高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法
【專利摘要】本發(fā)明公開了一種高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，首先采集1～T時(shí)刻的序列圖像；建立空的跟蹤隊(duì)列；t由1取至T，對(duì)t時(shí)刻圖像執(zhí)行步驟1～41、采用改進(jìn)的混合高斯背景模型從t時(shí)刻圖像分離出背景像素和前景像素，獲得二值化圖像A；2、采用形態(tài)學(xué)開運(yùn)算和閉運(yùn)算去除A中獨(dú)立前景像素，填充前景空洞，得到圖像B；3、對(duì)于B進(jìn)行連通域分析，獲得前景輪廓；4、以前景輪廓的外接矩形作為當(dāng)前目標(biāo)窗口，若當(dāng)前目標(biāo)窗口與跟蹤隊(duì)列中的已有目標(biāo)窗口沒有重疊，則將當(dāng)前目標(biāo)窗口添加至跟蹤隊(duì)列作為已有目標(biāo)窗口，統(tǒng)計(jì)加1；采用均值漂移跟蹤的方法對(duì)跟蹤隊(duì)列中的已有目標(biāo)窗口進(jìn)行跟蹤和更新。
【專利說明】高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于運(yùn)動(dòng)目標(biāo)檢測(cè)統(tǒng)計(jì)【技術(shù)領(lǐng)域】，具體涉及一種高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法。

【背景技術(shù)】
[0002]隨著軍事偵察、智能交通、智能監(jiān)控等領(lǐng)域的發(fā)展，對(duì)圖像處理及目標(biāo)識(shí)別的智能性和可靠性的要求越來越高。在這些領(lǐng)域中，序列圖像中運(yùn)動(dòng)目標(biāo)的個(gè)數(shù)統(tǒng)計(jì)是一種重要的應(yīng)用。
[0003]目前，在運(yùn)動(dòng)目標(biāo)檢測(cè)統(tǒng)計(jì)領(lǐng)域，多采用幀差法、均值背景法或虛擬檢測(cè)線圈法。幀差法運(yùn)算量小，但檢測(cè)精度較低；均值背景法易受到光線變化或樹葉搖擺等干擾的影響，魯棒性較差；虛擬線圈法通過比較在人為設(shè)置的圖像中區(qū)域內(nèi)像素值的變化檢測(cè)運(yùn)動(dòng)目標(biāo)，適用于運(yùn)動(dòng)路徑較固定的場(chǎng)合，如按車道行駛的車流量統(tǒng)計(jì)，應(yīng)用局限性較大。此外，以上幾種方法受陰影影響較大，當(dāng)陰影覆蓋其他目標(biāo)時(shí)很容易發(fā)生目標(biāo)粘連，導(dǎo)致丟失目標(biāo)。


【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明提供了一種高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，該方法是一種抗噪能力強(qiáng)、前景分離準(zhǔn)確、跟蹤精度高、適合多種應(yīng)用場(chǎng)合運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法。
[0005]為了達(dá)到上述目的，本發(fā)明的技術(shù)方案為:該方法首先在I?T每一時(shí)刻采集一幀圖像，組成序列圖像，并建立跟蹤隊(duì)列，初始化跟蹤隊(duì)列為空；按照時(shí)間順序從序列圖像依次選取圖像，并對(duì)于t時(shí)刻圖像進(jìn)行如下第一步?第四步的處理，
[0006]第一步、采用改進(jìn)的混合高斯背景模型從t時(shí)刻圖像分離出背景像素和前景像素，從而獲得運(yùn)動(dòng)前景二值化圖像；
[0007]改進(jìn)的混合高斯背景模型中具有K個(gè)高斯模型，每個(gè)高斯模型由如下公式確定:命中公式、滑動(dòng)均值公式、滑動(dòng)方差公式、排序鍵值公式以及權(quán)值公式；其中每個(gè)公式均針對(duì)t時(shí)刻圖像中每一個(gè)像素的像素值建立，采用t時(shí)刻圖像中每個(gè)像素對(duì)應(yīng)的Lab空間色彩分量建立矩陣P，以矩陣P替代上述每個(gè)公式中對(duì)應(yīng)像素的像素值部分。
[0008]第二步、采用形態(tài)學(xué)開運(yùn)算和形態(tài)學(xué)閉運(yùn)算對(duì)運(yùn)動(dòng)前景的二值化圖像中的獨(dú)立前景像素進(jìn)行去除，并對(duì)前景空洞進(jìn)行填充，得到完整的前景二值圖像。
[0009]第三步、對(duì)于完整的前景二值圖像進(jìn)行連通域分析，獲得前景輪廓。
[0010]第四步、以前景輪廓的外接矩形作為當(dāng)前目標(biāo)窗口，判斷當(dāng)前目標(biāo)窗口與跟蹤隊(duì)列中的已有目標(biāo)窗口是否有重疊，若沒有重疊，則將當(dāng)前目標(biāo)窗口添加至跟蹤隊(duì)列作為已有目標(biāo)窗口，同時(shí)統(tǒng)計(jì)數(shù)據(jù)加I ;
[0011]同時(shí)采用均值漂移跟蹤的方法對(duì)跟蹤隊(duì)列中的已有目標(biāo)窗口進(jìn)行跟蹤，以跟蹤獲得的搜索窗替換所跟蹤的已有目標(biāo)窗口。
[0012]較佳地，序列圖像中包括400幀以上的圖像。
[0013]較佳地，第一步采用改進(jìn)的混合高斯背景模型從t時(shí)刻圖像分離出背景像素和前景像素，其過程具體為:針對(duì)t時(shí)刻圖像中的任一像素，區(qū)分其為背景像素或者前景像素，然后進(jìn)行分離。其中對(duì)于當(dāng)前像素，區(qū)分其為背景像素或者前景像素的過程包括如下步驟:
[0014]步驟101、對(duì)于t時(shí)刻圖像中的當(dāng)前像素:維護(hù)K個(gè)高斯模型；當(dāng)t為I時(shí)，對(duì)該K個(gè)高斯模型進(jìn)行初始化，初始化的參數(shù)包括:滑動(dòng)均值、滑動(dòng)方差、排序鍵值以及權(quán)值；其中滑動(dòng)均值和滑動(dòng)方差均為3X1的矩陣形式。
[0015]以當(dāng)前像素在t時(shí)刻圖像中的Lab空間的色彩分量分別為L、a、b分量，W1, wa、Wb分別為L、a、b分量的權(quán)值，W1, wa> Wb均取經(jīng)驗(yàn)值,建立當(dāng)前像素在t時(shí)刻圖像中的Lab特性矩陣Pt = [W1L waa wbb]，其中在t時(shí)刻圖像中，L、a、b分量的滑動(dòng)均值的矩陣形式為:Ut=[μ ? μ 2 μ3];方差的矩陣形式為:K=[°i 4]。
[0016]步驟102、對(duì)當(dāng)前像素進(jìn)行命中試驗(yàn)，其中高斯模型命中公式為:
[0017]

【權(quán)利要求】
1.高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，其特征在于，該方法首先在I~T每一時(shí)刻采集一幀圖像，組成序列圖像，并建立跟蹤隊(duì)列，初始化跟蹤隊(duì)列為空；按照時(shí)間順序從序列圖像依次選取圖像，并對(duì)于t時(shí)刻圖像進(jìn)行如下第一步~第四步的處理，I≤t≤T: 第一步、采用改進(jìn)的混合高斯背景模型從t時(shí)刻圖像分離出背景像素和前景像素，從而獲得運(yùn)動(dòng)前景二值化圖像； 所述改進(jìn)的混合高斯背景模型中具有K個(gè)高斯模型，每個(gè)高斯模型由如下公式確定:命中公式、滑動(dòng)均值公式、滑動(dòng)方差公式、排序鍵值公式以及權(quán)值公式；其中每個(gè)公式均針對(duì)t時(shí)刻圖像中每一個(gè)像素的像素值建立，采用t時(shí)刻圖像中每個(gè)像素對(duì)應(yīng)的Lab空間色彩分量建立矩陣P，以矩陣P替代上述每個(gè)公式中對(duì)應(yīng)像素的像素值部分； 第二步、采用形態(tài)學(xué)開運(yùn)算和形態(tài)學(xué)閉運(yùn)算對(duì)所述運(yùn)動(dòng)前景的二值化圖像中的獨(dú)立前景像素進(jìn)行去除，并對(duì)前景空洞進(jìn)行填充，得到完整的前景二值圖像； 第三步、對(duì)于完整的前景二值圖像進(jìn)行連通域分析，獲得前景輪廓； 第四步、以所述前景輪廓的外接矩形作為當(dāng)前目標(biāo)窗口，判斷當(dāng)前目標(biāo)窗口與跟蹤隊(duì)列中的已有目標(biāo)窗口是否有重疊，若沒有重疊，則將當(dāng)前目標(biāo)窗口添加至跟蹤隊(duì)列作為已有目標(biāo)窗口，同時(shí)統(tǒng)計(jì)數(shù)據(jù)加I ; 同時(shí)采用均值漂移跟蹤的方法對(duì)跟蹤隊(duì)列中的已有目標(biāo)窗口進(jìn)行跟蹤，以跟蹤獲得的搜索窗替換所跟蹤的已有目標(biāo)窗口。
2.如權(quán)利要求1所述 的高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，其特征在于，所述序列圖像中包括400幀以上的圖像。
3.如權(quán)利要求1所述的高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，其特征在于，所述第一步采用改進(jìn)的混合高斯背景模型從t時(shí)刻圖像分離出背景像素和前景像素，其過程具體為:針對(duì)t時(shí)刻圖像中的任一像素，區(qū)分其為背景像素或者前景像素，然后進(jìn)行分離； 其中對(duì)于當(dāng)前像素，所述區(qū)分其為背景像素或者前景像素的過程包括如下步驟: 步驟101、對(duì)于t時(shí)刻圖像中的當(dāng)前像素:維護(hù)K個(gè)高斯模型；當(dāng)t為I時(shí)，對(duì)該K個(gè)高斯模型進(jìn)行初始化，初始化的參數(shù)包括:滑動(dòng)均值、滑動(dòng)方差、排序鍵值以及權(quán)值；其中滑動(dòng)均值和滑動(dòng)方差均為3X1的矩陣形式； 以當(dāng)前像素在t時(shí)刻圖像中的Lab空間的色彩分量分別為L、a、b分量,wx> wa> Wb分別為L、a、b分量的權(quán)值，W1^aWb均取經(jīng)驗(yàn)值，建立當(dāng)前像素在t時(shí)刻圖像中的Lab特性矩陣Pt = [W1L waa wbb],其中在t時(shí)刻圖像中，L、a、b分量的滑動(dòng)均值的矩陣形式為:Ut= [U1μ2 μ3];方差的矩陣形式為A=[彳^ <]; 步驟102、對(duì)當(dāng)前像素進(jìn)行命中試驗(yàn)，其中高斯模型命中公式為: 其中以*為下腳標(biāo)表示*時(shí)刻，則P*表示當(dāng)前像素在*時(shí)刻圖像中的Lab特性矩陣，U*為*時(shí)刻圖像中該像素L、a、b分量的滑動(dòng)均值，V*為*時(shí)刻圖像中該像素L、a、b分量的滑動(dòng)方差，當(dāng)t = I時(shí)，Ut和Vt均為初始化值；TV為標(biāo)準(zhǔn)高斯分布閾值；加權(quán)滑動(dòng)方差數(shù)值' : = K.[''/ Wb];在當(dāng)前像素的命中試驗(yàn)中，如果det小于O，則t時(shí)刻的當(dāng)前像素屬于此高斯模型，即命中的高斯模型，更新命中的高斯模型的滑動(dòng)均值公式，滑動(dòng)方差公式、排序鍵值公式和權(quán)值公式依次為:
Ut = UtJa (Pt-UtJ
Vt= (1-Q)Vt^a (Pt-Uw).(Pt-Uw)
其中st為排序鍵值，權(quán)值，a為學(xué)習(xí)率，然后對(duì)于K個(gè)高斯模型，按照排序鍵值從大到小的順序排列，進(jìn)入步驟103 ； 如果沒有命中任何高斯模型，將K個(gè)高斯模型按照排序鍵值從大到小的順序排列后，重新初始化一個(gè)新的高斯模型，新的高斯模型用于替換排列在最后的高斯模型，重復(fù)本步驟 102 ； 步驟103、將當(dāng)前像素所維護(hù)的K個(gè)高斯模型的排序鍵值和權(quán)值進(jìn)行歸一化處理，其中第k個(gè)高斯模型的排序鍵值為sk、權(quán)值為《k，其歸一化后的排序鍵值為浐、權(quán)值為d/，其中 I≤ k ≤ K:
其中Sums為所述K個(gè)高斯模型排序鍵值的和；sumu為所述K個(gè)高斯模型權(quán)值的和；步驟104、設(shè)定背景閾值Tb，找到kF e [I, K]，使得排序?yàn)镮~kF位的高斯模型歸一化后的權(quán)值之和大于Tb ； 所述命中的高斯模型在K個(gè)高斯模型排序中占第kH位，則對(duì)于當(dāng)前像素，當(dāng)kF > kH時(shí)，該像素為背景像素，否則為前景像素。
4.如權(quán)利要求3所述的高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，其特征在于，所述L、a、b分量的權(quán)值w1、wa、wb的取值均為經(jīng)驗(yàn)值，其中W1取值為l、wa取值在區(qū)間[1,2]內(nèi)，Wb取值在區(qū)間[O, I]內(nèi)。
5.如權(quán)利要求1或3所述的高斯背景模型與均值漂移跟蹤結(jié)合的運(yùn)動(dòng)目標(biāo)統(tǒng)計(jì)方法，其特征在于，所述第四步中，采用均值漂移跟蹤的方法對(duì)跟蹤隊(duì)列中的已有目標(biāo)窗口進(jìn)行跟蹤，以跟蹤獲得的搜索窗替換所跟蹤的已有目標(biāo)窗口，該過程具體包括如下步驟: 步驟401、獲得t時(shí)刻圖像在HSV色彩空間的色度圖像IH，以所述前景輪廓的外接矩形作為當(dāng)前目標(biāo)窗口 ％，對(duì)當(dāng)前目標(biāo)窗口內(nèi)的色度圖像進(jìn)行直方圖統(tǒng)計(jì)，得到直方圖H。，利用直方圖H。計(jì)算色度圖1h的反向投影P。，即為當(dāng)前目標(biāo)窗口在色度圖像Ih中的分布概率密度圖像； 步驟402、跟蹤隊(duì)列中與當(dāng)前目標(biāo)窗口有重疊的已有目標(biāo)窗口為Wtj，以Wtj作為搜索窗Ws; 步驟403、計(jì)算P。在Ws內(nèi)的零階矩Mqq:如果Mcitl小于經(jīng)驗(yàn)閾值Tm，則將Ws中心保持不變，長和寬均擴(kuò)大2倍更新搜索窗Ws，并重新計(jì)算P。在Ws內(nèi)的零階矩，如果該零階距仍小于所述經(jīng)驗(yàn)閾值則更新Ws為O，停止跟蹤進(jìn)入步驟404 ； 如果Mcitl大于或等于經(jīng)驗(yàn)閾值TM，則計(jì)算一階矩Mltl和Mtll以及搜索窗的重心；若搜索窗的重心與其中心之間的距離小于經(jīng)驗(yàn)距離ε，則停止跟蹤進(jìn)入步驟404;否則將搜索窗Ws的中心移動(dòng)到搜索窗重心處更新搜索窗Ws，重復(fù)步驟403、當(dāng)重復(fù)次數(shù)達(dá)到跟蹤上限時(shí)，停止跟蹤進(jìn)入步驟404 ； 步驟404、以停止 跟蹤時(shí)的Ws更新跟蹤隊(duì)列中的WO所存儲(chǔ)的目標(biāo)窗口，當(dāng)停止跟蹤時(shí)的Ws為O時(shí)將\從跟蹤隊(duì)列中刪除。
【文檔編號(hào)】G06T7/00GK104077779SQ201410318868
【公開日】2014年10月1日 申請(qǐng)日期:2014年7月4日 優(yōu)先權(quán)日:2014年7月4日
【發(fā)明者】徐明道, 劉建文, 刁奇, 趙亮, 林巍, 韓波, 牟懋竹 申請(qǐng)人:中國航天科技集團(tuán)公司第五研究院第五一三研究所