[发明专利]基于隐马尔可夫模型的机场场面目标分割方法及系统

权利要求书

1.一种基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，包括如下步骤：

S1:对每一帧机场场面目标的视频图像采用混合多尺度可变形部件模型DPM算法利用训练好的分类器进行目标检测；

S2:根据Canny边缘检测算法进行边缘检测提取出目标的外观边缘，并通过运动幅值的大小与运动方向的差异共同得到目标的运动边缘，分别提取出目标的外观边缘与运动边缘后,利用这两种边缘对目标点进行估计；

S3:对每一帧机场场面目标的视频图像进行处理生成互不重叠的紧凑的超像素集合，并根据估计出的目标点计算所述目标点在超像素中所占的比例，将概率较大的整个超像素作为目标，分别估计出目标和背景的高斯混合模型；

S4:结合由上一帧目标的位置通过光流传递到当前帧目标的的位置先验，以及时空域的平滑约束建立马尔科夫随机场模型，使用图割算法进行求解，得到目标的精确分割结果。

2.根据权利要求1所述的基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，所述提取出目标的外观边缘具体包括：输入机场场面目标的彩色图像进行二值化；对二值化后的图像进行高斯滤波，根据高斯滤波器平滑图像；用一阶偏导有限差分计算图像的梯度幅值和方向；对所述梯度幅值进行非极大值抑制；根据所述梯度幅值的直方图选定高阈值和低阈值，用双阈值算法检测和连接边缘。

3.根据权利要求1所述的基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，所述运动边缘提取具体如下：计算相邻两帧之间的光流矢量值；根据公式计算每个像素点p的运动幅值大小q_p,其中，为像素点p的光流矢量值，λ₁为权重参数；根据公式计算运动边缘的大小，其中,b_p∈[0,1]为像素p与周围像素点的最大夹角距离值，为像素点p和r的运动矢量和的夹角大小；同时结合像素的运动大小以及运动的方向得到目标的运动边缘特征其中，T为固定阈值。

4.根据权利要求2所述的基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，对所述目标点进行估计具体包括：将外观边缘特征与运动边缘特征融合利用闭合曲线中的内、外点判别方法对目标点进行估计，根据公式Z＝f(E₁)∪f(E₂)得到准确的目标点估计，其中，E₁为外观边缘E₂为运动边缘得到目标较为准确的闭合边缘后，填入像素点，获得初始化的目标。

5.根据权利要求1所述的基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，所述建立马尔科夫随机场模型包括：建立目标函数其中，为所有超像素的前景和背景的标签集，为第t帧i个超像素外观高斯混合模型，为t帧i个超像素的目标初始化结果，为t帧第i个超像素标签，为t帧第i个超像素的位置先验，ξ_s为t帧中所有超像素在空间上重叠的边界的集合，ξ_t为t-1帧和t帧中所有邻接的超像素的边界的集合，a₁至a₃表示权衡因子，为空间平滑项即超像素在空间的平滑约束，是时序平滑项即超像素在时序上的平滑约束。

6.根据权利要求5所述的基于隐马尔可夫模型的机场场面目标分割方法，其特征在于，所述图割算法采用Graph cut算法，采用Graphcut算法所述目标函数进行进行优化求解得到目标分割结果。

7.一种基于隐马尔可夫模型的机场场面目标分割系统，其特征在于，包括：视频图像目标检测单元、边缘检测检测单元、目标预估单元和目标分割单元；

所述视频图像目标检测单元用于接收视频监控前端发送过来的视频数据并对所述机场场面目标的视频的每一帧图像进行目标检测；

所述边缘检测检测单元用于检测视频图像中目标的外观边缘和运动边缘，并将检测结果输入给所述目标预估单元；

所述目标预估单元用于对目标位置进行更精准的预估和初始化；

所述目标分割单元用于对跟踪目标进行精准分割并将分割结果发送至监控中心的目标跟踪及行为识别单元对可疑目标行为进行识别跟踪。

8.根据权利要求7所述的基于隐马尔可夫模型的机场场面目标分割系统，其特征在于，所述视频图像目标检测单元、所述边缘检测检测单元、所述目标预估单元和所述目标分割单元依次相连。