[发明专利]一种目标检测中基于VIBE的粘连目标分割方法

说明书

【技术领域】

本发明涉及目标检测中粘连目标分割方法的技术领域，特别是目标检测中基于VIBE的粘连目标分割方法的技术领域。

【背景技术】

运动目标分割是指从视频序列中检测出运动目标并从背景中分离的过程。在视频序列的运动目标分割中，根据所依靠的信息，可以分为三种：时域分割、空域分割和时空联合的分割。时域分割主要是利用检测相邻帧差异来获得运动目标的位置、大小，主要包括帧差法、背景减法和光流法等。背景减法原理简单，运算速度快，但对于背景剧烈变化时分割结果较差；帧差法对场景变化不太敏感，但提取的对象不太完整，存在空洞现象；光流法复杂度较高，实时性较差。空域分割法主要根据目标纹理的一致性来区分，主要有阈值分割、聚类分割和形态学分割三种分割法。阈值法易受背景干扰，对灰度变化不明显的目标分割不准确；聚类分割时间开销大，实时性不高；基于形态学的分割充分利用了图像的空间信息，应用最多的是分水岭算法，但由于噪声的存在无法解决过分割现象。时空分割法主要利用时域分割获得运动对象的大致运动区域，空域分割得到运动对象的缘，但分割的效果依赖于时域和空域分割算法的选择。

当监控场景中存在多个运动目标时，分割的难点主要包含三个方面：1）对阴影的处理，如阴影与目标相连；2）对遮挡的处理，如运动目标的自遮挡、运动目标之间的遮挡、运动目标被背景遮挡等；3）扰动的影响，如树枝扰动、水面反射等。本发明针对运动目标发生运动遮挡时出现的目标粘连情况，提出了采用背景减法获取前景图像的区域，并在原图中提取运动目标的HOG特征并用SVM进行训练来实现粘连目标的分割算法。

【发明内容】

本发明的目的就是解决现有技术中的问题，提出一种目标检测中基于VIBE的粘连目标分割方法，能够有效的对粘连目标进行分割，且克服了小目标的漏检问题，具有良好的鲁棒性。

为实现上述目的，本发明提出了一种目标检测中基于VIBE的粘连目标分割方法，依次包括以下步骤：

a）基于VIBE的背景减法：在静态场景下，通过VIBE算法检测获取前景区域中的运动目标区域，VIBE算法分别在时间上和空间上采用随机的策略对背景模型进行更新，该策略恰恰与背景更新是随机的情况相吻合，对前景目标突然转换成背景的运动场景具有良好的适应性，并假定在VIBE算法检测的前景区域中至少存在一个运动目标区域；

b）HOG特征向量提取：由于图像中局部目标的表象和形状总能够用它的梯度方向或边缘的方向密度分布进行描述，HOG特征向量可以有效地表示目标的轮廓，进而实现目标的分类，提取目标的HOG特征向量过程如下：