本發(fā)明具體涉及一種靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。

背景技術(shù)：

近年來(lái)，智能視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)是一個(gè)研究的熱點(diǎn)，在各大領(lǐng)域都有著廣泛的應(yīng)用前景。靜態(tài)背景下常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法有：幀間差分法、背景差分法和光流法。光流法因其計(jì)算復(fù)雜度高，且需要特殊硬件支持，不利于實(shí)時(shí)實(shí)現(xiàn)；背景差分法，算法簡(jiǎn)單，易于實(shí)現(xiàn)，但通常運(yùn)算速度慢，易受光線變化的影響，對(duì)目標(biāo)陰影的去除效果差；幀間差分法是目標(biāo)檢測(cè)常用的方法，通過(guò)相鄰幀圖像的相減，根據(jù)差分結(jié)果來(lái)檢測(cè)目標(biāo)，算法雖然簡(jiǎn)單，容易實(shí)現(xiàn)，但檢測(cè)出的目標(biāo)輪廓存在空洞現(xiàn)象以及在光線變化的場(chǎng)景中會(huì)產(chǎn)生虛假邊緣。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。

靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，包括以下步驟：

s1：利用優(yōu)化的canny邊緣檢測(cè)算法快速簡(jiǎn)單地構(gòu)建穩(wěn)定的背景邊緣模型以及背景更新方法，同時(shí)利用背景邊緣差分法，通過(guò)將當(dāng)前幀邊緣檢測(cè)結(jié)果與建立的背景邊緣進(jìn)行差分運(yùn)算得到背景邊緣檢測(cè)差結(jié)果，確定運(yùn)動(dòng)目標(biāo)邊緣；

s2：與五幀差分法檢測(cè)的結(jié)果相或，得到較為完整運(yùn)動(dòng)目標(biāo)輪廓；

s3：對(duì)運(yùn)動(dòng)目標(biāo)輪廓內(nèi)部的空洞采用水平方向和垂直方向相結(jié)合的雙向模板進(jìn)行同化填充，之后對(duì)目標(biāo)進(jìn)行形態(tài)學(xué)處理和連通性檢測(cè)進(jìn)一步消除孤立的小點(diǎn)和填補(bǔ)邊緣間的小間斷，提取完整、準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域。

進(jìn)一步的，優(yōu)化的canny邊緣檢測(cè)算法的具體方法如下：

1）假定把圖像中的像素按灰度值用閾值t分為目標(biāo)和背景兩類，圖像的像素總數(shù)為n，圖像中目標(biāo)的像素?cái)?shù)為，背景的像素?cái)?shù)為，目標(biāo)和背景的像素?cái)?shù)占圖像像素總數(shù)的幾率分別為和，其中，，；灰度均值分別為和，可得整幅圖像的均值為，最大類間方差為：

；

2）用遍歷法求出使最大的閾值t，為最佳閾值，將該閾值最為canny算子的高閾值，再用下式求出低閾值：。

進(jìn)一步的，背景邊緣差分法的步驟如下：

1）假定在沒(méi)有運(yùn)動(dòng)目標(biāo)的空?qǐng)鼍敖?jīng)過(guò)t幀的學(xué)習(xí)后，每幀圖像內(nèi)的邊緣點(diǎn)總數(shù)用表示，則t時(shí)刻后建立的穩(wěn)定背景邊緣圖像表示為：

；

2）設(shè)f(i,j)表示為前景圖像內(nèi)的邊緣點(diǎn),將前景圖像與背景圖像作差分運(yùn)算,得到差分結(jié)果d(i,j)進(jìn)行二值化處理，計(jì)算公式如下：

；

；

其中二值化的閾值為動(dòng)態(tài)閾值th，表達(dá)式如下：

；

；

其中，λ為抑制系數(shù)；f(i,j)為前景圖像，b(i,j)為背景圖像；表示所處理圖像的尺寸大小；

3）更新方法：構(gòu)造實(shí)時(shí)背景邊緣圖像：

；

根據(jù)下式更新當(dāng)前背景邊緣圖像：

；

其中，為背景更新權(quán)重值，。

進(jìn)一步的，五幀差分法的具體步驟如下：

1）設(shè)視頻圖像序列中連續(xù)五幀圖像分別為：、、、和，其中為中間幀，利用中間幀分別和前兩幀和后兩幀做差分運(yùn)算，得到的差分結(jié)果分別為：

；

；

；

；

2）將4個(gè)差分結(jié)果的和，，，分別進(jìn)行“與”運(yùn)算，即：

；

；

3）對(duì)和進(jìn)行動(dòng)態(tài)閾值法進(jìn)行二值化處理，將處理結(jié)果進(jìn)行“或”運(yùn)算得到目標(biāo)輪廓；

。

本發(fā)明的有益效果是：

本發(fā)明利用優(yōu)化的canny邊緣檢測(cè)算法快速簡(jiǎn)單地構(gòu)建穩(wěn)定的背景邊緣模型，同時(shí)利用背景邊緣檢測(cè)差確定運(yùn)動(dòng)目標(biāo)邊緣；之后與五幀差分法檢測(cè)的結(jié)果相累加；最后通過(guò)同化填充和后期相關(guān)處理提取完整、準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域該方法準(zhǔn)確率高，連通性好，能滿足實(shí)時(shí)性檢測(cè)的要求。

具體實(shí)施方式

以下具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步闡述，但不作為對(duì)本發(fā)明的限定。

靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，包括以下步驟：

s1：利用優(yōu)化的canny邊緣檢測(cè)算法快速簡(jiǎn)單地構(gòu)建穩(wěn)定的背景邊緣模型以及背景更新方法，同時(shí)利用背景邊緣差分法，通過(guò)將當(dāng)前幀邊緣檢測(cè)結(jié)果與建立的背景邊緣進(jìn)行差分運(yùn)算得到背景邊緣檢測(cè)差結(jié)果，確定運(yùn)動(dòng)目標(biāo)邊緣；

s2：與五幀差分法檢測(cè)的結(jié)果相或，得到較為完整運(yùn)動(dòng)目標(biāo)輪廓；

s3：對(duì)運(yùn)動(dòng)目標(biāo)輪廓內(nèi)部的空洞采用水平方向和垂直方向相結(jié)合的雙向模板進(jìn)行同化填充，之后對(duì)目標(biāo)進(jìn)行形態(tài)學(xué)處理和連通性檢測(cè)進(jìn)一步消除孤立的小點(diǎn)和填補(bǔ)邊緣間的小間斷，提取完整、準(zhǔn)確的運(yùn)動(dòng)目標(biāo)區(qū)域。

優(yōu)化的canny邊緣檢測(cè)算法的具體方法如下：

1）假定把圖像中的像素按灰度值用閾值t分為目標(biāo)和背景兩類，圖像的像素總數(shù)為n，圖像中目標(biāo)的像素?cái)?shù)為，背景的像素?cái)?shù)為，目標(biāo)和背景的像素?cái)?shù)占圖像像素總數(shù)的幾率分別為和，其中，，；灰度均值分別為和，可得整幅圖像的均值為，最大類間方差為：

；

2）用遍歷法求出使最大的閾值t，為最佳閾值，將該閾值最為canny算子的高閾值，再用下式求出低閾值：。

背景邊緣差分法的步驟如下：

1）假定在沒(méi)有運(yùn)動(dòng)目標(biāo)的空?qǐng)鼍敖?jīng)過(guò)t幀的學(xué)習(xí)后，每幀圖像內(nèi)的邊緣點(diǎn)總數(shù)用表示，則t時(shí)刻后建立的穩(wěn)定背景邊緣圖像表示為：

；

2）設(shè)f(i,j)表示為前景圖像內(nèi)的邊緣點(diǎn),將前景圖像與背景圖像作差分運(yùn)算,得到差分結(jié)果d(i,j)進(jìn)行二值化處理，計(jì)算公式如下：

；

；

其中二值化的閾值為動(dòng)態(tài)閾值th，表達(dá)式如下：

；

；

其中，λ為抑制系數(shù)；f(i,j)為前景圖像，b(i,j)為背景圖像；表示所處理圖像的尺寸大??；

3）更新方法：構(gòu)造實(shí)時(shí)背景邊緣圖像：

；

根據(jù)下式更新當(dāng)前背景邊緣圖像：

；

其中，為背景更新權(quán)重值，。

五幀差分法的具體步驟如下：

1）設(shè)視頻圖像序列中連續(xù)五幀圖像分別為：、、、和，其中為中間幀，利用中間幀分別和前兩幀和后兩幀做差分運(yùn)算，得到的差分結(jié)果分別為：

；

；

；

；

2）將4個(gè)差分結(jié)果的和，，，分別進(jìn)行“與”運(yùn)算，即：

；

；

3）對(duì)和進(jìn)行動(dòng)態(tài)閾值法進(jìn)行二值化處理，將處理結(jié)果進(jìn)行“或”運(yùn)算得到目標(biāo)輪廓；

。