專利名稱：光照突變場景下的運動目標檢測方法
技術領域：
本發(fā)明涉及的是一種視頻圖像處理技術領域的方法，具體是一種光照突變場景下 的運動目標檢測方法。
背景技術：
運動目標檢測方法的研究和應用是計算機視覺、智能視頻分析領域的一個活躍的 分支，在視頻監(jiān)控、安全檢查、自動控制等系統(tǒng)中具有重要的地位。準確而可靠的運動目標 檢測結果將為后續(xù)的目標識別、目標跟蹤以及行為分析等處理環(huán)節(jié)提供了堅實而有效的保障。目前的運動目標檢測方法在通常的環(huán)境下已取得比較穩(wěn)定且可靠的結果，但這些 方法在復雜場景下的性能不能令人滿意。光照突變場景下的運動目標檢測作為若干復雜場 景下目標檢測的難點之一，受到廣泛的研究和關注，發(fā)明一種適用于光照突變場景下的運 動目標檢測方法具有重要的意義。現(xiàn)有的運動目標檢測方法主要分為光流法，幀間差分法和背景差分法。光流法是通過計算像素點的運動矢量來分離運動目標的，這種方法運動量大，復 雜度高，目前主要在移動攝像頭的情況下使用。幀間差分法是根據(jù)相鄰幀間的像素強度 的變化來檢測得到運動目標，這種方法雖然簡單，但這種方法只能提取輪廓，對噪聲也很敏 感，因此實用性也不強。背景差分法是目前最常用的運動目標檢測方法，其基本思想是通過對視頻幀的 學習建立高斯混合背景模型，將新輸入的視頻圖像與高斯混合背景模型進行比較，當差值 大于某個閾值的時候，判斷該像素為前景，否則屬于背景，從而完成運動目標的檢測。背景 差分法中代表性的方法有c. Stauffer and W. Ε. L. Grimson等人1999年在Proc. Conf. Computer Vision andPattern Recognition(計算機視覺與模式識別國際會議)發(fā)表 的“Adaptive backgroundmixture models of real-time tracking，，(用于實時足艮蹤的 自適應背景混合模型)一文中提出的高斯混合背景模型法，該方法認為像素點的分布為 高斯分布，每個像素點的值可由多個自適應的高斯混合背景模型加權組合得到，從而建立 了高斯混合背景模型實現(xiàn)運動目標的檢測；A. Elgammal, R. Duraiswami, D. Harwood and L. S. Davis等人在2002年在Proc. IEEE (電子與電氣工程師協(xié)會會刊)發(fā)表的“Background and foreground modeling using non-parametric kernel density estimation for visual surveillance”(用于視頻監(jiān)控的基于非參數(shù)核密度估計的背景前景建模)一文 中提出用核密度的方法進行背景建模，該方法對像素點的分布不做任何假設，通過在時域 方法對像素點的統(tǒng)計得到核函數(shù)的參數(shù)估計，依據(jù)這些參數(shù)和核函數(shù)建立起了高斯混合 背景模型，進行目標檢測；M. Heikkila and Μ. PietikSinen等人在2006年IEEE Trans. Pattern. Mall. Mach. Intell.(國際電子與電氣工程師協(xié)會《模式識別與機器智能》期刊) 發(fā)表的 “A texture-based method for modeling the backgroundand detecting moving objects”(基于紋理的背景建模和運動物體檢測方法)一文中提出基于紋理建模的思想，該方法對每個像素點計算某一紋理值，然后計算以該點為中心一定半徑范圍內的紋理直方 圖，以紋理直方圖作為像素點的特征，通過為每個像素點建立混合紋理直方圖來進行背景 建模實現(xiàn)目標檢測。上述背景的差分方法不適應于背景突變的環(huán)境下目標檢測，由于在短時間內背景 的像素值幾乎全部發(fā)生了劇烈變化，這些方法將大量的背景點誤檢為前景點。因此，需要尋 求一種能夠在背景突變這一復雜環(huán)境下的運動目標檢測方法。

發(fā)明內容
本發(fā)明針對現(xiàn)有技術存在的上述不足，提供一種光照突變場景下的運動目標檢測 方法，在光照突變這一復雜環(huán)境下的目標檢測結果準確而可靠。本發(fā)明是通過以下技術方案實現(xiàn)的，本發(fā)明通過對視頻序列中的每幀經Gabor濾 波后的圖像進行相位特征提取并構成高斯混合背景模型，然后對該模型進行更新并采用該 模型對特征圖像進行目標檢測，得到更新后的高斯混合背景模型和檢測圖像，通過將檢測 圖像進行距離變換和分割處理后得到檢測結果。所述的Gabor濾波是指對每幀圖像用Gabor濾波器進行濾波，使每個像素點擁有 一個特征集；然后進行相位特征提取并將相位特征值進行累加，構成相位特征。所述的特征集通過以下方式獲得將圖像劃分為NXN不重疊的圖像塊，每個圖像 塊與Gabor濾波器進行卷積運算，分別得到NXN大小的Gabor幅度響應矩陣和相位響應 矩陣，然后構造不同頻率和方向的μ fflaxX Vfflax個Gabor濾波器，并將上述每個圖像塊均與這 μ fflaxX Vfflax個濾波器組進行卷積運算，得到圖像中的每個像素點都擁有μ fflaxX Vfflax個Gabor 幅度響應值和相位響應值，其中N表示圖像塊的大小，μ _表示Gabor濾波器組的不同方 向的個數(shù)，Vfflax表示Gabor濾波器的不同頻率的個數(shù)。所述的相位特征提取是指1)每幀經Gabor濾波后的圖像的系數(shù)為Gli,ν(ζ) =Αμ,ν(ζ) · eXp(i θ μ,ν(ζ))⑴其中6μ,ν(Ζ)表示像素點ζ與頻率為ν方向為μ時的Gabor濾波器進行卷積 的結果，Αμ,ν(ζ)表示該卷積結果的幅度值，θ μ,ν(ζ)表示該卷積結果的相位值，且θ μ,
ν(ζ) e [0,2 31)；2)提取所有6μ,ν(Ζ)系數(shù)中最大的L個Αμ,ν(ζ)所對應的θ μ,ν(ζ)并累加起來， 形成用于背景建模和目標檢測的相位特征
LPt(Z) = J^ei(Z)(2)
/ 二1其中pt(z)表示抽取得到的像素點ζ當前的相位特征，L表示需要提取的Gabor 相位值的數(shù)量，θ i (ζ)表示Gabor卷積所得的系數(shù)組中第i大的幅度響應值所對應的相位值。所述的高斯混合背景模型通過以下方式獲得用視頻序列的第一幀圖像建立基于 相位特征的高斯混合背景模型以完成初始化工作，圖像中觀察到像素點ζ當前的相位特征 為Pt(Z)的概率由K高斯混合背景模型加權得到，其中
權利要求
一種光照突變場景下的運動目標檢測方法，其特征在于，通過對視頻序列中的每幀經Gabor濾波后的圖像進行相位特征提取并構成高斯混合背景模型，然后對該模型進行更新并采用該模型對特征圖像進行目標檢測，得到更新后的高斯混合背景模型和檢測圖像，通過將檢測圖像進行距離變換和分割處理后得到檢測結果。
2.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的 Gabor濾波是指對每幀圖像用Gabor濾波器組進行濾波，使每個像素點擁有一個特征集； 然后進行相位特征提取并將相位特征值進行累加，構成相位特征。
3.根據(jù)權利要求1或2所述的光照突變場景下的運動目標檢測方法，其特征是，所述 的特征集通過以下方式獲得將圖像劃分為4X4不重疊的圖像塊，每個圖像塊與Gabor濾 波器進行卷積運算，分別得到4X4大小的Gabor幅度響應矩陣和相位響應矩陣，然后構造 6不同頻率和4方向的6X4 = 24個Gabor濾波器組，并將上述每個圖像塊均與這24個濾 波器組進行卷積運算，得到圖像中的每個像素點都擁有24個Gabor幅度響應值和相位響應 值。
4.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的相 位特征提取是指1)每幀圖像經Gabor濾波后的系數(shù)為G1^v(Z) = A1^v(Z) · exp(i θ μ>ν(ζ))(1)其中=Gli,ν(ζ)表示像素點ζ與頻率為ν方向為μ時的Gabor濾波器進行卷積的結果， Αμ,ν(ζ)表示該卷積結果的幅度值，θ μ,ν(ζ)表示該卷積結果的相位值，且θ μ,ν(ζ) e [O,2π)；2)提取所有6μ,ν(Ζ)系數(shù)中最大的L個Αμ,ν(ζ)所對應的θμ,ν(ζ)并累加起來，形成 用于背景建模和目標檢測的相位特征Pt(Z) = YjOi(Z)(2)/二1其中=Pt(Z)表示抽取得到的像素點Z當前的相位特征，L表示需要提取的Gabor相位 值的數(shù)量，θ i (ζ)表示Gabor卷積所得的系數(shù)組中第i大的幅度響應值所對應的相位值。
5.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的高 斯混合背景模型通過以下方式獲得用視頻序列的第一幀圖像建立基于相位特征的高斯混 合背景模型并完成初始化工作，圖像中觀察到像素點ζ當前的相位特征為Pt (ζ)的概率由K 高斯混合背景模型加權得到，其中KDensity(p} (z)) = ^ ωη(ρ} (ζ), A, CTi)(3)/二ι其中μ” O i分別表示第i個高斯分布Il的均值和方差，K表示高斯分布的數(shù)量，COi 表示第i個高斯分布的權重，且Y4COi=I(4)。/二1
6.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的初 始化是指將相位特征Pt (ζ)作為其高斯混合分布的均值，且給每個高斯分布一個初始化均 方差和權值。
7.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的目 標檢測是指a)從視頻序列的第二幀圖像開始，將圖像中每個像素點的相位特征值依次與其高斯混 合背景模型進行比較，當滿足以下條件時則執(zhí)行步驟b)，否則執(zhí)行步驟c)(在此各參數(shù)值 均默認為針對素點ζ的)如果(/), < ￡} (1 * 2/7 - pk < ε) 如果(從 < 力且* 2,τ - ρ, < ε)
8.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的距 離變換用歐幾里得距離為度量對基于相位特征的高斯混合背景模型的初步檢測結果進行 距離變換，得到距離圖像。
9.根據(jù)權利要求1所述的光照突變場景下的運動目標檢測方法，其特征是，所述的分 割處理是指采用閾值判斷方式對距離變換后得到的距離圖像進行分割，運用數(shù)學形態(tài)學 方法得到檢測結果。
全文摘要
一種視頻圖像處理技術領域的光照突變場景下的運動目標檢測方法，通過對視頻序列中的每幀經Gabor濾波后的圖像進行相位特征提取并構成高斯混合背景模型，然后對該模型進行更新并采用該模型對特征圖像進行目標檢測，得到更新后的高斯混合背景模型和檢測圖像，通過將檢測圖像進行距離變換和分割處理后得到檢測結果。本發(fā)明在光照突變這一復雜環(huán)境下的目標檢測結果準確而可靠。
文檔編號G06T7/20GK101964113SQ20101029909
公開日2011年2月2日 申請日期2010年10月2日 優(yōu)先權日2010年10月2日
發(fā)明者孫軍, 宋利, 薛耿劍 申請人:上海交通大學