[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

说明书

本发明提供了一种基于隐马尔可夫模型的机场场面目标分割方法，包括如下步骤：S1:对每一帧机场场面目标的视频图像利用训练好的分类器进行目标检测；S2:根据边缘检测算法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，然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超像素集合，并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，对其进行求解得到目标的精确分割结果，相应地，提出一种基于隐马尔可夫模型的机场场面目标分割系统，本发明该可对机场场面监控视频图像处理时进行有效的目标分割。

技术领域

本发明涉及机场场面监控技术领域，尤其涉及到一种基于隐马尔可夫模型的机场场面目标分割方法及系统。

背景技术

随着社会生活水平的提高，交通运输也越来越多样化，而航运因为运行安全快速成为大多数人们出行的一种方式，近几年航空量的增长和机场规模的扩大，导致机场场面活动日趋复杂，容易影响机场安全和运行效率，因此对机场的场面活动目标进行智能化监控十分重要，目前，机场场面活动大多采用场监雷达和摄像机视频监控网络组成，而如何通过采集到的视频图像对场面目标进行快速准确的识别并进行异常行为报警以减少机场运行成本和监管效率，是目前十分值得研究的问题，而保证目标精确识别并进行异常行为报警的前提是如何快速有效的进行目标分割，而大多数传统单一的目标分割方法存在目标识别率低等问题。

综上所述，如何提供一种可进行精确有效的目标分割，并改善噪声、阴影、复杂背景等因素对分割结果带来的不利影响的基于隐马尔可夫模型的机场场面目标分割方法及系统，是本领域技术人员急需解决的问题。

发明内容

本方案针对上文提到的问题和需求，提出一种基于隐马尔可夫模型的机场场面目标分割方法及系统，其由于采取了如下技术方案而能够解决上述技术问题。

为了达到上述目的，本发明提供如下技术方案：一种基于隐马尔可夫模型的机场场面目标分割方法包括如下步骤：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。

进一步地，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。

进一步地，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。