[发明专利]一种识别移动小动物的方法

权利要求书

1.一种识别移动小动物的方法，其特征在于，包括以下步骤：

S1：通过变电站的监控摄像头拍摄到的视频数据，使用混合高斯背景建模法，建立背景模型；

S2：获取当前帧，使用背景减法，将当前帧与背景模型相匹配，得到二值图像R_n’；

S3：对所述二值图像R_n’进行连通性分析，得到含有完整运动目标的图像R_n，同时得到图像R_n中运动目标的外接矩形；

S4：对外接矩形进行阈值判断，确定运动目标是否为小动物。

2.根据权利要求1所述的识别移动小动物的方法，其特征在于，步骤S1中，监控摄像头是固定的，监控摄像头不可自动旋转移动，监控场景稳定，背景的变化是缓慢的。

3.根据权利要求1所述的识别移动小动物的方法，其特征在于，步骤S1中，使用混合高斯背景建模法构建背景模型时，背景图像中的每一个像素分别用由Q个高斯分布构成的混合高斯模型来建模：

式中，P是背景模型，I是输入的像素，N是混合高斯模型，ω_q是混合高斯模型中第q个高斯分布的权值，μ_q是混合高斯模型中第q个高斯分布的均值，是混合高斯模型中第q个高斯分布的方差。

4.根据权利要求3所述的识别移动小动物的方法，其特征在于，步骤S1中，背景模型建模时，先进行初始化：选择高斯分布的个数Q和学习率α，输入第一帧图像，对每个像素I(1)，分别初始化Q个均值μ_q＝I(1)，方差为的高斯函数，对应的权重分别为ω_q＝1/Q(q＝1,2,…,Q)。

5.根据权利要求4所述的识别移动小动物的方法，其特征在于，初始化后，判断图像中像素与Q个高斯分布是否匹配：获取第k帧图像，像素为I(k)，若|I(k)-μ_q(k-1)|2.5σ_q(k-1)，则像素I(k)与第q个高斯分布匹配，其中，μ_q(k-1)、σ_q(k-1)分别是第q个高斯分布在第(k-1)帧的均值和方差；可根据来判断与高斯分布的匹配程度，越小，匹配程度越高，则与像素I(k)最匹配的高斯分布为第l个高斯分布：

6.根据权利要求5所述的识别移动小动物的方法，其特征在于，可对高斯分布进行更新：若可找到与像素最匹配的高斯分布，更新权值ω_q(k)：

更新完成后对所有权值重新做归一化；

对第l个高斯分布的均值和方差更新，得到更新后的均值μ_l(k)和方差分别为：

μ_l(k)＝(1-ρ)μ_l(k-1)+ρI(k)

式中，ρ为参数学习速率；

若没有高斯分布与像素匹配，将第p个高斯分布丢弃，其中，

p＝argmin_q(ω_q)

用一个新的高斯分布代替第p个高斯分布，新的高斯分布的均值μ_p(k)、方差和权值ω_p分别为：

μ_p(k)＝I(k)

ω_p＝0.5min_q{ω_p(k-1)}

将所有图像的像素都处理完毕。

7.根据权利要求6所述的识别移动小动物的方法，其特征在于，确定背景模型：将Q个高斯分布按照的值从小到大排序，选取排序序列中前B个高斯分布作为背景像素模型，B为排序靠前的高斯分布的权值之和大于T所需的最少高斯分布个数：

式中，T为预置的阈值。