一种低照度环境下对地监控的运动目标检测方法

摘要

本发明公开了一种低照度环境下对地监控的运动目标检测方法，属于数字图像处理领域；首先，采用稀疏表示理论中字典学的方法求得字典；然后，采用正交匹配追踪方法求得所监控场景的背景图像和当前帧图像的稀疏系数；最后，根据稀疏系数的分布不同判断运动目标区域。本发明的方法对于低照度引起的大噪声有很好的鲁棒性，保证了对地监控视频在低照度环境下对运动目标检测的准确性和适应性。

主权项

一种低照度环境下对地监控的运动目标检测方法，其特征在于，包括如下步骤：1)从任意的对地监控视频中选取M帧图像，将所述M帧图像分为N个包含了个像素的图像块，所述n为像素个数；将所有的图像块矢量化后，得到字典的训练样本2)从训练样本Y中随机选取k个向量作为初始字典D₀∈R^n×k；3)令算法循环次数J＝1；4)采用正交匹配追踪方法求得y_i的稀疏系数α_i，使得对于任意的i＝1,2,…N，都满足如下约束：$\underset{{\alpha }_i}{\min }{\left|\right|y_i-D_{J-1}{\alpha }_i\left|\right|}_2^2$  s.t||α_i||₀＜λ其中，λ为正则化参数，那么对于字典D_J‑1＝[d₁,d₂,…d_k]，其稀疏系数矩阵A为[α₁,α₂,…α_N]，5)利用稀疏系数矩阵A对字典D_J‑1＝[d₁,d₂,…d_k]进行更新：5.1)令j＝1；5.2)令其中表示稀疏系数矩阵A中原子d_j对应的第j行；5.3)令Ω_j为N×|ω_j|大小的矩阵，该矩阵在(ω_j(i),i)处的值为1，其他点为0；5.3)对于原子d_j，其稀疏表示误差为其中d_e表示字典中第e个原子，表示稀疏系数矩阵A中原子d_e对应的第e行，其去掉零输入后的系数表示误差为5.4)对去掉零输入后的系数表示误差进行奇异值分解，得到则更新后的为矩阵U的第一列，更新后的为矩阵V的第一列与Δ(1,1)的乘积；5.5)令j＝j+1，直到j＝N，就完成对字典D_J‑1的更新；6)得到更新后的字典D_J；7)令算法循环次数J＝J+1，重复步骤4)～6)，直到算法循环次数J达到预设的次数，即得到一个字典D；8)对于任意监控测试视频，假设所监控场景的背景图像为I_B，对其进行分块，每个图像块的大小为个像素,共计M个图像块，采用步骤4)中的正交匹配追踪方法求得每个图像块上的稀疏系数X_B＝[x₁,x₂,…x_M]；同理，对于任意的测试图像I_T，其稀疏系数为X_T＝[x′₁,x′₂,…x′_M]；9)利用下式计算所述测试图像I_T第l个测试图像块的前景检测值I_F(l)：$\left\{\begin{array}{c}{I}_{F1}\left(l\right)=|{\left|\right|X_B\left(l\right)\left|\right|}_0-{\left|\right|X_T\left(l\right)\left|\right|}_0|\\ I_{F2}\left(l\right)=|{\left|\right|X_B\left(l\right)\left|\right|}_1-{\left|\right|X_T\left(l\right)\left|\right|}_1|\end{array}\right.$10)判断前景检测值I_F1(l)和I_F2(l)是否大于预设阈值T₁和T₂，若二者均大于阈值，则认为第l个测试图像块属于前景；否则，认为第l个测试图像块属于背景，从而得到了低照度运动检测结果。