[发明专利]一种结合边缘帧差和高斯混合模型的运动目标检测方法

说明书

本发明涉及的是一种结合边缘帧差和高斯混合模型的运动目标检测方法。通过将帧差法引入高斯混合模型，快速区分背景区域和运动目标区域，从而提取前景中完整的运动目标。结合视频图像序列帧差信息和边缘帧差信息，采用多种模型更新率和改进的高斯分布生成准则实现运动目标的提取。本发明能有效过滤前景噪声，有较好的抗干扰能力和模型收敛性，运算效率高，适用于复杂背景下的实时检测。

技术领域

本发明涉及视频监控图像与视频处理技术领域，尤其涉及一种结合边缘帧差和高斯混合模型的运动目标检测方法。

背景技术

近年来，随着智能视频监控系统的高速发展，运动目标检测作为智能视频监控系统中重要环节，成为了当前计算机视觉的热点研究问题。运动目标检测是从视频序列帧中将前景运动区域从背景图像中分割提取出来。在智能视频监控系统中，运动目标检测效果对后期目标跟踪、行为理解、目标分类等有着决定性的作用。目前，视频运动目标检测方法主要包括光流法、帧间差分法、背景减除法等，其中，背景减除法由于计算量小、实时性好、运行效率高等特点，成为当前运动目标检测最常用的方法。

背景减除法的关键在于背景模型的建立与实时更新，只有保证背景模型的准确性，才能较好地检测出运动目标。在实际复杂环境中，背景模型抗干扰能力较差，易受外界光照变化，摄像机抖动等因素影响，导致背景模型与实际背景产生偏差，易将一些伪目标判定为目标对象。

发明内容

本发明针对现有技术中的上述问题，本发明提出一种结合边缘帧差和高斯混合模型的运动目标检测方法，适用于各种复杂环境下的实时检测，可以有效地抑制虚假目标的产生，消除光照突变对背景模型的影响。

本发明所采用的技术方案如下：

步骤(1)、获取视频图像序列初始帧，将初始帧二值化，为每个像素建立一个单高斯分布，以当前像素值作为均值，并定义初始方差和初始权值；

步骤(2)、获取后续图像帧，并做帧间差分处理，获取运动物体团块；

步骤(3)、根据所述步骤(2)中的帧间差分处理，将当前图像帧划分为背景区域和运动区域，不同区域的权值更新率赋予不同初始值，运动区域的权值更新率大于t₁，加速背景模型收敛；背景区域的权值更新率小于t₂，增加背景模型稳定性，其中t₁、t₂由用户指定，为经验常数，且t₂＜t₁；

为当前图像帧的每个像素设定一个计数值C₁，0≤C₁≤m，其表示对该像素连续被判定为背景像素进行计数，初始化为0，若该像素被判定为背景像素，C₁值加1，C₁达到上限值则维持不变；若该像素被判定为前景像素，C₁值重置为0，通过C₁的变化，动态调整权值更新率：

其中，α为当前权值更新率；α′为计数值C₁发生变化后，调整的权值更新率；m根据环境背景复杂度设定，为C₁值上限；

基于改进的混合高斯模型进行背景更新，具体包括：

每个像素设定一个高斯分布数上限L，若后续图像帧的像素与某个高斯分布满足不等式|X_t-μ_i,t-1|≤2.5σ_i,t-1，则表示该像素与背景模型匹配，更新所述某个高斯分布各项参数：