1.一種基于跟蹤的復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,其特征在于,具體包括步驟如下:
步驟1:對(duì)輸入的視頻幀,采用混合高斯模型進(jìn)行背景建模并進(jìn)行模型更新,獲取初始前景像素點(diǎn);
步驟2:分別將當(dāng)前前景像素和相對(duì)應(yīng)的背景像素與鄰域像素進(jìn)行二值化比較,實(shí)現(xiàn)了背景模型的自適應(yīng)更新,獲得運(yùn)動(dòng)目標(biāo);
步驟3:對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤,獲取目標(biāo)的軌跡信息,并根據(jù)軌跡信息計(jì)算目標(biāo)偏離初始位置的距離和運(yùn)動(dòng)方向改變的次數(shù);
步驟4:計(jì)算運(yùn)動(dòng)目標(biāo)和其相對(duì)應(yīng)的背景之間的變異系數(shù),再次判斷去除孤立的小噪聲或者偽目標(biāo)。
2.根據(jù)權(quán)利要求1所述的一種基于跟蹤的復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,其特征在于,步驟2中的實(shí)現(xiàn)過(guò)程如下:
使用LBP分別提取當(dāng)前前景像素和相對(duì)應(yīng)的背景像素的紋理模式;
假設(shè)t時(shí)刻位置c處(xt,c,yt,c)的像素為gt,c,對(duì)應(yīng)的八個(gè)鄰域像素為gt,p,p=0,…,7,將每個(gè)鄰域像素與該像素進(jìn)行二值化比較,得到一個(gè)八位的二進(jìn)制串;統(tǒng)計(jì)當(dāng)前前景像素的二進(jìn)制串和背景像素二進(jìn)制串對(duì)應(yīng)位置相等的個(gè)數(shù)Num,若Num>6,且該像素點(diǎn)與背景像素點(diǎn)的差值的絕對(duì)值小于T,則判斷該像素點(diǎn)為背景點(diǎn),否則該像素點(diǎn)為前景點(diǎn),這樣不僅實(shí)現(xiàn)了背景模型的更新,而且還獲得了運(yùn)動(dòng)目標(biāo),其中T是根據(jù)場(chǎng)景人為設(shè)定的閾值。
LBPt(xt,c,yt,c)表示位置c處(xt,c,yt,c)與其周圍像素形成的一種紋理模式。
3.根據(jù)權(quán)利要求1所述的一種基于跟蹤的復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,其特征在于,步驟3根據(jù)軌跡信息計(jì)算目標(biāo)偏離初始位置的距離和運(yùn)動(dòng)方向改變的次數(shù)的過(guò)程如下:
假設(shè)目標(biāo)運(yùn)動(dòng)軌跡為(x1,y1)(x2,y2)...(xt-1,yt-1)(xt,yt),則在t時(shí)刻目標(biāo)位置與初始位置的距離為在1到t時(shí)刻內(nèi)目標(biāo)偏離初始位置最大距離為dmax=max(d1,d2,…,dt);在t分別取2,3,…,t-1時(shí),不等式(dt-1-dt)(dt-dt+1)<0成立的次數(shù)為f。
其中dmax用來(lái)描述樹葉擺動(dòng)的幅度,f用來(lái)描述樹葉擺動(dòng)的頻次。若dmax小于D或者f大于N,則判斷該目標(biāo)是因?yàn)闃淙~擺動(dòng)引起,屬于背景;否則判斷該目標(biāo)為運(yùn)動(dòng)目標(biāo),D和N為人為設(shè)定的閾值。
4.根據(jù)權(quán)利要求1所述的一種基于跟蹤的復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,其特征在于,步驟4中,運(yùn)動(dòng)目標(biāo)和其相對(duì)應(yīng)的背景之間的變異系數(shù)的計(jì)算過(guò)程如下:
假設(shè)視頻序列在時(shí)刻t的輸入圖像為初始背景幀為利用當(dāng)前幀與背景幀的分量差值建立噪聲模型泊松分布,并統(tǒng)計(jì)其直方圖Hist[d],對(duì)所得的直方圖計(jì)算相關(guān)方差Var[d];最后,對(duì)所得的相關(guān)方差進(jìn)行排序,尋找出最大值,即為變異系數(shù)λ;當(dāng)變異系數(shù)λ大于1時(shí),則判定場(chǎng)景發(fā)生突變;
λ=max(Var[d])/C d=0,1,2...254
其中d為當(dāng)前幀像素和背景幀像素之間的亮度變化,Var[]為相關(guān)方差,C為常量。