[发明专利]基于纹理和运动模式融合的运动目标检测算法

说明书

技术领域

本发明涉及视频图像处理技术领域，具体是涉及复杂动态场景下的运动目标检测方法。

背景技术

运动检测是运动跟踪技术的基础，是计算机视觉领域中的一个典型问题，其目的是从序列图像中将感兴趣的运动区域从背景图像中提取出来。在监控系统中，运动检测最基本的要求是检测出图像中有无运动物体，较高的要求是检测出运动物体的方向和位置。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的，因为后期处理过程仅仅考虑图像中运动区域对应的像素。然而，由于背景图像及环境的动态变化，如天气、光照、影子及混乱干扰等的影响，使得可靠的运动检测变得相当困难。

目前最常用的运动检测方法包括：光流法，帧间差分法，背景差分法等。其中光流法计算复杂、耗时、对噪声敏感，只适用于运动向量分析、数字水印等对实时性要求不高的应用。对于帧间差分法，只要对帧间隔进行合适的设置，对于运动物体一般都可以检测到，但检测的结果不完整，不能提取出对象的完整区域，只能提取出轮廓；同时依赖于选择的帧间时间间隔。对于基于背景差分的运动物体检测算法，一般可以检测到完整的运动物体，但检测得到的冗余信息太多。以上两种方法都对外部环境变化如树叶晃动、光照变化等比较敏感，其主要原因是缺少比较有效的噪声消除算法和背景更新算法。

背景差分算法的基本思想是通过对视频帧的学习建立高斯混合背景模型，将新输入的视频图像与高斯混合背景模型进行比较，当差值大于某个阈值的时候，判断该像素为前景，否则为背景，从而完成运动目标的检测。常用的是平均值法和基于像素值统计信息的算法来构建背景。平均值法由于物体运动和光线变化不能得到准确的背景且对于环境变化不能自适应调节；基于像素灰度归类算法的基本原理是以像素出现概率最大的一种灰度作为背景灰度值，这种算法计算量大而且同样缺乏对环境变化的自动调节能力。

综上所述，上述算法对于复杂的动态场景，如随风摆动的树叶、波浪、阴影、光照变化、摄影机抖动、云、烟、雨、雾等，检测结果易受环境影响而使误差大。

发明内容

本发明所要解决的技术问题是，提供一种基于纹理和运动模式融合的运动目标检测算法，通过在分类器层面将基于纹理模式和运动模式的背景模型进行融合，这种融合不仅考虑了图像中的纹理信息，同时也考虑了视频序列中的运动信息，有效的克服了如晃动的树叶、水波等复杂背景的影响。

为了解决上述技术问题，本发明所采用的技术方案是：一种基于纹理和运动模式融合的运动目标检测算法，包括以下步骤：使用局部二值模式提取纹理模式，将传统的局部二值模式从空间域扩充到时空域来提取运动模式，然后对场景中的每一个像素采用纹理模式和运动模式分别建立背景模型；对该背景模型进行更新，并采用该背景模型进行目标检测，得到检测结果。

进一步的，使用局部二值模式提取纹理模式，具体是：对于t时刻图像中的中心像素c处(x_t，c，y_t，c)处的像素g_t，c考虑它的八个邻域像素g_t，p，p＝0，…，7，将每个邻域像素与该像素进行二值化比较，得到一个八位的二进制串，即该中心像素处的一个码字LBP^t(x_t，c， y_t，c)：