[发明专利]一种固定摄像下监控视频环境中对运动污染物的检测方法

说明书

本发明公开了一种固定摄像下监控视频环境中对运动污染物的检测方法，包括背景更新算法、五帧差分法及构造改进算法，通过将五帧间差分法与背景差分法结合的方式，在两种算法的优点和缺点上进行分析和对两者的优点进行整合，使对运动目标的检测具有多种算法的优点，且将各种算法的劣势降低到最小。

技术领域

本发明涉及一种运动污染物的检测方法，具体的说是一种固定摄像下监控视频环境中对运动污染物的检测方法，属于计算机视觉技术领域。

背景技术

随着各个地区城市化建设的脚步不断加快，城市的公共卫、道路整洁、环境监测、公共交通等都是城市化建设的重要一环，市容市貌是一个城市城市化发展的最直接体现，也是智慧城市建设的重要环节，关系到城市居民的生活质量和幸福感。

目前的现状是，城市道路污染的情况日渐成为人们生活中的一项重大问题，然而现有方式依然只是单纯依靠人力去监测和识别，发现并清理道路污染，发现和清理的过程都是对人力物力的消耗，在一些情况下，污染物发现不及时，不仅影响道路环境，甚至造成严重的交通隐患，如高速公路中的道路污染，仅仅依靠人力去发现，一是对人的安全造成隐患，二是无法及时发现并清理，可能造成严重的交通事故。因此，需要依靠现代智能监控系统对道路环境进行实时检测。

发明内容

针对现有道路污染物处理方式的不足之处，需要研究对路面的智能化监控技术，在不需要人为干预的情况下对监控区域的路面进行自动分析，做出及时的反应；为此，本发明提供一种固定摄像下监控视频环境中对运动污染物的检测方法。

本发明的技术方案如下：固定摄像下监控视频环境中对运动污染物的检测方法，包括背景更新算法、五帧差分法和构造改进算法，其中背景更新算法包括以下步骤：

步骤1-1：在原始视频图像中取出200帧作为建立背景模型的基础，计算对应的像素差的绝对值，将背景模型中每一帧转换为灰度图形记为g1(x，y),200帧以后的图像称为预背景模型图像，将预背景模型中每一帧转换为灰度图形记为g2(x，y)；

步骤1-2：阈值计算，假定视频图像是一个m乘n的矩阵，通过计算前200帧任意一帧的任意一行的灰度均值，记做G1_i(i＝1,2,3,…,M)，200帧后的任意一帧的任意一行的灰度均值，记做G2_i(i＝1,2,3,…,M)，通过以下公式计算阈值T：

T＝|G1_i-G2_i|(i＝1,2,3,…M)

步骤1-3：获取激励值，通过用200帧前的图像点的灰度值与200帧后每一帧的对应位置的灰度值做差取绝对值获取相差的程度，激励值选择如下列公式所示：

g1(i,j)是模型帧像素点的灰度值；

g2(i,j)是实际帧像素点的灰度值；k为激励值。

进一步的，所述五帧差分法包括以下步骤：

步骤2-1：在视频序列中选取连续的五帧图像，在经过灰度化以及滤波等图像预处理过程后获得图像f_k(x,y)x，y)，k是五个相邻的数字；

步骤2-2：采用隔帧差分的方法，将第一帧f_k-2(x,y)与第三帧f_k(x,y)，第二帧f_k-1(x,y)与第三帧f_k(x,y)；将第三帧f_k(x,y)与第四帧f_k+1(x,y)，第三帧f_k(x,y)与第五帧f_k+2(x,y)分别进行差分处理，再经过预先设定的阈值分割为二值化图像；