專利名稱：一種基于改進(jìn)混合高斯和圖像剪切的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能視頻監(jiān)控領(lǐng)域，具體涉及一種基于改進(jìn)混合高斯和圖像剪切的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，用于視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測(cè)。
背景技術(shù)：
隨著人工智能技術(shù)的快速發(fā)展，智能視頻監(jiān)控系統(tǒng)的研究和應(yīng)用逐漸成為人們關(guān)注的熱點(diǎn)，并且在安全保障、交通、商業(yè)活動(dòng)以及軍事等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用。在視頻監(jiān)控的場(chǎng)景中，運(yùn)動(dòng)目標(biāo)是主體，所以監(jiān)控系統(tǒng)必須能實(shí)時(shí)地檢測(cè)運(yùn)動(dòng)目標(biāo)。運(yùn)動(dòng)目標(biāo)檢測(cè)，是一種基于目標(biāo)幾何和統(tǒng)計(jì)特征的圖像分割技術(shù)，主要方法有幀間差分法、光流法、背景差分法等。幀間差分法是一種簡(jiǎn)單直接的運(yùn)動(dòng)檢測(cè)方法，它利用圖像中所要提取的目標(biāo)與背景在灰度特性上的差異，通過選取合適的灰度閾值對(duì)圖像進(jìn)行分割，從而將目標(biāo)從背景中提取出來，因其實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快，在大多數(shù)情況下檢測(cè)效果較好，常常用于對(duì)實(shí)時(shí)性要求比較高的場(chǎng)合。但幀間差分法處理所得圖像經(jīng)常含有大量的噪音、中空以及分裂部分，處理較復(fù)雜圖像序列時(shí)效果并不理想。光流法檢測(cè)運(yùn)動(dòng)物體的基本原理是給圖像中的每一個(gè)像素點(diǎn)賦予一個(gè)速度矢量，這就形成了一個(gè)圖像運(yùn)動(dòng)場(chǎng)，在運(yùn)動(dòng)的一個(gè)特定時(shí)刻，圖像上的點(diǎn)與三維物體上的點(diǎn)一一對(duì)應(yīng)，這種對(duì)應(yīng)關(guān)系可由投影關(guān)系得到，根據(jù)各個(gè)像素點(diǎn)的速度矢量特征，可以對(duì)圖像進(jìn)行動(dòng)態(tài)分析。光流法的優(yōu)點(diǎn)在于光流不僅攜帶了運(yùn)動(dòng)物體的運(yùn)動(dòng)信息，而且還攜帶了有關(guān)景物三維結(jié)構(gòu)的豐富信息，它能夠在不知道場(chǎng)景的任何信息的情況下，檢測(cè)出運(yùn)動(dòng)對(duì)象。但是光流法計(jì)算耗時(shí)高，實(shí)時(shí)性和實(shí)用性都較差。背景差分法是利用圖像序列中的當(dāng)前圖像與背景圖像的差分來檢測(cè)出運(yùn)動(dòng)區(qū)域的一種技術(shù)，但對(duì)于動(dòng)態(tài)場(chǎng)景的變化，如光照和外來無關(guān)事件的干擾等特別敏感，僅適合環(huán)境變化小的情況。為了實(shí)時(shí)準(zhǔn)確地檢測(cè)物體變化，1997 年 Wren (Pfinder :Real_time tracking ofthe human body.1EEE Trans. Patt.)提出為圖像中的每個(gè)像素建立顏色模型,該模型服從高斯分布。但是單一高斯模型對(duì)戶外環(huán)境的處理效果并不理想。1999年Stauffer和Grimson (Adaptive background mixture models for real-time tracking, CVPR,1999.1EEE Computer Society Conference on.)提出了混合高斯模型的算法,并廣泛應(yīng)用于魯棒的復(fù)雜場(chǎng)景背景建模，但在實(shí)際應(yīng)用中混合高斯模型面臨的一大難題就是算法的計(jì)算量大，實(shí)時(shí)性較差。近年來，許多研究者提出不同的方法來解決混合高斯模型實(shí)時(shí)性差的問題。其中，期望最大化(EM)算法是混合高斯模型參數(shù)估計(jì)的經(jīng)典方法。但EM算法對(duì)輸入初始值比較敏感，不同的初始值對(duì)應(yīng)的聚類結(jié)果往往差別較大。

發(fā)明內(nèi)容
本發(fā)明針對(duì)混合高斯模型在運(yùn)動(dòng)目標(biāo)檢測(cè)方面表現(xiàn)出的計(jì)算量大、實(shí)時(shí)性差的問題，提出一種基于改進(jìn)混合高斯和圖像剪切的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，具體實(shí)驗(yàn)方案如下針對(duì)固定視場(chǎng)的監(jiān)控?cái)z像機(jī)獲取的視頻，首先利用基于灰度差異性的三幀差分及曲線擬合的方法確定目標(biāo)運(yùn)動(dòng)區(qū)域，然后在運(yùn)動(dòng)區(qū)域的范圍內(nèi)采用融合EM算法的混合高斯模型進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，這樣可以大大的減少計(jì)算量，縮短算法運(yùn)行時(shí)間；其中，本發(fā)明利用基于網(wǎng)格和密度估計(jì)的方法對(duì)EM算法進(jìn)行初始化，以減小EM算法對(duì)于初始值的依賴。本發(fā)明的具體實(shí)現(xiàn)步驟為:( I)圖像輸入步驟，輸入原始視頻圖像序列；(2)圖像預(yù)處理步驟，將原始視頻圖像序列轉(zhuǎn)換成灰度圖像序列；(3)圖像差分運(yùn)算步驟:(3.1)取大小為MXN的滑動(dòng)窗口 WJi(^y)表示灰度圖像序列的第i幀圖像中滑動(dòng)窗口的灰度矩陣，計(jì)算灰度圖像序列中相鄰兩幀對(duì)應(yīng)窗口的灰度差異性系數(shù)R(Wi(x，y)，Wi+1 (x, y)),計(jì)算方法如下:
權(quán)利要求
1.一種基于改進(jìn)混合高斯和圖像剪切的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，該方法包括以下步驟: (1)圖像輸入步驟，輸入原始視頻圖像序列； (2)圖像預(yù)處理步驟，將原始視頻圖像序列轉(zhuǎn)換成灰度圖像序列； (3)圖像差分運(yùn)算步驟: (3.1)取大小為MXN的滑動(dòng)窗口 W，Wi (x, y)表示灰度圖像序列的第i幀圖像中滑動(dòng)窗口的灰度矩陣，計(jì)算灰度圖像序列中相鄰兩幀對(duì)應(yīng)窗口的灰度差異性系數(shù)WWi (X，y)，Wi+1 (x, y)),計(jì)算方法如下:
2.根據(jù)權(quán)利要求1中步驟(4.2)所述的確定目標(biāo)運(yùn)動(dòng)區(qū)域的方法為: 當(dāng)目標(biāo)沿水平方向運(yùn)動(dòng)時(shí)，將目標(biāo)圖像序列Im(x，y)的每一巾貞中目標(biāo)位置的最聞點(diǎn)利用最小二乘法曲線擬合得到目標(biāo)運(yùn)動(dòng)區(qū)域的上界，最低點(diǎn)利用最小二乘法曲線擬合得到目標(biāo)運(yùn)動(dòng)區(qū)域的下界，若目標(biāo)為從右向左運(yùn)動(dòng)，第一幀最右點(diǎn)所在垂線，最后一幀最左點(diǎn)所在垂線與擬合得到的上界下界構(gòu)成目標(biāo)的運(yùn)動(dòng)區(qū)域，若目標(biāo)為從左向右運(yùn)動(dòng)，第一幀最左點(diǎn)所在垂線，最后一幀最右點(diǎn)所在垂線與擬合得到的上界下界構(gòu)成目標(biāo)的運(yùn)動(dòng)區(qū)域； 當(dāng)目標(biāo)沿垂直方向運(yùn)動(dòng)時(shí)，將目標(biāo)圖像序列ΙΜ(χ，y)的每一巾貞中目標(biāo)位置的最左點(diǎn)利用最小二乘法曲線擬合得到目標(biāo)運(yùn)動(dòng)區(qū)域的左邊界，最右點(diǎn)利用最小二乘法曲線擬合得到目標(biāo)運(yùn)動(dòng)區(qū)域的右邊界，若目標(biāo)為從上向下運(yùn)動(dòng)，第一幀最高點(diǎn)所在水平線，最后一幀最低點(diǎn)所在水平線與擬合得到的上界下界構(gòu)成目標(biāo)的運(yùn)動(dòng)區(qū)域，若目標(biāo)為從下向上運(yùn)動(dòng)，第一幀最低點(diǎn)所在水平線，最后 一幀最高點(diǎn)所在水平線與擬合得到的上界下界構(gòu)成目標(biāo)的運(yùn)動(dòng)區(qū)域。
全文摘要
一種基于改進(jìn)混合高斯和圖像剪切的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，屬于智能視頻監(jiān)控技術(shù)領(lǐng)域，其目的在于克服現(xiàn)有方法存在的問題，提高運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確度與處理速度。本發(fā)明實(shí)現(xiàn)步驟包括⑴確定運(yùn)動(dòng)區(qū)域，本發(fā)明提出一種基于灰度差異性的三幀差分及曲線擬合的方法初步確定目標(biāo)的運(yùn)動(dòng)區(qū)域，⑵期望最大化(EM)算法初始化，利用基于網(wǎng)格和密度估計(jì)的方法確定EM算法的初始值，以減小EM算法對(duì)于初始值的依賴，⑶運(yùn)動(dòng)目標(biāo)檢測(cè)，利用已初始化的EM算法估計(jì)混合高斯模型參數(shù)，并且僅在剪切出的運(yùn)動(dòng)區(qū)域上采用混合高斯模型的方法檢測(cè)運(yùn)動(dòng)目標(biāo)，極大的降低了計(jì)算復(fù)雜度。本發(fā)明可在保證目標(biāo)檢測(cè)準(zhǔn)確度的同時(shí)，使算法滿足實(shí)際應(yīng)用的性能要求。
文檔編號(hào)G06T7/20GK103077530SQ20121036599
公開日2013年5月1日 申請(qǐng)日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者楊金福, 楊宛露, 傅金融, 李明愛, 趙偉偉, 解濤 申請(qǐng)人:北京工業(yè)大學(xué)