[发明专利]基于超像素的Codebook动态场景中目标检测方法

说明书

技术领域

本发明涉及一种数据识别方法，尤其涉及一种目标检测算法。

背景技术

自然场景的研究和应用已经成为当今世界热门主题。视频监控系统是自然场景中的一个重要模块，IVS（Intelligent Video Surveillance Systems）利用图像传感器作为前面主要的设备，然后使用计算机视觉、图像处理、模式识别、机器学习等算法处理视频，最终的目的是给交通控制和管理提供交通数据。目标是监控系统中的重要部分，所以他们对整个监控系统的正常运行有着重要的作用。基于视觉的目标检测对IVS有着重要的意义，因为IVS需要它来提供搜集目标数据，一方面，搜集到的数据可以用于优化监控控制和日常安排，监控模拟系统也能基于这些数据来建立，通过这些数据来检测控制和日常安排算法。另一方面，目标的密度能直接反应公共场合的拥挤情况，所以当危险出现时，可以通过搜集的数据来合理制作疏通方案。在视频监控中，摄像机是静止的并且经常朝向地面，根据摄像机不同的安装位置，可以粗略的将监控场景分为两类：复杂场景和简单场景。复杂场景包括非机动化车辆行驶的道路、十字路口、人行道、公交站台等，在复杂场景的监控算法中，必须考虑环境因素，例如天气、光照、风的级数等。因此，如果可以准确和实时的检测出复杂场景下的所有目标，那么将会推动IVS的快速发展。上述的这个例子属于计算机视觉中的概念，而完成这项工作的基础即为目标检测技术。所谓目标，即监控视频中运动的车辆、行人和其他物体的总称，也称为“视频前景”。而目标检测是计算机视觉中的一个基本概念，它是在智能监控系统中，根据视频帧所描述的场景构建出背景模型，然后将当前帧与构建的背景模型进行比较，找出前景目标。从上述的例子可知，IVS为交通控制和交通管理提供准确、实时的交通数据主要就依赖于对视频帧的目标检测，所以对视频帧进行有效的目标检测是重要的基础性工作，因此目标检测是计算机视觉中最为基础和关键的研究内容之一。目前目标检测系统已经广泛应用到多领域。如：在主成分分析算法(Principal components analysis,PCA)和马尔科夫随机场(Markov random field,MRF)中研究目标检测系统，主要是研究目标检测系统中背景像素值分布和像素的时空上下文如何影响目标检测；基于Codebook算法研究动态场景下的目标检测，背景建模是目标检测的关键技术，Codebook是一种简单有效的背景建模算法，所以文中用Codebook算法作为研究目标检测系统的基础模型，通过实验表明Codebook是有效解决目标检测问题的关键技术；在目标检测中，背景模型对目标检测的准确性有很大的影响，目标检测的特征也就是如何在复杂的场景下实时的构建出准确的背景模型，超像素是具有相似特征的一块区域，区域的相似性也就是有着高度的空间一致性，所以文中提出一种基于超像素的Codebook目标检测方法；在目标检测领域，目前已经提出相应的利用像素点的时空信息进行目标检测，能够有效的构建准确的背景模型，并实时的检测出目标前景。尽管针对不同场景下的视频采用目标检测的算法可能存在差别，但其过程基本一致。首先对训练视频帧进行背景建模，主要是从训练的视频帧中提取像素值，然后针对不同的方法，建立不同的背景模型；背景模型建好以后，对当前进入的视频帧进行目标检测，如果当前帧的某个像素值符合该背景像素值的分布，就标记为背景，否则标记为前景；最后，用当前的视频帧更新背景模型。