[发明专利]猪舍监控视频中前景提取方法

说明书

技术领域

本发明涉及一种视频监控前景目标提取方法，尤其涉及猪舍固定摄像监控视频猪的提取方法，具体适用于养猪场智能视频监控技术领域，属于智能视频目标检测技术。

背景技术

视频监控前景目标提取是将视频帧序列中每一帧里的背景去除，检测前景目标并分割出来的技术。前景提取方法按摄像头装置分为固定和移动两大类，按前景目标特性分刚体和非刚体两大类。猪舍监控视频中前景提取方法属于固定摄像的非刚体前景提取技术。

张敏博士（参见：张敏. 基于体态识别的动物行为自动分析研究与应用[D]. 杭州 浙江大学生物医学工程与仪器学院 2005.）采用彩色图像阈值剪影获得完整的前景目标，这种方法简单，计算代价小，属于经典背景帧差法，但这种方法要求背景是静止不变的，且背景愈简单分割效果愈好。而现实的猪舍背景难以满足此条件，由于猪舍一般设计成通风透光建筑，晴天光线强，猪在室内移动，会出现影子；阴天光线也会随时间发生渐变；当投射阳光的窗户突然出现暂时性遮挡时会起室内照度突变。

Xin教授等人（Shao B ,Xin H. A real-time computer vision assessment and control of thermal comfort for group-housed pigs[J]. Computers and Electronics in Agriculture. 2008, 62 (1):15-21.）利用实验室现场深色背景和白色猪反差大的特点，采用连续3帧的均值作为处理帧，运用灰度阈值分割出初步的前景，再进行形态学和面积阈值处理，得到精确的前景，此法属于图像处理分割方法获得前景目标，适用仅限于特定的实验条件。特别是当前景运动时，连续3帧的平均值导致前景伪目标点增多。直接采用图像处理忽略了帧序列的时域特性，不是视频帧目标检测的常用方法。 

一般常用的视频帧背景去除方法（参见：Herrero S ,Bescós J. Background Subtraction Techniques: Systematic Evaluation and Comparative Analysis[C] //Proceedings of the 11th International Conference on Advanced Concepts for Intelligent Vision Systems.Springer-Verlag. 2009,5807/2009:33-42.）分为3类，即基本型，如帧差法、中值滤波；参数模型，如单高斯、混合高斯模型；非参数模型，如直方图法、核密度法。而混合高斯模型和非参数模型计算量大，方法复杂，实时性差，因而限制了其在实际应用中的推广。而中值滤波和单高斯模型在前景目标缓慢运动时会产生拖影；相邻帧差法计算简单，但目标内容易产生空洞，且当猪站立不动时，会被误作背景；背景帧差法必须建立背景更新模型，且上述3类算法都无法消除前景的影子。 

胡园园（参见：胡园园 ,王让定. 基于局部纹理不变性的运动阴影去除算法[J]. 计算机应用. 2008, 28 (012):3141-3143.）提出用增强的LBP算子描述局部纹理结构能很好地区分前景目标和影子。然而，当背景图像和前景物体具有相似的纹理信息时这种方法将会失去作用，因此，这就限制了算法的应用。

发明内容

本发明的目的在于克服现有的猪视频前景目标提取方法的不足，提出一种鲁棒性好、效果好和实时性好的猪舍监控视频中前景提取方法，能够保留精确的视频帧前景边缘、且消除常见方法易导致前景内部空洞、拖影和阴影并存现象，并能抑制电子噪声和地面水渍及排泄物痕迹变化对前景的影响。