[发明专利]一种克服光照突变的前景分割方法

说明书

本发明公开了一种克服光照突变的前景分割方法，包括有以下步骤：采用混合高斯背景建模的模型对处理后的视频帧灰度图进行初始化；结合光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；然后通过联通域标记、特征提取以及行为判断的结果提取出前景目标。本发明方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。本发明作为一种克服光照突变的前景分割方法可广泛应用于图像处理领域。

技术领域

本发明涉及图像处理领域，尤其是一种克服光照突变的前景分割方法。

背景技术

图像和视频是人们通过视觉获得信息的重要载体。特别是随着网络和通信技术技术的迅速发展和普及，我们正在进入信息时代，以图像处理为基础的视频处理，在信息获取和分析中扮演着越来越重要的角色。但是图片和视频信息又是最难捕捉、处理和显示的。为了让计算机能够像人类一样通过视觉获得复杂多变的图像信息，将人类从视觉劳动中解放出来，计算机视觉应运而生。计算机视觉就是想让计算机复现人的视觉功能，使由传感器和成像设备获得的静态图像或视频序列能够被计算机理解和解释。

在很多应用领域中，人们只对前景目标感兴趣，因此对视频帧或者图像中前景的分割就显得格外重要。前景分割这项研究，方法日新月异，目的是在不需要人为干扰的前提下，采用数字图像处理技术和计算机视觉技术，自动对场景中的行为和目标进行识别和判断，从视频序列的场景中分割出运动目标区域，有效和准确的把前景目标从图像与视频中分割出来是后续对视频进行分析、理解的基础，因此对图像分割的研究是计算机视觉研究中的重要环节，具有深远的意义。

前景分割的方法有很多种，常用的算法有：(1)、帧间差分法，将固定间隔的视频帧进行比较，适合动态变化的环境，但是由于会产生大面积的空洞，提取目标的完整性较差；(2)、背景差分法，通过当前视频帧和背景帧进行差分运算实现对运动目标检测，该方法可以较好完整的提取目标，但是缺陷在于受光照和背景的变化影响较大；(3)、光流法，计算复杂，很难满足运动检测的实时性。

目前，前景分割技术正广泛应用于视频监控、遥感技术、医学诊断和治疗、水下传感、交通监管系统等，越来越多受到其他领域的高度重视，对运动目标分割进行研究，无论在理论还是实际应用中都具有极其重要的研究意义。

发明内容

为了解决上述技术问题，本发明的目的是：提供一种克服光照突变以及传统混合高斯模型中对长时间静止目标被更新为背景并消失问题的前景分割方法。

本发明所采用的技术方案是：一种克服光照突变的前景分割方法，包括有以下步骤：

S1、将采集到的视频的视频帧转换为灰度图，再经过中值滤波对灰度图进行降噪处理；

S2、采用混合高斯背景建模的模型对处理后的视频帧进行初始化；

S3、用当前帧与前一帧图像做帧间差分处理，计算光强突变量，判断是否有光照突变现象，若有则执行步骤S4，若无则执行步骤S5；

S4、根据光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；

S5、用当前帧和背景模型进行差分运算，得到的差分图像进行联通域标记；

S6、计算每个联通域的外接矩形参数和中心坐标参数；

S7、判定连续若干帧，目标中心坐标移动的距离，若移动距离小于运动阈值则判定目标静止，并停止对该区域进行背景更新，若移动距离大于运动阈值则判定目标运动，继续对背景模型进行更新；

S8、根据背景模型提取出前景目标。

进一步，所述步骤S3具体为：