[发明专利]一种参数自适应调节的高斯混合模型目标检测方法

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及一种参数自适应调节的高斯混合模型目标检测方法。

背景技术

目标检测是进行后续目标跟踪工作的基础，良好的目标检测算法可以把图像帧中感兴趣的区域或者是待研究的运动目标检测提取出来，并且要保证提取到的目标是完整的，尽量不包含不感兴趣的区域的检测结果。除了检测效果质量重要外，检测算法的时间复杂度也是重要的衡量标准。检测算法的时间复杂度与采用的背景模型建立机制、背景模型的更新方式、识别前景目标的机制等有着密切的关系。

1999年，Grimson和Stauffe(参考文件1：GrimsonWel,StaufferC.RomanoR.LeeL.Usingadaptivetrackingtoclassifyandmonitoractivitiesinasite.inProceedings.1998IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition(Cat.No.98CB36231).IEEEComput.Soc.1998.1998.参考文件2：StaufferC,GrimsonW.E.L.Adaptivebackgroundmixturemodelsforreal-timetracking.inProceedings.1999IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition(Cat.NoPR00149).IEEEComput.Soc.PartVol.2,1999.)提出了高斯混合模型，利用数学建模的思想对图像序列中的像素域进行了时间尺度上的建模。具体做法是利用k(3-5)个高斯分布作为一个组合来对图像帧中每一个像素点建立高斯混合模型，其中每一个高斯分布都作为一个组件(component)。混合高斯模型利用k个单高斯函数的加权和，来描述像素分布的多峰状态，适合对图像帧中有光照渐变，树木摇摆等复杂场景下的背景建模。但是如果背景有光照突变，容易将背景像素点误判断为前景，而且由于高斯混合模型需要对图像帧内的每一个像素点建立k个高斯分布函数，这样导致计算量较大，目标检测缓慢，不适合实时视频跟踪。2009年，李颖宏等提出并建立了基于边缘的高斯混合模型(参考文件3：李颖宏，熊昌镇，尹怡欣，等.一种基于边缘高斯混合模型的运动目标检测方法[J].系统仿真学报，2009.10.)，针对高斯混合模型目标检测的数据量大的缺点，通过只学习边缘数据来快速建立高斯混合模型，可以使得模型的鲁棒性更强，检测追踪更加准确高效。但是通过这种方法建立的背景模型对光线的变化仍较为敏感，同时其模型的收敛速度相对缓慢。

发明内容

本发明的目的是为了解决上述现有高斯混合模型目标检测方法的受光照变化影响大，运算速度慢和模型收敛速度慢等缺点。本发明提出一种参数自适应调节的高斯混合模型目标检测方法，旨在提高高斯混合模型目标检测方法的性能。

本发明提出的一种参数自适应调节的高斯混合模型目标检测方法，具体包括如下步骤：

步骤一：对图像序列中的每一帧图像进行边缘检测，获得边缘检测序列。

进行边缘检测具体是：首先，对图像进行滤波；其次，计算图像的梯度幅值和方向，得到图像的梯度幅值矩阵和梯度方向矩阵；然后，进行非极大值抑制；最后，进行边缘检测和连接。

所述的非极大值抑制具体是：根据图像的梯度幅度矩阵和梯度方向矩阵，判断图像中某像素点是否为极大值点，如果是，设置S(x,y)＝1，否则，设置S(x,y)＝0；其中S(x,y)表示图像中在(x,y)位置像素点的灰度值。

所述的边缘检测和连接具体是：首先，设置高阈值H和低阈值L，将原始图像的灰度值从低到高排序，选取前80％个灰度值中的最大的灰度值作为高阈值H，低阈值L为高阈值H的二分之一；然后，将经过非极大值抑制处理之后的图像中高于H的像素点作为边缘点，在边缘点的断点处的8邻域内寻找大于等于低阈值L的像素点作为边缘点，将边缘点连接直到整个图像边缘达到闭合。

步骤二：为步骤一得到的边缘检测序列建立参数自适应调节的高斯混合模型。

步骤2.1，对图像中每一个像素点使用k个高斯分布的组合来建模，k为大于2的整数，设图像序列中t时刻图像的边缘检测矩阵中像素点(x,y)的像素值为x_t，该像素点的概率密度函数ρ(x_t)可以表示为：