[发明专利]一种基于自适应背景更新和选择性背景更新的前景检测方法

说明书

本发明公开了一种基于自适应背景更新和选择性背景更新的前景检测方法，属于图像处理技术领域。本发明首先将待检测的视频流的图像帧转换为灰度图及HLS图；若当前图像帧为视频流的首帧，则将其灰度图作为背景模型；对非首帧的图像帧，若图像帧数不超过阈值，若是，则不断的基于当前帧的灰度图对背景模型进行更新，直到图像帧数超过阈值；超过阈值时，则进入前景图像检测处理步骤：基于背景模型和当前帧的灰度图得到第一前景图像，再采用帧差法获取第二前景图像，对两者取并集得到第三前景图像，以及通过颜色标准化相关系数，对第三前景图像进行处理，从而得到像素级的前景目标。本发明对运动、静止目标的检测效果好，且具有较好的鲁棒性。

技术领域

本发明属于图像处理技术领域，主要涉及前景目标检测领域。

背景技术

前景检测作为智能视频监控的一个重要组成部分，近年来得到广泛的关注。前景检测的性能对目标分类、目标追踪以及行为理解等后续处理来说至关重要。其已经成为研究机构重点研究的方向之一。近几年里已经提出了不少有效的方法，虽然检测速度快，背景建模简单，但是在目标残留现象严重，尤其针对运动速度较慢和静止目标的检测效果不尽如人意。

例如Barnich O,Van Droogenbroeck M在“ViBe-a powerful technique forbackground detection and subtraction in video sequences”中提出的一种被称为视觉背景抽取ViBe方法，该背景建模方法由于其简单，速度快等优点受到了越来越多的重视。但由于算法本身考虑了背景中Ghost区域的消融，完全无法对运动速度过慢以及静止目标的有效检测。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种能有效监测视频帧图像的静止、运动目标的前景检测方法。

本发明的基于自适应背景更新和选择性背景更新的前景检测方法，包括下列步骤：

对待检测的视频流的图像帧进行图像转换处理，转换为灰度图和HLS颜色空间的HLS图像；

若当前图像帧为视频流的首帧，则将首帧的灰度图作为背景模型MODEL；对非首帧的图像帧，若图像帧帧数小于或等于预设阈值，则基于当前帧的灰度图对背景模型MODEL进行更新处理：MODE＝k*MODE+(1-k)*GAY，其中GAY表示当前帧的灰度图；若图像帧帧数大于预设阈值，则执行前景检测处理，k的取值范围为(0,1)；优选取值范围为0.85～0.95，优选值为0.95。

前景检测处理：

将当前帧的灰度图与背景模型MODEL做差，并进行二值化处理及二值化修补处理，得到前景图像FORE1；

将当前帧的灰度图与上一帧的灰度图做差，得到帧差图像，并对所述帧差图像进行二值化处理及形态学处理，得到前景图像FORE2；

对前景图像FORE1和FORE2取并集，得到前景图像FORE3，并对前景图像FORE3进行形态学处理的膨胀操作，得到背景更新掩膜；

根据所述背景更新掩膜对背景模型MODEL进行更新处理：在背景更新掩膜所在的图像区域内，根据公式MODEL＝k*MODEL+(1-k)*GAY更新背景模型MODEL，其中GAY表示背景更新掩膜所在的图像区域的灰度；

在当前帧的HLS图像中，计算背景更新掩膜所对应的图像区域的颜色标准化相关系数掩膜，对得到的颜色标准化相关系数掩膜进行二值化处理，得到二值化CNCC掩膜；

根据FORE4＝FORE3‐FORE3∩CNCC得到前景图像FORE4，并对前景图像FORE4进行形态学处理，得到当前帧的最终前景图像。