[发明专利]一种针对复杂背景的运动目标检测方法

说明书

技术领域

本发明涉及一种针对复杂背景的目标检测方法。

背景技术

视频技术在科学研究和工程领域有着广阔的前景。在视频图像处理的各种研究和应用中，运动目标的检测技术是一项关键的技术。通常运动目标检测的目的是为了把运动目标从背景中分离出来，是运动目标与背景的二元决策问题。

视频图像处理的首要任务是从视频图像中检测出运动的目标，通过时间和空间上的冗余信息，将背景和运动目标分割出来，如何有效的对背景和目标进行分割是目前研究的重点。

复杂条件(或背景)下的运动目标检测一直是视频图像处理和理解领域的难点，也日益成为视频图像处理系统实用性和可靠性的严重障碍。由于各种视频应用的场合不尽相同，运动目标所处的环境和背景千变万化，这对运动目标检测方法的适应性和稳健性提出了更高的要求。但是从目前的条件和技术水平来说，建立抗干扰性强、能适应各种场合各种条件的、稳健的运动目标检测方法非常困难。目前已出现了很多在特定条件下具有良好性能的运动目标检测和跟踪的方法。针对不同的应用场合的检测方法，其可靠性和稳定性较易实现，然而如何提高检测方法对于复杂条件(或背景)的适应性和鲁棒性是一个充满挑战的课题。

发明内容

本发明是为了解决现有的检测方法在复杂条件下的适应性差、鲁棒性差的问题，从而提供一种针对复杂背景的运动目标检测方法。

一种针对复杂背景的运动目标检测方法，它由以下步骤实现：

步骤一、获取待测场景的视频，根据视频内容获得M帧场景图像。M为大于或等于2的整数；

步骤二、对步骤一获得的M帧场景图像作帧间差分，获得场景图像中的每一个像素点的差分序列；

步骤三、对步骤二获得的场景图像中的每一个像素点的差分序列建立混合高斯模型；

步骤四、设置要求的虚警率，并根据步骤三获得的混合高斯模型计算场景图像中的每一个像素点的检测门限；

步骤五、根据步骤四获得的检测门限对差分序列帧中的每一个像素点做二值化处理，从而获得运动目标的轮廓。

步骤一中所述待测场景的视频P_x，y(t)的表达式为：

P_x，y(t)＝T_x，y(t)+B_x，y(t)+L_x，y(t)

式中，x，y是像素的坐标，t为待测场景的视频的时间，T_x，y(t)表示运动目标，B_x，y(t)为背景，L_x，y(t)表示光照的强度。

步骤三中所述的混合高斯模型的具体含义为：一个以概率1-ε从得到的随机变量，以及以概率ε从得到的随机变量之和的概率密度函数，混合高斯模型的概率密度函数定义为：

fx,y(z)=(1-ϵ)gx,y(z)+ϵg~x,y(z)]]>

其中，和分别是两个零均值不等方差的高斯模型，ε∈[0，1]，是两个高斯分量的比率；

对于每组差分序列z[n]，n＝1，2…，N，N为正整数，将上述公式改写为：