[发明专利]一种基于小波分块的新颖的背景差分法运动目标检测方法

权利要求书

1.一种基于小波分块的新颖的背景差分法运动目标检测方法，其特征在于，具体按照以下步骤实施：

步骤1、输入图像序列中的每一帧图像，并对输入的图像进行预处理将彩色图像转化为灰度图像；

步骤2、对所述步骤1得到的灰度图像进行分块，设每一帧图像为M*N，每个块为m*n，其中，M为每一帧图像的高度，N为每一帧图像的宽度，m为每个块水平方向的像素，n为每个块垂直方向的像素，取每块的中值作为该块内的像素值，进而获得新图像，其中，M、N、m、n均为正整数；

步骤3、使用高斯混合背景建模的方法对所述步骤2得到的新图像进行建模；

步骤4、通过背景差分的思想对所述步骤3得到的模型分割前景目标获得前景检测图；

步骤5、用小波阈值去噪方法对所述步骤4得到的含噪声前景检测图进行去噪；

步骤6、运用自适应的背景维护算法对所述步骤5得到的图像进行背景维护，动态实时更新背景。

2.根据权利要求1所述的一种基于小波分块的新颖的背景差分法运动目标检测方法，其特征在于，所述步骤3具体按照以下步骤实施：

步骤(3.1)、初始化高斯混合模型，为每一个像素点定义k个高斯分布模型；

步骤(3.2)、更新所述步骤(3.1)得到的高斯混合模型的参数，当新图像被捕获时，用现有的高斯分布检查新图像的当前像素值，如果新像素与k个高斯模型的绝对距离在标准差的D倍之内，则认为新像素与高斯模型中的一个或多个匹配，表示如下：

abs(u_diff(i,j,k))<＝D*sd(i,j,k)(1)

u_diff(i,j,k)＝abs(double(fr_bw(i,j))-double(mean(i,j,k)))(2)

其中，u_diff(i,j,k)表示新像素与第k个高斯模型均值的绝对距离，D表示偏差阈值，D＝2.5，fr_bw(i,j)表示当前图像帧像素，mean(i,j,k)表示当前图像帧像素的均值，其中，i表示当前图像的行数，j表示当前图像的列数，k表示高斯分布的个数，i、j均为正整数，k∈[1,5]；

若新像素与第k个高斯分布匹配，则高斯分布参数更新为等式(3)、(4)和(5)：

w(i,j,k)＝(1-α)*w(i,j,k)+α(3)

mean(i,j,k)＝(1-p)*mean(i,j,k)+p*double(fr_bw(i,j)) (4)

sd(i,j,k)=sqrt(1-p)*(sd^2)+p*((double(fr_bw(i,j))-mean(i,j,k)))^2---(5)]]>

其中，α∈[0,1]表示学习率决定背景更新速率，w(i,j,k)表示当前图像帧像素的权重，sd(i,j,k)表示当前图像帧像素的标准差，p表示更新率，p与其它参数的关系是p＝α/w(i,j,k)，w(i,j,k)为实数，i、j均为正整数，p∈[0,1]，k∈[1,5]；

如果新像素与任一高斯分布均不匹配，则将创建新的高斯分布以替换现有分布，其中权重为最小，新创建的高斯分布的平均值为当前所观察到的像素的平均值，标准偏差设置为初始化的最大值，权重设置为初始化的最小值，其他高斯分布的权重更新为等式(6)：

w(i,j,k)＝(1-α)*w(i,j,k)(6)

其中，w(i,j,k)表示表示当前图像帧像素的权重，α∈[0,1]表示学习率决定背景更新速率，i表示当前图像的行数，j表示当前图像的列数，k表示高斯分布的个数。w(i,j,k)为实数，i、j均为正整数，k∈[1,5]；

步骤(3.3)、计算权重之和，当权重之和大于测试的适当值0.35时，高斯分布模型的个数则为初始化的背景模型的个数；

步骤(3.4)、建立背景模型：按w/sd的值对k个高斯分布从大到小进行排列计算模型优先级，优先级越高，高斯分布越稳定，也就越能代表真实背景，取前C个高斯分布建立背景模型：

C=arg minc<Σk=1cwk>T>---(7)]]>

其中，w/sd表示模型优先级，k∈[1,5]表示高斯分布的个数，C∈[1,5]表示取权重值之和大于阈值的最小值时的高斯分布的个数，c表示高斯分布的最大值且c的值为5，T∈(0,1)表示阈值，w/sd取值范围为[0,1]；

步骤(3.5)、计算背景：将所述步骤(3.3)中的得到的权重之和应用于所述步骤(3.4)中得到的背景模型中，以便得到更清晰的背景。