[发明专利]一种基于ViBe和三帧差分融合的目标检测方法

说明书

一种基于ViBe和三帧差分融合的目标检测方法，首先对原始输入图像进行高斯金字塔变换得到高低两个分辨率的图像，采用改进的ViBe算法得到两个检测图像，对低分辨率检测图像进行去噪、平滑及放大处理，再通过与操作和高分辨率检测图像进行合并；同时对原始输入图像采用改进的三帧差分法进行检测；对上述两种方法的检测图像通过与操作合并，采用基于连通域分析法的小区域去除和孔洞填充来处理图像得到最终的前景图像。本发明采用了高斯金字塔变换和改进的ViBe算法，该算法扩大样本点选取的范围并新增自适应阈值和更新因子，提高了目标在动态背景下的鲁棒性；并结合改进的三帧差分法，在更高程度上抑制了鬼影。

技术领域

本发明涉及图像处理领域中的一种运动目标检测方法，特别是涉及一种基于ViBe和三帧差分融合的目标检测方法，可广泛应用于视频图像处理领域。

背景技术

在现代社会中，随着计算机应用技术的发展，由于传统监控系统功能单一且耗费大量人力，因此智能视频监控系统在交通、银行、居民区得到了更广泛的应用。其中运动目标的检测是智能视频监控中最基本、关键的技术手段之一。目标检测是从视频图像序列中，用算法手段从背景图像中提取变化区域的过程。研究像素与像素之间的关系，以及像素在空间上的变换和关联。

目前常用的目标检测算法按工作原理可分为三类：帧间差分法、背景差分法和光流法。帧间差分法是通过对相邻两帧图像进行差分，与一个设定的阈值进行比较，超过阈值即判定为前景，否则为背景。此算法原理简单所以执行速度快，实时性高，但检测效果依赖所选取的阈值，若选取的过大容易丢失目标，过小容易出现空洞问题。背景差分法预先建立一个背景模型，选取当前图像帧与背景模型逐一进行差分运算，利用差分结果提取运动目标区域。此算法容易实现，在简单的环境下可以很好地提取出运动目标，但检测结果受背景模型更新策略的影响较大，易受到光线噪声的影响。光流法计算图像的光流场，若存在运动目标，运动目标区域的像素的速度矢量会发生变化，利用运动目标区域与静态背景区域像素在光流场形成的方向和大小均相互独立的瞬时速度矢量，来区分目标与背景。但在实际场景中，由于存在遮挡、背景杂波、噪声、孔径问题，光流场算法要对每一个像素做分析计算，因此计算量比较大，实用性不强。

针对以上问题，Barnich等人在2011年提出了视觉背景提取差分法，即ViBe算法，是一种比较典型的背景差分法。该算法采用邻域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景，算法计算量小且检测效果好，在静态环境下优于其他算法，但传统的ViBe算法也会存在两点不足：1)在一些复杂的动态环境下(例如水波纹、树叶摇动)容易将阴影背景错检成前景，存在大量噪声；2)当视频第一帧存在运动目标时，检测结果会出现Ghost区域，即鬼影。

发明内容

为了对ViBe算法存在的问题进行改进，本发明提供一种基于ViBe和三帧差分融合的目标检测方法，能在更高程度上抑制鬼影，提高了目标在复杂的动态背景下的鲁棒性，减小背景噪声。

本发明解决其技术问题所采用的技术方案如下：

一种基于ViBe和三帧差分融合的目标检测方法，包括以下步骤：

S1：对视频的原始输入图像进行高斯金字塔变换，通过像素采样的方式，生成低分辨率图像W₀(x,y)和高分辨率图像W₁(x,y)；

S2：采用改进的ViBe算法分别对两个图像进行检测，输出两个检测图像V₀(x,y)、V₁(x,y)；

S3：对低分辨率检测图像V₀(x,y)进行去噪、平滑及放大处理后得到与高分辨率检测图像V₁(x,y)相同尺度的图像M₀(x,y)，再通过与操作将图像M₀(x,y)和V₁(x,y)合并得到图像M₁(x,y)；