[发明专利]分布式多传感器运动目标的检测方法

权利要求书

1.一种分布式多传感器运动目标的检测方法，其特征在于步骤如下：

第一步，初始化背景高斯模型，选取传感器获得的初始图像做帧间差分，使用最大间类方差法计算阈值，统计在阈值T3内的次数，将平均最大次数及次大次数的对应的像素值作为初始背景值；

第二步，实时选取高斯分布的个数，学习率β由学习率α来决定，即β＝α/w_i，t，w_i，t表示为在t时刻第i个高斯分布的权重，按w_i，t/σ_i大小排列历史高斯分布，并进行I_t(x,y)与任一高斯分布的匹配，若不匹配则新增一高斯分布，添加权重w_i，t，方差σ_i，I_t(x,y)是当前帧像素值，(x,y)是图像某一像素点的坐标；

第三步，更新混合高斯模型参数，用新增的高斯分布替换最不可能代表背景的高斯分布，其余参数保持不变，采用四邻域技术估算当前帧与各背景帧的相似度，从而适当地调整学习率α的大小，并在线更新参数；

第四步，用于得到运动目标，将当前帧图像与更新的背景图像做差分，最终得到运动目标，从而实现运动目标的检测。

2.一种分布式多传感器运动目标的检测方法，其特征在于步骤如下：

第一步，初始化背景高斯模型，选取传感器获得的初始图像做帧间差分，使用最大间类方差法计算阈值，统计在阈值T3内的次数，将平均最大次数及次大次数的对应的像素值作为初始背景值；

第二步，实时选取高斯分布的个数，学习率β由学习率α来决定，即β＝α/w_i，t，w_i，t表示为在t时刻第i个高斯分布的权重，按w_i，t/σ_i大小排列历史高斯分布，并进行I_t(x,y)与任一高斯分布的匹配，若不匹配则新增一高斯分布，添加权重w_i，t，方差σ_i，I_t(x,y)是当前帧像素值，(x,y)是图像某一像素点的坐标；

第三步，更新混合高斯模型参数，用新增的高斯分布替换最不可能代表背景的高斯分布，其余参数保持不变，采用四邻域技术估算当前帧与各背景帧的相似度，从而适当地调整学习率α的大小，并在线更新参数；

第四步，用于得到运动目标，将当前帧图像与更新的背景图像做差分，最终得到运动目标，从而实现运动目标的检测；

第五步，采用分布式多传感器获取运动目标的三维信息：

（1）采用分布式多传感器，分别获取运动目标在图像中的位置信息；

（2）采用SURF算法，分别在运动目标上检测得到多特征点；

（3）将分布式多传感器获得图像中的特征点进行立体匹配，最终得到运动目标的三维信息。