本發(fā)明涉及計算機(jī)視覺領(lǐng)域，特指一種結(jié)合自適應(yīng)模型和多陰影屬性的運(yùn)動目標(biāo)檢測方法。
背景技術(shù)：
：運(yùn)動目標(biāo)檢測是計算機(jī)視覺領(lǐng)域的研究重點(diǎn)，結(jié)合了數(shù)字圖像處理、模式識別和人工智能等領(lǐng)域的知識。隨著計算機(jī)技術(shù)、圖像處理技術(shù)和高分頻傳感技術(shù)的迅速發(fā)展，它廣泛應(yīng)用于智能監(jiān)控、虛擬現(xiàn)實(shí)和軍事公安等諸多領(lǐng)域。常用的運(yùn)動目標(biāo)檢測方法包括幀間差分法、背景減除法和光流法。其中，幀間差分法對動態(tài)環(huán)境有良好的適應(yīng)性，但是不能完全提取目標(biāo)的所有信息，提取的目標(biāo)物體的內(nèi)部容易出現(xiàn)空洞；普通的背景減除法能夠提出完整的特征點(diǎn)，但是對于動態(tài)場景變化，如光線、天氣等因素的干擾比較敏感；光流法計算量非常大，抗噪性差，需要硬件的支持。通常，全景圖像的場景擾動因素復(fù)雜，如光照的變化、天氣因素、樹枝的搖擺、水面的波紋和波浪等等，這些因素都限制了運(yùn)動目標(biāo)的檢測。由于外界環(huán)境的復(fù)雜性，檢測出來的運(yùn)動目標(biāo)區(qū)域會伴隨著陰影區(qū)域，導(dǎo)致目標(biāo)形狀的畸變和后期的目標(biāo)跟蹤。技術(shù)實(shí)現(xiàn)要素：針對現(xiàn)有技術(shù)存在的缺陷，為了可靠地、有效地進(jìn)行運(yùn)動目標(biāo)的檢測，本發(fā)明提供一種結(jié)合自適應(yīng)模型和多陰影屬性的運(yùn)動目標(biāo)檢測方法。具體地，本發(fā)明的技術(shù)方案是：一種結(jié)合自適應(yīng)模型和多陰影屬性的運(yùn)動目標(biāo)檢測方法，包括以下步驟：S1利用加權(quán)雙邊濾波對圖像進(jìn)行預(yù)處理；S2結(jié)合三幀差法和自適應(yīng)背景模型法對經(jīng)S1預(yù)處理之后的圖像進(jìn)行運(yùn)動目標(biāo)的檢測；S2.1利用三幀差法提取經(jīng)S1預(yù)處理之后的圖像的前景區(qū)域即運(yùn)動目標(biāo)區(qū)域的大致輪廓，利用可變閾值方法對幀差圖像進(jìn)行分割得到前景目標(biāo)D1(x,y,t)；S2.2采用自適應(yīng)背景模型法再次提取前景目標(biāo)D2(x,y,t)；S2.3首次提取的前景目標(biāo)D1(x,y,t)與二次提取的前景目標(biāo)D2(x,y,t)進(jìn)行與運(yùn)算，得到前景區(qū)域D(x,y,t)；S2.4對于S2.3中得到的前景區(qū)域D(x,y,t)，利用中值濾波抑制孤立噪聲點(diǎn)，再進(jìn)行形態(tài)學(xué)處理，得到最終的前景區(qū)域即運(yùn)動目標(biāo)區(qū)域；S3多屬性結(jié)合的運(yùn)動目標(biāo)陰影消除方法；S3.1判斷S2.4中得到的最終的運(yùn)動目標(biāo)區(qū)域是否存在陰影區(qū)域；S3.2利用HSV色彩空間、梯度信息以及紋理信息檢測和消除目標(biāo)陰影；利用HSV色彩空間、梯度信息和紋理信息分別檢測出運(yùn)動目標(biāo)的陰影區(qū)域，對三者的陰影區(qū)域進(jìn)行與運(yùn)算得到最終的陰影區(qū)域，再將S2.4得到的運(yùn)動目標(biāo)區(qū)域與該最終的陰影區(qū)域相減，從而檢測出了最終的運(yùn)動目標(biāo)。本發(fā)明的優(yōu)點(diǎn)是：本發(fā)明方法解決了現(xiàn)有技術(shù)中檢測到的運(yùn)動目標(biāo)區(qū)域的信息不全和空洞的問題，很好地適應(yīng)了全景圖像中復(fù)雜的背景動態(tài)變化以及天氣的影響，通過判斷是否存在陰影區(qū)域的方式提高了系統(tǒng)的效率，同時有效地消除了運(yùn)動目標(biāo)的陰影，克服了陰影造成的偽目標(biāo)現(xiàn)象，正確地定位出了運(yùn)動目標(biāo)。其中，步驟S1中濾波方法不僅達(dá)到了去噪的效果，同時保持了圖像中邊緣信息，不會產(chǎn)生過模糊和欠模糊的濾波現(xiàn)象；步驟S2中在檢測前景區(qū)域的過程中，解決了三幀差法檢測信息不全的缺點(diǎn)，背景模型的在線跟新，使得算法更加適應(yīng)復(fù)雜環(huán)境的變化，檢測方法具有較好的效果和實(shí)時性；步驟S3中判斷是否存在陰影區(qū)域避免了在不必要進(jìn)行消除陰影區(qū)域的情況下依然進(jìn)行陰影檢測算法，從而影響系統(tǒng)的效率，結(jié)合HSV色彩空間、背景區(qū)域像素的梯度信息以及紋理信息有效地消除了運(yùn)動目標(biāo)的陰影，去除了偽目標(biāo)。附圖說明圖1是本發(fā)明的流程圖圖2是實(shí)施例中S2運(yùn)動目標(biāo)檢測流程圖圖3是實(shí)施例中S3消除運(yùn)動目標(biāo)的陰影區(qū)域流程圖圖4是實(shí)施例中運(yùn)動目標(biāo)的檢測結(jié)果。具體實(shí)施方式圖1為本發(fā)明的流程圖，參照圖1，本發(fā)明一種結(jié)合自適應(yīng)模型和多陰影屬性的運(yùn)動目標(biāo)檢測方法，包括以下步驟：一種結(jié)合自適應(yīng)模型和多陰影屬性的運(yùn)動目標(biāo)檢測方法，包括以下步驟：S1利用加權(quán)雙邊濾波對圖像進(jìn)行預(yù)處理；假設(shè)濾波前圖像I的像素點(diǎn)p的灰度值為Ip，像素點(diǎn)p的坐標(biāo)為(m,n)，圖像I濾波后得到的圖像BI在該像素點(diǎn)的灰度值為BIp，則雙邊濾波的公式如(1)和(2)所示：BIp=1WpΣq∈SGσs(||p-q||)Gsr(|Ip-Iq|)Iq---(1)]]>Wp=Σq∈SGσs(||p-q||)Gsr(|Ip-Iq|)Iq---(2)]]>其中，q是以像素點(diǎn)p為中心像素點(diǎn)的鄰域像素點(diǎn)，像素點(diǎn)q的坐標(biāo)為(u,v)，領(lǐng)域像素點(diǎn)集合記為S，Wp稱為歸一化因子，是空間濾波核函數(shù)，是灰度核濾波函數(shù)，和的表達(dá)式如下示：Gσs(||p-q||)=e-[(m-u)2+(n-v)2]/2σs2---(3)]]>Gσs(|Ip-Iq|)=e-[Ip-Iq]2/2σs2]]>利用雙邊濾波不僅能達(dá)到去噪的效果，同時也保持了圖像的邊緣信息，削弱了濾波對后續(xù)步驟的消極影響。S2結(jié)合三幀差法和自適應(yīng)背景模型法對經(jīng)S1預(yù)處理之后的圖像進(jìn)行運(yùn)動目標(biāo)的檢測；S2.1利用三幀差法提取經(jīng)S1預(yù)處理之后的圖像的前景區(qū)域即運(yùn)動目標(biāo)區(qū)域的大致輪廓，利用可變閾值方法對幀差圖像進(jìn)行分割得到前景目標(biāo)D1(x,y,t)。假設(shè)在t時刻，當(dāng)前幀圖像(x,y)處的像素的灰度值為I(x,y,t)，其前后相鄰的兩幀圖像的此處像素的灰度值分別為I(x,y,t-1)和I(x,y,t+1)，則t時刻，兩幀灰度值的二值化結(jié)果為：St,t-1(x,y,t)=1,if|I(x,y,t)-I(x,y,t-1)|>h10,if|I(x,y,t)-I(x,y,t-1)|≤h1---(4)]]>St,t+1(x,y,t)=1,if|I(x,y,t)-I(x,y,t+1)|>h10,if|I(x,y,t)-I(x,y,t+1)|≤h2---(5)]]>其中，h1是灰度閾值，St,t-1(x,y,t)為當(dāng)前幀I(x,y,t)和前一幀I(x,y,t-1)進(jìn)行差分后的運(yùn)動目標(biāo)二值化區(qū)域，St,t+1(x,y,t)為當(dāng)前幀I(x,y,t)和后一幀I(x,y,t+1)進(jìn)行差分后的運(yùn)動目標(biāo)二值化區(qū)域；再將St,t-1(x,y,t)和St,t+1(x,y,t)相融合可得到前景區(qū)域S(x,y,t)：S(x,y,t)=St,t-1(x,y,t)⊗St,t+1(x,y,t)---(6)]]>再利用可變閾值方法對前景區(qū)域進(jìn)行分割，從而得到前景目標(biāo)D1(x,y,t)?？勺冮撝捣椒ㄊ潜绢I(lǐng)域公知的技術(shù)手段，其方法是：由于全景圖像的背景比較復(fù)雜，可以將圖像分成若干個矩形區(qū)域，在這些矩形區(qū)域分別進(jìn)行Otsu閾值分割，從而得到全景目標(biāo)D1(x,y,t)。S2.2采用自適應(yīng)背景模型法再次提取前景目標(biāo)D2(x,y,t)。S2.2.1初始化背景模型和前景區(qū)域的提??；連續(xù)采集n幀圖像，通過這n幀背景圖像建立初始的背景的統(tǒng)計模型，如公式(7)和(8)所示：Mi=1NΣn=1NMin---(7)]]>δi2=1NΣn=1N(Min-Mi)2---(8)]]>其中，i表示像素點(diǎn)，Mi表示像素點(diǎn)i的顏色值的期望，表示顏色值分布的方差，Min表示像素點(diǎn)i在第n幀圖像中的顏色值，從而點(diǎn)構(gòu)成了初始背景模型。在建立初始背景模型之后，利用二值化方法對采集到的當(dāng)前t時刻的圖像進(jìn)行前景區(qū)域即運(yùn)動目標(biāo)區(qū)域的提取，此時的前景區(qū)域記為D2(x,y,t)。二值化方法如下：式中，yi是像素點(diǎn)i的顏色值；Di為像素點(diǎn)i二值化值；Di組成的整幅圖像就為D2(x,y,t)。S2.2.2構(gòu)造背景跟新模型；由于全景圖像的背景環(huán)境比較復(fù)雜，隨著時間的推移，背景會發(fā)生一些變化，此時就需要跟新背景模型，才能更好檢測出運(yùn)動目標(biāo)。設(shè)s時刻(注意：S2.1處的t時刻采集到的圖像含有運(yùn)動目標(biāo)，而此處的s時刻采集的是背景圖像，沒有運(yùn)動目標(biāo)，只是用于背景建模；t時刻和s時刻式兩個不同的時刻。)像素點(diǎn)i的顏色值期望和方差分別為Mi(s)和Ri(s)為時刻s采集到的圖像中像素點(diǎn)i的顏色值，則在s+1時刻，可得：Mi(s+1)=(1-A)Mi(s)+ARi(s),(Di=0);Mi(s),(Di=1)---(9)]]>δi2(s+1)=(1-A)δi2(s)+A(Ri(s)-Mi(s))2,(Di=0);δi2(s),(Di=1).---(10)]]>其中A即使常量，A的取值范圍為：0<A<1；Di表示更新背景模型前一時刻像素點(diǎn)i的狀態(tài)；當(dāng)Di＝0表示像素點(diǎn)i為背景區(qū)域，則像素點(diǎn)的顏色值期望和方差需要進(jìn)行跟新；當(dāng)Di＝1表示像素點(diǎn)i為前景區(qū)域，則像素點(diǎn)的顏色值期望和方差不需要進(jìn)行跟新。S2.3首次提取的前景目標(biāo)D1(x,y,t)與二次提取的前景目標(biāo)D2(x,y,t)進(jìn)行與運(yùn)算，得到前景區(qū)域D(x,y,t)。S2.4對于S2.3中得到的前景區(qū)域D(x,y,t)，利用中值濾波抑制孤立噪聲點(diǎn)。在此得到的前景目標(biāo)可能還存在細(xì)小的毛刺和空洞，則可采用進(jìn)行形態(tài)學(xué)處理即采用形態(tài)學(xué)中的開運(yùn)算處理，得到最終的前景區(qū)域即運(yùn)動目標(biāo)區(qū)域。S3多屬性結(jié)合的運(yùn)動目標(biāo)陰影消除方法；S3.1判斷S2中得到的運(yùn)動目標(biāo)區(qū)域是否存在陰影區(qū)域。首先需要判斷由檢測出的前景區(qū)域即運(yùn)動目標(biāo)區(qū)域是否存在陰影區(qū)域，若存在陰影區(qū)域，再消除陰影部分。因?yàn)椴⒉皇侨魏螘r候都要進(jìn)行運(yùn)動目標(biāo)陰影的檢測和消除，例如陰天的時候，物體就不會產(chǎn)生陰影或是陰影區(qū)域亮度很小，以至于不會對目標(biāo)檢測和后續(xù)處理產(chǎn)生影響；或者當(dāng)照射光源距離運(yùn)動目標(biāo)的高度較高時，產(chǎn)生的陰影區(qū)域面積很小而不會對運(yùn)動目標(biāo)檢測及后續(xù)處理產(chǎn)生影響。陰影的產(chǎn)生主要是由于光照條件，所以采用運(yùn)動目標(biāo)區(qū)域的亮度估計來進(jìn)行運(yùn)動目標(biāo)的檢測。假設(shè)S2中得到的運(yùn)動目標(biāo)區(qū)域的R、G、B的三個通道的值分別為Rf(x,y)、Gf(x,y)、Bf(x,y)，背景區(qū)域的R、G、B的三個通道的值分別為Rb(x,y)、Gb(x,y)、Bb(x,y)；如果圖像的任一像素同時滿足Rf(x,y)＜Rb(x,y)、Gf(x,y)＜Gb(x,y)和Bf(x,y)＜Bb(x,y)，則該像素點(diǎn)為暗點(diǎn)，否則為亮點(diǎn)；假設(shè)nl、nd分別為圖像中亮點(diǎn)和暗點(diǎn)的個數(shù)，則有：Pd＝nd/(nl+nd)(11)Ej=Σi∈Sjei/nj,j∈{l,d}---(12)]]>ej=Σj∈Ni|Ii-Ij|n---(13)]]>其中，Pd為圖像中暗點(diǎn)在運(yùn)動目標(biāo)區(qū)域內(nèi)所占的比例；El表示運(yùn)動目標(biāo)區(qū)域的亮度能量值；Sj為運(yùn)動目標(biāo)區(qū)域的像素點(diǎn)的集合,nj是集合Sj中像素數(shù)量；ei是像素的能量值；Ii為圖像的亮度值，Ni為像素點(diǎn)鄰域；n為鄰域內(nèi)像素點(diǎn)的個數(shù)；通常情況下只有在高亮度的白天，也就是當(dāng)前場景運(yùn)動目標(biāo)清晰可視時，運(yùn)動目標(biāo)才會有遮擋光線，從而導(dǎo)致陰影區(qū)域的出現(xiàn).此時運(yùn)動目標(biāo)的亮度往往要高于其產(chǎn)生的陰影區(qū)域的亮度。所以可以利用亮度能量值來衡量場景的運(yùn)動目標(biāo)區(qū)域的亮度，來判斷陰影區(qū)域是否存在，即利用公式(11)，(12)和(13)來判斷陰影區(qū)域是否存在。利用運(yùn)動目標(biāo)的亮度能量值El和Pd來判斷陰影是否存在的方法為：若出現(xiàn)此兩種情況之一：1)El小于0.1；2)El值較大，El＞10且Pd小于0.01，則表明當(dāng)前場景的亮度極低或是運(yùn)動陰影區(qū)域的面積相對于運(yùn)動目標(biāo)區(qū)域來說較小，即陰影區(qū)域不存在，不需要進(jìn)行陰影區(qū)域檢測和消除。若沒有出現(xiàn)1)、2)中的任一種情況，則表明運(yùn)動目標(biāo)區(qū)域存在陰影區(qū)域，表示要進(jìn)行陰影區(qū)域的消除。S3.2利用HSV色彩空間、梯度信息以及紋理信息檢測和消除目標(biāo)陰影；利用HSV色彩空間、梯度信息和紋理信息分別檢測出運(yùn)動目標(biāo)的陰影區(qū)域，對三者的陰影區(qū)域進(jìn)行與運(yùn)算得到最終的陰影區(qū)域，再將S2得到的運(yùn)動目標(biāo)區(qū)域與該最終的陰影區(qū)域相減，從而檢測出了最終的運(yùn)動目標(biāo)。HSV彩色空間符合人的視覺習(xí)慣，利用HSV色彩空間檢測出運(yùn)動目標(biāo)的陰影區(qū)域，其方法為：利用公式(14)檢測陰影區(qū)域，式中I(x,y)表示當(dāng)前幀圖像，B(x,y)表示背景模型，αβthSthH是閾值；F(x,y)的值為255時，表示檢測出陰影區(qū)域。其中，0＜α＜β＜1，TV＝IV(x,y)/BV(x,y)，TS＝IS(x,y)-BS(x,y)，TH＝|IH(x,y)-BH(x,y)|，thSthH的取值范圍為(0.01，0.02)；其中，IV(x,y)＝max(R,G,B)(15)Is(x,y)=V-min{R,G,B}VifV≠00otherwise---(16)]]>IH(x,y)=60(G-B)/(V-min(R,G,B)ifV=R120+60(G-B)/(V-min(R,G,B)ifV=G240+60(G-B)/(V-min(R,G,B)ifV=B---(17)]]>其中：max(R,G,B)表示三個顏色通道R,G,B中的最大值；BV(x,y)BS(x,y)BH(x,y)分別是背景模型中，HSV彩色空間各個像素的V分量，S分量和H分量。V就是HSV彩色空間中的V分量。利用梯度信息檢測陰影區(qū)域的方法是：通過計算當(dāng)前幀的梯度和背景的梯度，并且比較其差異性，就可以檢測出陰影區(qū)域，其中梯度算子采用拉普拉斯算子。利用紋理信息檢測陰影區(qū)域的方法是：采用LBP紋理描繪算子對陰影區(qū)域進(jìn)行檢測，局部二值模式LBP的公式為：LBP(xc,yc)=Σi=0p-1s(pi-pc)×2i---(18)]]>其中pc表示中心像素點(diǎn)(xc,yc)的灰度值，pi表示中心像素點(diǎn)(xi,yi)的領(lǐng)域內(nèi)相鄰像素點(diǎn)(xc,yc)的灰度值，s(pi-pc)的公式如下：s(pi-pc)=0pi-pc≥01pi-pc<0---(19)]]>分別利用HSV色彩空間、梯度信息以及紋理信息來消除目標(biāo)陰影能夠得到三種結(jié)果，再對這三種結(jié)果進(jìn)行與運(yùn)算，得到最終消除陰影區(qū)域的結(jié)果。在消除運(yùn)動目標(biāo)區(qū)域的陰影之后，進(jìn)行區(qū)域分割定位出運(yùn)動目標(biāo)。運(yùn)動目標(biāo)檢測的結(jié)果如圖4所示。本發(fā)明中消除運(yùn)動目標(biāo)的陰影區(qū)域的流程圖如圖3示。本發(fā)明中提出的方法實(shí)際上可嵌入FPGA實(shí)現(xiàn)，開發(fā)具有實(shí)時運(yùn)動目標(biāo)檢測的相機(jī)或攝像機(jī)。以上實(shí)施例僅起到解釋本發(fā)明技術(shù)方案的作用，本發(fā)明所要求的保護(hù)范圍并不局限于上述實(shí)施例所述的實(shí)現(xiàn)系統(tǒng)和具體實(shí)施步驟。因此，僅對上述實(shí)施例中具體的公式及算法進(jìn)行簡單替換，但其實(shí)質(zhì)內(nèi)容仍與本發(fā)明所述方法相一致的技術(shù)方案，均應(yīng)屬于本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3