到M，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₁；按如下公式计算垂直方向的跨度特征V；V＝x₁‑x₀步骤(5)：根据几何特征对运动目标进行检测识别；5‑1：如果面积特征S小于阈值η，则判定当前帧中不存在运动目标；5‑2：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：$\frac{L}{V}>\beta$则判定当前帧中存在运动车辆目标，其中参数β为判断阈值；5‑3：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：$\frac{L}{V}\le \beta$则判定当前帧中存在运动行人目标。