[发明专利]一种基于改进混合高斯和图像剪切的运动目标检测方法

说明书

技术领域

本发明属于智能视频监控领域，具体涉及一种基于改进混合高斯和图像剪切的运动目标检测方法，用于视频监控中的运动目标检测。 

背景技术

随着人工智能技术的快速发展，智能视频监控系统的研究和应用逐渐成为人们关注的热点，并且在安全保障、交通、商业活动以及军事等多个领域得到了广泛的应用。在视频监控的场景中，运动目标是主体，所以监控系统必须能实时地检测运动目标。运动目标检测，是一种基于目标几何和统计特征的图像分割技术，主要方法有帧间差分法、光流法、背景差分法等。 

帧间差分法是一种简单直接的运动检测方法，它利用图像中所要提取的目标与背景在灰度特性上的差异，通过选取合适的灰度阈值对图像进行分割，从而将目标从背景中提取出来，因其实现简单、运算速度快，在大多数情况下检测效果较好，常常用于对实时性要求比较高的场合。但帧间差分法处理所得图像经常含有大量的噪音、中空以及分裂部分，处理较复杂图像序列时效果并不理想。光流法检测运动物体的基本原理是给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可由投影关系得到，根据各个像素点的速度矢量特征，可以对图像进行动态分析。光流法的优点在于光流不仅携带了运动物体的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够在不知道场景的任何信息的情况下，检测出运动对象。但是光流法计算耗时高，实时性和实用性都较差。背景差分法是利用图像序列中的当前图像与背景图像的差分来检测出 运动区域的一种技术，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感，仅适合环境变化小的情况。 

为了实时准确地检测物体变化，1997年Wren（Pfinder：Real-time tracking of the human body.IEEE Trans.Patt.）提出为图像中的每个像素建立颜色模型，该模型服从高斯分布。但是单一高斯模型对户外环境的处理效果并不理想。1999年Stauffer和Grimson（Adaptive background mixture models for real-time tracking，CVPR，1999.IEEE Computer Society Conference on.）提出了混合高斯模型的算法，并广泛应用于鲁棒的复杂场景背景建模，但在实际应用中混合高斯模型面临的一大难题就是算法的计算量大，实时性较差。近年来，许多研究者提出不同的方法来解决混合高斯模型实时性差的问题。其中，期望最大化(EM)算法是混合高斯模型参数估计的经典方法。但EM算法对输入初始值比较敏感，不同的初始值对应的聚类结果往往差别较大。 

发明内容

本发明针对混合高斯模型在运动目标检测方面表现出的计算量大、实时性差的问题，提出一种基于改进混合高斯和图像剪切的运动目标检测方法，具体实验方案如下： 

针对固定视场的监控摄像机获取的视频，首先利用基于灰度差异性的三帧差分及曲线拟合的方法确定目标运动区域，然后在运动区域的范围内采用融合EM算法的混合高斯模型进行运动目标检测，这样可以大大的减少计算量，缩短算法运行时间；其中，本发明利用基于网格和密度估计的方法对EM算法进行初始化，以减小EM算法对于初始值的依赖。 

本发明的具体实现步骤为： 

（1）图像输入步骤，输入原始视频图像序列； 

（2）图像预处理步骤，将原始视频图像序列转换成灰度图像序列； 

（3）图像差分运算步骤： 

（3.1）取大小为M×N的滑动窗口W，W_i(x，y)表示灰度图像序列的第i帧图像中滑动窗口的灰度矩阵，计算灰度图像序列中相邻两帧对应窗口的灰度差异性系数R(W_i(x，y)，W_i+1(x，y))，计算方法如下：