[发明专利]一种基于随机策略的运动目标检测方法

说明书

技术领域

本发明主要涉及运动目标检测方法领域。涉及背景建模，背景模型初始化，背景模型更新三个方面；该方法在智能视频监控、智能交通控制、汽车自动驾驶和辅助驾驶等方面具有一定的应用前景。 

背景技术

在智能视频监控、智能交通控制等项目中，运动目标检测是其中一项核心技术。如1997年卡梅隆大学、麻省理工学院等院校参与的视觉监控重大项目VSAM(Visual Surveillance And Monitoring)，主要研究用于战场和普通民用环境的自动视频理解技术；1999年马里兰大学开发的W4系统；2004年IBM开发的Smart系统。常见的运动目标检测方法有：(1)帧差分法：利用视频序列中连续两帧或几帧图像间的差异进行运动目标检测，帧差分法计算简单，实时性好，但不能完整提取运动目标信息，无法得到运动目标轮廓，运动目标内部容易产生空洞现象。(2)背景差分法：利用当前视频帧与已有的背景帧作比较，得到的不同部分作为运动目标的信息，最简单的背景建模方法就是将第一帧空场景的图像直接作为背景帧，这种方法不能适应场景的环境变化，容易导致错误的分割。(3)中(均)值滤波法：建立一个视频流滑窗来缓存L帧视频图像，然后把缓存中所有视频帧同位置像素平均值或中值作为背景来该处的值。一种改进的方法就是滑动平均算法(running average)，其核心想法就是引入一个学习率a来体现背景图像对场景变化的响应，a通常取值0.003～0.05，a越小，则前景的变化越不会影响背景；其优点是计算量少，但是不适宜大且速度慢的运动目标，易产生空洞现象。(4)混合高斯法：基本思想是用混合高斯模型描述像素过程，根据混合高斯模型的权值和方差，来决定哪个高斯分布对应背景颜色，不符合背景分布的像素被认为是运动目标；当这个像素满足的分布有充足、连续的证据支持时，再将其纳入到背景中去，它的优点是能够适应环境的变化，但是只能适应背景的缓慢变化并对其更新，当背景发生突然变化时，该方法不能及时更新背景，从而导致检测出现错误。而且该方法编程较为复杂，不易实现。 

发明内容

本发明所有解决的技术问题是提供一种基于随机策略进行目标检测的方法，该方法利用了像素点的灰度信息、空间及时间信息，从而能够有效减少计算复杂度及内存消耗，能够有效提高运动目标检测精度，对场景中光照变化、背景变化、运动目标引起场景变化等有较强适应性。 

本发明的技术构思在于通过视频序列第一帧完成背景模型的建立及快速初始化，建立特 定的运动点与背景点判定准则；在背景模型更新过程中包括对当前像素点及其邻域像素点的样本序列的随机更新。 

发明的技术方案如下： 

一种基于随机策略的运动目标检测方法，包括以下步骤： 

步骤1：为视频中每一帧图像的每一个像素点(a，b)建立一个基于灰度特征的的样本序列{s_i(a，b)|i＝1，.....N}，构建视频图像的背景模型；其中，每一个元素s_i(a，b)用于储存图像灰度值，N为整数； 

背景模型为所有像素点的样本序列总和，基于第一帧图像对背景模型进行初始化；从第二帧图像开始，执行以下步骤； 

步骤2：对当前像素点为运动点或背景点的判断，x_t(a，b)为像素点(a，b)的灰度值： 

(1)将当前像素点x_t(a，b)与其对应的样本序列中的N个元素s_i(a，b)依次比较，若两者差值的绝对值小于灰度值阈值T_v，则令Γ_i(a，b，t)为1，否则为0；Γ_i(a，b，t)为x_t(a，b)与s_i(a，b)差值的绝对值与T_v的相比较的判断结果值； 

(2)求 若 大于或等于设定的阈值T_n，则当前像素点判断为背景点，否则为运动点； 

(3)若判断为运动点，则将其显示，再进行下一个像素点的检测，即将下一个像素点置为当前像素点，返回步骤2，若判断为背景点，则转至步骤3； 

步骤3：背景模型的更新： 

(1)随机更新当前像素点的样本序列中的某一元素的存储值：从当前像素点的样本序列中的随机选择一个元素，用当前像素点的灰度值替换其所选元素存储的灰度值；