[发明专利]一种基于机器视觉的河流漂浮物实时检测方法

权利要求书

1.一种基于机器视觉的河流漂浮物实时检测方法，其特征在于：输入现场视频流，利用视频流前三帧图像建立背景模型，并采用三帧法检测Ghost区域，建立Ghost更新模板；采用固定阈值与动态阈值相结合的方法来设定像素分类阈值，进行像素分类操作；同时，根据像素分类结果，建立前景二值化图像mask和匹配值更新模板；进行噪声消除和填充空洞操作；最后标记漂浮物，输出mask图像及标记帧，并根据mask图像修正匹配值更新模板，结合匹配值更新模板和Ghost区域更新模板进行背景模型更新；

包括以下步骤：

步骤1、首先设定监控摄像机视野范围，监控摄像机开始工作，实时采集天然河道的现场视频；对视频流进行切帧与灰度化处理，并设定方法相关参数；

步骤2、读入视频流前三帧图像，利用前三帧图像进行背景建模，同时采用三帧法检测前三帧中的Ghost区域，建立Ghost更新模板；

步骤3、采用固定阈值与动态阈值相结合的方法来设定像素分类阈值，进行像素分类操作；像素分类错做包括：将当前帧像素与背景模型中的样本进行比较，以分类阈值为标准判定像素属于背景还是前景，并得出像素在分类阈值内的匹配值；

步骤4、根据像素分类结果，建立前景二值化图像mask和匹配值更新模板；

步骤5、检测mask图像中的噪声与空洞，消除面积小于10的噪声，填充面积小于50的空洞；

步骤6、检测mask图像中各连通区域，并用方框标记输入帧上对应的连通区域，输出mask图像和标记后的输入帧；同时，根据mask图像修正匹配值更新模板，结合匹配值更新模板和Ghost更新模板进行更新背景模型；

针对步骤5丢弃处理的位置，设定匹配值更新模板对应位置的值为k，各像素匹配值为n；针对步骤5填充空洞的位置，则匹配值更新模板对应位置的值为0，如公式(1)所示：

根据更新模板update(x)中值的大小设定更新因子，并进行背景模型的更新；这样增加背景模型的复杂度，加速旧样本值地淘汰，引入更多不同的新背景像素，如公式(2)所示：

其中，更新因子φ越大，其更新概率越小，更新概率P(x)与更新因子φ的关系是：P(x)＝1/φ；更新模板update(x)值为0时，不进行背景模型更新；update(x)值小于9时，必进行背景模型更新；update(x)值小于15时，以50％的概率更新背景模型；其他情况，以25％的概率更新背景模型；

通过计算像素的背景模型的标准偏差来确定像素的动态阈值，如公式(3)和(4)所示：

得到像素x的动态阈值后，需要将固定阈值与动态阈值结合起来设定像素分类阈值；像素分类阈值是在动态阈值σ(x)的基础上加上固定阈值R，从而得出自适应距离阈值R(x)；为确保检测的精度，需要对每个像素点背景样本值距离阈值R(x)范围进行限定，选取多个河流漂浮物检测视频流实验后发现，R(x)范围在[40,80]区间内具有理想的效果，如公式(5)所示：

R(x)＝R+σ(x)·γ R(x)∈[40,80] (5)

其中，R取40，γ取3。

2.根据权利要求1所述的基于机器视觉的河流漂浮物实时检测方法，其特征在于：所述步骤2中，读入视频流前三帧图像，将每帧图像的像素x及其8邻域N_G(x)如公式(7)的像素值作为初始背景模型M⁰(x)的背景样本，则初始背景模型M⁰(x)将由N＝27个背景样本组成；三帧初始化背景模型具体公式如下：

x_i＝{y|y∈{x,N_G(x)}} (6)

其中，x_i表示索引为i的像素，M¹(x)，M²(x)，M³(x)分别为视频流第一、二、三帧像素x及其8邻域N_G(x)的像素值集合；M⁰(x)为像素x的初始背景模型的样本集，其是由三帧的像素值集M¹(x)，M²(x)，M³(x)组成。