一種融合Canny算子與Vibe算法的目標檢測方法
【專利摘要】本發(fā)明公開了一種融合Canny算子與Vibe算法的目標檢測方法，該方法包括以下步驟：利用ViBe算法的得到運動的前景；利用改進Canny算子進行前景邊緣提??；將提取出的運動前景和邊緣進行融合，并進行進一步提取。本發(fā)明中采用的ViBe算法不僅減少了背景模型建立的過程，還可以處理背景突然變化的情況，而且檢測到背景突然變化明顯時，只需要舍棄原始的模型，重新利用變化后的首幀圖像建立背景模型。同時改進Canny算法彌補了ViBe產(chǎn)生拖影區(qū)域的缺點。最后，將完整的結(jié)果輸出。通過在通用KTH人體行為數(shù)據(jù)庫的實驗表明，本發(fā)明可以有效地提高前景提取率。
【專利說明】一種融合Canny算子與Vi be算法的目標檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種目標檢測方法，特別涉及一種融合Canny算子與Vibe算法的目標 檢測方法。

【背景技術(shù)】
[0002] 近年來，隨著各項重大國際賽事會議在國內(nèi)舉辦，各類場所視頻監(jiān)控的安放需求 不斷加大。但是傳統(tǒng)的視頻監(jiān)控系統(tǒng)功能相當單一，需要花費大量的人力持續(xù)地監(jiān)視屏幕， 然后做出相應(yīng)的決策。再加上在一些特殊情況下（如：監(jiān)視人員情緒不穩(wěn)定、身體不適等因 素的影響），不可避免的會產(chǎn)生漏報和誤報等情況。所以，智能監(jiān)控系統(tǒng)就應(yīng)運而生。同時 由于中國逐漸進入老齡化社會，導(dǎo)致了勞動力成本越來越高，從而使監(jiān)控系統(tǒng)的維護成本 也在不斷增長。這就導(dǎo)致智能視頻監(jiān)控系統(tǒng)數(shù)量在成指數(shù)級增長。
[0003] 智能監(jiān)控系統(tǒng)的特殊是具有分析功能，既能監(jiān)控場景發(fā)生異常行為，并發(fā)出通知 或者警報。采用智能化的方式分析處理監(jiān)控視頻是十分必要的，智能化的方式可以減少系 統(tǒng)的運行維護成本。因此，智能視頻監(jiān)控系統(tǒng)中的目標檢測、目標跟蹤和行為分析成為近來 的計算機視覺領(lǐng)域研宄的一個重要方向。
[0004] 近年來，目標檢測方法得到研宄者的普遍關(guān)注，出現(xiàn)了一系列的目標檢測方法。現(xiàn) 階段常用的運動目標檢測方法大致可分為兩類：一類根據(jù)視頻的時序?qū)傩詠矸指钸\動目 標，主要有光流法、相鄰幀差法和背景差分法。運動目標檢測的另一類算法以空間屬性為分 割依據(jù)，主要根據(jù)圖像的區(qū)域或邊緣信息來分割運動目標，主要有活動輪廓模型、邊緣檢測 算子等。但目前現(xiàn)有方法，在提權(quán)只有部分身體運動的前景目標時，效果往往不是很理想。
[0005] 傳統(tǒng)的Canny算子可能需要反復(fù)幾次實驗來尋找合適的閥值，然后再依據(jù)先驗經(jīng) 驗來選取高低閥值的比例。但是該比例是固定的?？墒菍嶋H情況中光照、行人等不確定因 素都有可能影響到圖像。因此，不同圖像的最佳高低閥值的比例也不一樣。這就導(dǎo)致了傳 統(tǒng)的Canny算子不具有適應(yīng)性。而本發(fā)明能夠很好地解決上面的問題。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明目的在于克服現(xiàn)有目標檢測方法的不足，提供一種融合Canny算子與Vibe 算法的目標檢測方法，該方法采用的ViBe算法不僅減少了背景模型建立的過程，還可以處 理背景突然變化的情況，而且檢測到背景突然變化明顯時，只需要舍棄原始的模型，重新利 用變化后的首幀圖像建立背景模型。同時改進的Canny算法彌補了 ViBe產(chǎn)生拖影區(qū)域的 缺點。最后，將完整的結(jié)果輸出。通過在通用KTH人體行為數(shù)據(jù)庫的實驗表明，本發(fā)明能夠 有效地提尚肖U景提取率。
[0007] 本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：一種融合Canny算子與Vibe算法的 目標檢測方法，該方法包括以下步驟：
[0008] 步驟1、利用ViBe算法的得到運動的前景；
[0009] 步驟2、利用改進Canny算子進行前景邊緣提??；
[0010] 步驟3、將提取出的運動前景和邊緣進行融合，并進行進一步提取。
[0011] 本發(fā)明首先利用ViBe算法得到輸入視頻序列的初始前景目標，但是該前景目標 結(jié)果可能會存在大量的空洞。然后，通過改進的Canny算法得到較完善的前景目標邊緣。最 后，將出初始前景目標與上一步的前景目標的邊緣進行融合。對融合后的結(jié)果進一步進行 優(yōu)化，以求得更為準確的前景目標。
[0012] 視頻序列中往往摻雜了大量的噪聲，噪聲的存在對閥值的選取有很大的影響。本 發(fā)明為了解決該問題，引入了迭代算法找到最佳閥值。這樣一方面降低了噪聲的影響，另一 方面又能提高Canny算子的自適應(yīng)性。算法描述如下：
[0013] ①通過直方統(tǒng)計圖得出最小灰度值和最大灰度值的平均值作為初始閥值。

【權(quán)利要求】
1. 一種融合Canny算子與Vibe算法的目標檢測方法，其特征在于，所述方法包括如下 步驟： 步驟1 :利用ViBe算法的得到運動的前景； 步驟2 :利用改進Canny算子進行前景邊緣提取； 步驟3 :將提取出的運動前景和邊緣進行融合，并進行進一步提取。
2. 根據(jù)權(quán)利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征 在于：所述方法首先利用ViBe算法得到輸入視頻序列的初始前景目標；然后，通過改進的 Canny算法得到較完善的前景目標邊緣；最后，將得到的初始前景目標與上一步的前景目 標的邊緣進行融合，對融合后的結(jié)果進一步進行優(yōu)化。
3. 根據(jù)權(quán)利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法在前景目標邊緣檢測過程中應(yīng)用了一種改進的Canny算子。
4. 根據(jù)權(quán)利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法引入了迭代算法找到最佳閥值，包括： ① 通過直方統(tǒng)計圖得出最小灰度值和最大灰度值的平均值作為初始閥值； T0= {τκ|κ=ο}
其中K是迭代次數(shù)；Zmin、Zmax分別代表當前幀的最小和最大灰度值； ② 根據(jù)第一步所得的初始閥值，將所有灰度值分為兩個部分：比初始閥值小的和比初 始閥值大的，然后再分別對兩部分求平均值，再將2個平均值求平均，得到經(jīng)過一次迭代的 閥佶，
其中Hl是大于閥值的像素部分，H2是小于閥值的像素部分；
其中，f(i，j)是圖像（i，j)點的灰度值；NL(i，j)、NH(i，j)分別為
計算新閥值
③ 將這個新閥值與初始閥值進行比較，如果兩個閥值滿足一定的關(guān)系，迭代結(jié)束，將新 閥值輸出，該新閥值就是最佳閥值T;否則，就將用這次產(chǎn)生的閥值去分割所有灰度值，重 復(fù)上述步驟； ④ 當?shù)Y(jié)束后，由當前幀的灰度直方圖計算出當前幀的平均灰度Ave; ⑤ 確定Canny算子的最佳高閥值和最佳低閥值，最佳高閥值Tmax為最佳閥值加上平均 值A(chǔ)ve，最佳低閥值Tmin就是最佳閥值T; Tmax=T+Ave Tmin=T 通過多次的迭代計算后，最佳閥值要比初始閥值好。
5.根據(jù)權(quán)利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法選擇的目標優(yōu)化方法是掃描線填充法；掃描線填充法是將特定區(qū)域內(nèi)部的所 有像素置為新值，當?shù)竭_邊緣或者找到特定區(qū)域內(nèi)所有像素時停止。
【文檔編號】G06K9/46GK104463165SQ201410576993
【公開日】2015年3月25日 申請日期:2014年10月24日 優(yōu)先權(quán)日:2014年10月24日
【發(fā)明者】朱松豪, 劉佳偉, 孫偉 申請人:南京郵電大學