[发明专利]一种基于双背景差分的静止目标检测方法

说明书

本发明公开了一种基于双背景差分的静止目标检测方法，包括以下步骤：采集视频图像；构建背景模型；检测运动目标；建立纯背景视频图像；检测前景目标；检测静止目标。本发明利用改进的混合高斯模型进行背景建模，可应用于复杂场景中光照缓慢变化以及存在重复运动目标的背景的准确建模，尤其适用于光照和天气缓慢变化，或者运动目标速度比较快的状况；通过减化每个像素所建立的高斯分布函数的个数，减少了计算量，提高了实时性。本发明的前景目标提取采用背景差分法，其原理和算法设计简单，所得结果直接反映了前景目标的位置、大小和形状，能够得到比较精确的前景目标信息。本发明的静止目标检测采用双背景模型算法，复杂度较低，易于实现。

技术领域

本发明涉及一种实时智能视频监控系统中的应用，具体涉及一种实时智能视频监控系统中静止目标检测方法。

背景技术

静止目标在实时视频监控系统中是重要的监控目标，对于保护人类生命财产、维护社会公共秩序有着重要的影响。静止目标在实时智能视频监控系统中指原本场景中没有而之后进入场景中并且停留超过一定时间的物体。

目前基于背景差分的目标检测方法，在实时监控中运用较广泛。背景差分法一般先建立背景模型，然后利用背景模型和视频序列差分得到前景目标。利用混合高斯背景建模能够较好的建立背景模型及提取前景目标，但是静止目标如果停留超过一定时间，它会随着背景模型更新而被更新到背景中去，不能被稳定的检测出来。而且传统的混合高斯背景建模计算量大、耗时长，不利于实时监测的要求。利用纯背景模型和视频序列差分能较好的提取前景目标(包括运动目标和静止目标)，但是不能将运动目标与静止目标分离提取。由此可见，目前的背景差分目标检测方法不能满足视频监控系统中静止目标检测的需求。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种既能够稳定的检测出停留超过一定时间的静止目标，又能将运动目标与静止目标分离提取，且建模计算量小、耗时短的基于双背景差分的静止目标检测方法。

为了实现上述目的，本发明的技术方案如下：一种基于双背景差分的静止目标检测方法，包括以下步骤：

A、采集视频图像

用视频采集卡和摄像头实时采集视频图像序列，经过简单的模数转换，传输至计算机进行后续的视频图像处理；

B、构建背景模型

基于改进混合高斯背景建模来建立初始化背景视频图像，为视频图像中的每个像素建立混合高斯模型，并且利用前200帧视频图像构建初始背景的混合高斯背景模型，之后实时更新背景模型；混合高斯背景模型构建方法是基于像素样本统计信息的背景表示方法，具体步骤如下：

B1、单高斯模型初始化：每个混合高斯模型由K个单高斯模型组成，由于单高斯模型在不断更新，在(x,y)像素点不同时刻t的单高斯模型参数值不同，所以将一个单高斯模型表示成三个变量x、y、t的函数：均值u(x,y,t)、方差σ²(x,y,t)、标准差(x,y)、权重w(x,y,t)；参数初始化采用如下公式：

其中，I(x,y,0)表示视频图像序列中的第一张视频图像(x,y)像素点的像素值，σ²_int(x,y,0)为第一张视频图像(x,y)像素点的方差，σ_int(x,y,0)为第一张视频图像(x,y)像素点的标准差，std_init为常数；初始化权重w_int(x,y,t)＝1/K，其中w(x,y,t)满足：