一种运动目标实时检测方法

摘要

一种运动目标实时检测方法，属于图像数据的处理方法，解决现有运动目标检测中背景建模方法在背景更新、背景扰动、虚假目标判断以及阴影抑制等方面存在的不足，使目标检测具有稳定性和实用性，用于处理复杂监控场景的运动目标检测。本发明包括：建立模型步骤，模型初始化步骤，目标检测与模型更新步骤，虚假目标处理步骤，阴影检测步骤，后处理步骤，确定目标区域步骤，背景的整体更新步骤和输出步骤。本发明提高了运动目标检测的准确性、鲁棒性和检测目标的完整性，更有效的检测运动目标，为目标分类、跟踪以及事件检测奠定了基础。

主权项

1.一种运动目标实时检测方法，包括：(1)建立模型步骤：对第t帧图像中(i，j)位置处的像素Q_i，j，t，建立M个高斯模型，Q_i，j，t的像素值X_i，j，t为YUV色彩空间矢量：X_i，j，t＝{Y_i，j，t，U_i，j，t，U_i，j，t，V_i，j，t}^T，其概率密度函数P(X_i，j，t)为M个高斯模型的线性组合：式中，ω_i，j，t(k)、μ_i，j，t(k)和σ_i，j，t(k)分别为第t帧图像中(i，j)位置处的像素Q_i，j，t第k个高斯模型的权值、在YUV色彩空间的均值矢量和标准方差矢量：μ_i，j，t(k)＝{μ_i，j，t(k_Y)，μ_i，j，t(k_U)，μ_i，j，t(k_V)}^Tσ_i，j，t(k)＝{σ_i，j，t(k_Y)，σ_i，j，t(k_U)，σ_i，j，t(k_V)}^Tσ^T_i，j，t(k)表示σ_i，j，t(k)的转置，I为3×3的单位矩阵，M为3～5，1≤i≤R，1≤j≤C，R为图像的行数，C为图像的列数；(2)模型初始化步骤：用第一帧图像中(i，j)位置处的像素Q_i，j，1的像素值X_i，j，1初始化该像素处的M个高斯模型，第k个高斯模型的权值ω_i，j，1(k)＝1/(2k+1)，k＝1～M，第k个高斯模型的均值矢量μ_i，j，1(k)＝X_i，j，1，k＝1～M，第k个高斯模型的标准方差Y分量σ_i，j，1(k_Y)取值为20～30，第k个高斯模型的标准方差U、V分量σ_i，j，1(k_U)和σ_i，j，1(k_V)取值为10～20；在M个高斯模型中，取权值ω_i，j，1(k)≥TH的高斯模型表示背景模型，其余的为前景模型，背景阈值TH＝0.15～0.25；(3)目标检测与模型更新步骤：从第二帧图像开始，进行如下过程，形成二值图象：(3.1)将像素Q_i，j，t的像素值X_i，j，t依次与背景模型进行比较，判断其是否满足背景模型中的任何一个，是则像素Q_i，j，t为背景，转过程(3.2)；否则将像素Q_i，j，t的像素值X_i，j，t依次与前景模型进行比较，判断其是否满足前景模型中一个，是则像素Q_i，j，t为目标，转过程(3.2)；否则将像素Q_i，j，t判断为目标，进行过程(3.3)；(3.2)按前景模型或背景模型更新其对应的M个高斯模型，转过程(3.4)；(3.3)更新候选模型，转过程(3.4)；(3.4)根据更新后的各模型权值再重新划分背景模型和前景模型，在M个高斯模型中，取权值ω_i，j，t(k)≥TH的高斯模型表示背景模型，其余的为前景模型，背景阈值TH＝0.15～0.25；(4)虚假目标处理步骤：判断前述步骤二值图象中检测的目标是否为虚假目标；当前像素Q_i，j，t被判断为目标，则根据下式再将Q_i，j，t与重构背景进行比较，如果满足则认为是虚假目标，将Q_i，j，t判断为背景，否则保留Q_i，j，t为目标，得到去除虚假目标点的二值图象：R(Q_i，j，t)、G(Q_i，j，t)、B(Q_i，j，t)、U(Q_i，j，t)、V(Q_i，j，t)表示当前像素Q_i，j，t的R、G、B和U、V值，R_Bg(Q_i，j，t)、G_Bg(Q_i，j，t)、B_Bg(Q_i，j，t)、U_Bg(Q_i，j，t)、V_Bg(Q_i，j，t)表示当前像素Q^i，j，t对应的重构背景的R、G、B和U、V值，判决阈值T₁、T₂、T_u1、T_u2、T_v1及T_v2的取值范围分别为：0.8～0.1、1.0～1.3、0.8～1.0、1.0～1.3、0.8～1.0及1.0～1.3；当前像素Q_i，j，t对应的重构背景值为：R_Bg(Q_i，j，t)＝μ_i，j，t(max_R)，G_Vg(Q_i，j，t)＝μ_i，j，t(max_G)，B_Bg(Q_i，j，t)＝μ_i，j，t(max_B)，U_Bg(Q_i，j，t)＝μ_i，j，t(max_U)，V_Bg(Q_i，j，t)＝μ_i，j，t(max_V)，μ_i，j，t(max_R)、μ_i，j，t(max_G)、μ_i，j，t(max_B)、μ_i，j，t(max_U)、μ_i，j，t(max_V)分别表示当前像素Q_i，j，t对应的M个高斯模型中权值最大的背景模型均值的R、G、B、U、V值；(5)阴影检测步骤：先判断当前帧图像是否存在阴影，是则按如下过程检测并去除阴影，得到去除阴影的二值图象，转步骤(6)；否则直接转步骤(6)；对保留为目标的像素Q_i，j，t根据下列三式进行判断，三式同时满足，则像素Q_i，j，t为阴影，将Q_i，j，t判断为背景，否则保留Q_i，j，t为目标：(S(Q_i，j，t)-S_Bg(Q_i，j，t))≤τ_S，|H(Q_i，j，t)-H_Bg(Q_i，j，t)|≤τ_H，式中：H(Q_i，j，t)、S(Q_i，j，t)、V(Q_i，j，t)与H_Bg(Q_i，j，t)S_Bg(Q_i，j，t)、V_Bg(Q_i，j，t)分别表示当前像素Q_i，j，t在HSV色彩空间中的H、S、V值以及与像素Q_i，j，t对应的重构背景的H、S、V值，α_S＝0.4～0.5，β_S＝0.8～1.0，τ_S＝0.05～0.1，τ_H＝10～30；H、S、V值在HSV色彩空间中分别表示色度、饱和度、亮度；(6)后处理步骤：为了使检测出的目标更完整，对步骤(4)和步骤(5)的结果进行如下处理：式中F是最终结果二值图像，Ms是经过步骤(4)处理后得到的二值图像再经过形态学开运算的结果；M是经过步骤(5)处理后得到的二值图像再经过腐蚀去除孤立的点后的结果；SE为N×N的结构元素，N＝3～7，表示以SE为结构元素对M做膨胀运算，∩表示取交集；(7)确定目标区域步骤：对步骤(6)形成的二值图像中保留为目标的所有像素做八邻域连通分析，将该帧图像中保留为目标的像素合并成目标块，并得到各个目标块的外接矩形，由各个目标块的外接矩形构成当前帧图像的真实目标区域，将当前帧图像的真实目标区域扩大10％～20％作为下一帧图像的预测目标区域；(8)背景的整体更新步骤：统计步骤(6)形成的二值图像中保留为目标的所有像素数量，判断其是否小于该帧图像所有像素数量的50％～80％，是则背景不整体更新；否则背景整体更新，将整帧图像中各像素点的最大权值背景模型进行参数替换，用当前帧图像对应像素点的像素值代替最大权值背景模型的均值，最大权值背景模型的权值置为0.5～0.8，最大权值背景模型的标准方差置为20～30；(9)输出步骤：输出检测结果，转步骤(3)检测下一帧图像，直到视频检测结束。