[发明专利]基于高斯极值滤波和群稀疏RPCA的运动目标检测方法

权利要求书

1.基于高斯极值滤波和群稀疏RPCA的运动目标检测方法，包括：

1)使用高斯极值滤波Gaussian max-pooling对原始图像进行滤波处理；

2)使用Ncut对所有图像序列进行超像素分割；

3)对超像素区域进行合并得到图像分割结果；

4)对帧间同性区域进行连接，实现视频分割；

5)使用对其进行群约束，得到运动前景；

其特征在于，所述具体如下：

步骤1)固定相机，获取连续图像序列Img＝(img₁,img₂…img_T)；

步骤2)对图像序列中的每一幅图像使用Gaussian max-pooling进行滤波，得到Img_P＝(img_P1,img_P2…img_PT)；

步骤3)使用Ncut对图像序列中的每一幅图像进行超像素分割Img_L＝(img_L1,img_L2…img_LT)；

步骤4)对超像素分割结果进行合并，得到图像分割结果Img_S＝(img_s1,img_s2…img_sT)；

步骤5)对帧间同性区域进行连接，实现视频分割C＝C₁∪C₂∪…C_m；

步骤6)使用对其进行群约束得到运动前景；

所述步骤2)中，待处理像素及其邻域像素灰度值

6	3	0	1	8
8	9	3	5	9
3	2	8	2	8
9	2	3	7	9
2	9	5	2	5

Gaussian max-pooling步骤如下：

输入：待处理图像序列Img＝(img₁,img₂…img_T)，方差σ

a.选取目标像素v及其为中心n×n窗口内的像素组成一个向量

b.使用高斯分布分别计算每个像素在灰度值范围M＝(0,1,…,255)上的条件概率其中，μ'∈N_v，u是均值；

c.使用最大后验概率为每个像素的像素值计算一个最优像素值，并使用最优像素值替代原有像素的像素值，公式如下：

d.为图像中的每个像素都进行以上操作，直到像素处理完为止；

e.对图像序列中所有像素值进行a，b操作，得到新的图像序列Img_P＝(img_P1,img_P2…img_PT)；

所述步骤3)具体为：

输入：图像序列Img＝(img₁,img₂…img_T)；

使用Mori G.Guiding Model Search Using Segmentation[J].Proceedings,2005,2:1417-1423Vol.2.中方法对图像进行超像素分割，得到和图像大小的矩阵，矩阵中包含图像每个像素的标签值Img_L＝(img_L1,img_L2…img_LT)；

输出：Img_L＝(img_L1,img_L2…img_LT)；

所述步骤4)具体为：

输入：图像Img＝(img₁,img₂…img_T)，图像序列标签号Img_L＝(img_L1,img_L2…img_LT)；

使用Ma Y,Derksen H,Hong W,et al.Segmentation of Multivariate Mixed Datavia Lossy Data Coding and Compression[J].IEEE Transactions on PatternAnalysisMachine Intelligence,2007,29(9):1546，对中子空间聚类方法对超像素区域进行合并，在合并的同时不断更新图像中像素的标签值，直到不能合并为止，得到最终结果图像分割结果Img_S＝(img_s1,img_s2…img_sT)；

输出：图像分割Img_S＝(img_s1,img_s2…img_sT)；

所述步骤5)具体为：

计算相邻两帧图像区域建立邻接图，计算前一帧区域中心(X_c,Y_c)与后一帧区域中心(X_n,Y_n)相差距离；

(X_c-X_n)²+(Y_c-Y_n)²≤Dis²，如果距离小于Dis²则认为是相邻区域，根据中心距离为图像序列Img_P＝(img_P1,img_P2…img_PT)中每相邻两帧都建立一个相邻区域邻接图；

图像区域中心计算方法如下：

对一个区域中每个像素值的横坐标进行相加，再得到平均值

对一个区域中每个像素值的纵坐标进行相加，再得到平均值

得到每个区域的中心坐标；

从图像序列Img_P＝(img_P1,img_P2…img_PT)中第一帧图像开始计算直到最后一帧，子空间聚类方法判断邻接图中区域是前一帧与后一帧区域是否相似，如果相似则更新区域标签，在计算的同时更新像素所属的标签值，得到图像序列所有像素的标签值C＝C₁∪C₂∪…C_m，图像序列中具有相同属性的像素被分到了一个Cluster中。

2.如权利要求书1所述的方法，其特征在于，所述步骤6)具体为：

使用群稀疏RPCA分解图像序列D，令D＝Img_P，Img_P则是经过高斯极值滤波后的图像序列，

其中，||·||_C(2,1)表示图像序列D中某一个Cluster的2,1范数；[·]_jk表示整个矩阵，(j,k)指的是第j行第k列的元素，|C_i|表示组C_i中像素的个数；为了求解A,E，使用拉格朗日乘子法求解；

其中Y为中间临时变量；

其中E求解步骤如下：

令假设(j,k)∈C_i，a和b表示M中的第a行第b列，[.]_ab表示矩阵中第a行第b列中的元素，[.]_Ci表示第i个区域的所有元素；

求解A,E的步骤具体如下：

输入：D，视频分割结果C

输出：A,E

初始化：A＝E＝Y＝0，μ＝10^-6

当没有饱和时，不停迭代计算：

固定其他参数，更新A，

固定其他参数，更新E，

更新Y，Y＝Y+μ(D-A-E)

更新μ，μ＝ρμ，参数ρ控制了收敛速度；设置ρ为1.1

结束，输出A,E。