一种基于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背景重构的运动目标检测方法，该方法包括如下步骤：输入图像序列，计算像素的邻帧灰度差；划分灰度平稳区间类；计算各灰度平稳区间类的平均灰度值；合并相近的灰度平稳区间类；像素背景灰度值的选择；运动目标检测；本发明节省存储空间；计算量小，不需要对场景中的背景和目标建立模型；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；鲁棒性好；应用范围广泛。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

1.一种基于背景重构的运动目标检测方法，其特征在于，该方法通过划分灰度平稳区间类、合并相近的灰度平稳区间类，然后选择像素点的背景灰度值以检测运动目标，包括如下步骤：步骤1：输入图像序列，计算像素的邻帧灰度差；将图像采集设备采集到的图像序列输入计算机系统，并读取图像序列f₀，f₁，f₂，......，f_N，利用公式1计算各像素点(x，y)在相邻时刻的灰度差值Df_i(x，y)：Df_i(x，y)＝f_i(x，y)-f_i-1(x，y)，i＝1，2，......N    (公式1)其中，f_i(x，y)为像素(x，y)在第i帧处的灰度值；步骤2：划分灰度平稳区间类；(1)输入第一个数据f₁(x，y)，将f₁(x，y)归入为第j个灰度平稳区间类并进行初类的初始化，此时i＝1，j＝1，灰度和Sf^j(x，y)＝f₁(x，y)，类像素数Sp^j(x，y)＝1和类帧差和Sd^j(x，y)＝0，其中，j为类序号；转入(2)；(2)继续输入新的数据f_i(x，y)，即i＝i+1，当i＞N时，转入(8)；否则，转入(3)；(3)比较邻帧灰度差Df_i(x，y)和阈值δ₁，若|Df_i(x，y)|≥δ₁，认为f_i(x，y)和f_i-1(x，y)的灰度值不一致，不属于同一灰度平稳区间，转入(4)；否则转入(5)；(4)创建一个新的灰度平稳区间类，即j＝j+1，初始化该新类，使其灰度和Sf^j(x，y)＝f_i(x，y)，类像素数Sp^j(x，y)＝1，类帧差和Sd^j(x，y)＝0；转入(2)；(5)利用公式2更新第j类的类帧差和Sd^j(x，y)：Sd^j(x，y)＝SD^j(x，y)+Df_i(x，y)                  (公式2)转入(6)；(6)将Sd^j(x，y)和阈值δ1作比较，当|Sd^j(x，y)|≤δ₁，认为f_i(x，y)和f_i-1(x，y)的灰度值一致，属于同一灰度平稳区间类，转入(7)；否则，认为f_i(x，y)和f_i-1(x，y)属于不同的灰度平稳区间类，转入(4)；(7)将数据f_i(x，y)归入f_i-1(x，y)所在的灰度平稳区间类，并分别利用公式3、公式4更新第j类的灰度和Sf^j(x，y)和类像素数Sp^j(x，y)：Sf^j(x，y)＝Sf^j(x，y)+f_i(x，y)         (公式3)Sp^j(x，y)＝Sp^j(x，y)+1                (公式4)转入(2)；(8)结束；最终得到p个灰度平稳区间类，p≥1；其中：δ₁为判断像素点(x，y)的灰度值是否发生变化的阈值，对于256级的灰度图像，δ₁取值为10～20的整数；步骤3：计算各灰度平稳区间类的平均灰度值；用公式5计算步骤2得到的每个灰度平稳区间类的平均灰度值，第j个灰度平稳区间类的平均灰度值为：${\bar{f}}^j(x,j)=\frac{{\mathrm{Sf}}^j(x,j)}{{\mathrm{Sp}}^j(x,j)},$j＝1，2，......，p          (公式5)；其中，Sf^j(x，y)为第j个灰度平稳区间的灰度和，Sp^j(x，y)为第j个灰度平稳区间的类像素数；步骤4：合并相近的灰度平稳区间类；将步骤2得到的p个灰度平稳区间类中出现两个或多个距离相近的灰度平稳区间类合并为一类；最终得到q个灰度平稳区间类，q≤p；步骤5：像素背景灰度值的选择：合并后的灰度平稳区间类中选择类像素数最大的平稳区间类的灰度值作为该像素点的背景灰度值；对经过合并过程后形成q个灰度平稳区间类，将类像素数最大的像素数最大的第k类的灰度值作为该像素点的背景像素点的灰度值，则像素点(x，y)所对应的背景灰度值f_b(x，y)为：$f_b(x,y)=\frac{{\mathrm{Sf}}^k(x,y)}{{\mathrm{Sp}}^k(x,y)}$(公式8)其中，Sf^k(x，y)为第k个灰度平稳区间的灰度和，Sp^k(x，y)为第k个灰度平稳区间的类像素数；执行步骤6；步骤6：运动目标检测；将输入的图像帧f_i(x，y)和f_b(x，y)作比较，若|f_i(x，y)-f_b(x，y)|≥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，i＞N。