本發(fā)明屬于計算機視覺圖像技術(shù)領(lǐng)域，涉及視頻運動目標檢測方法，特指一種基于視頻序列的運動目標快速檢測方法。

背景技術(shù)：

隨著計算機視覺和智能圖像處理技術(shù)的不斷發(fā)展，運動目標檢測技術(shù)成為了視頻流圖像處理領(lǐng)域的重要研究課題。運動目標檢測是從視頻圖像序列中將運動目標準確快速地從所在的背景圖像中分離出來，從而獲取運動目標。它是計算機視覺研究領(lǐng)域和智能視頻監(jiān)控研究領(lǐng)域的一項關(guān)鍵技術(shù)，屬于智能視頻監(jiān)控與目標跟蹤系統(tǒng)的最底層，是進行目標跟蹤、識別等后續(xù)處理的基礎(chǔ)，其檢測結(jié)果的優(yōu)良程度與后續(xù)目標跟蹤與行為理解的效果有密切關(guān)系，該技術(shù)被廣泛應(yīng)用于自動導(dǎo)航、智能交通系統(tǒng)、智能樓宇、視頻監(jiān)控、工業(yè)視覺和運動分析等技術(shù)領(lǐng)域中。

然而在現(xiàn)實環(huán)境中由于受到光照、遮擋、運動等突變因素的影響，采集的視頻圖像序列中運動目標往往在復(fù)雜的背景環(huán)境下，同時還存在著無規(guī)律可循的運動狀態(tài)，因此這些不利因素都為運動目標檢測算法的設(shè)計和選用上增加了不少難度，運動目標檢測要達到一個良好的效果并不容易。

運動目標檢測需要解決的兩個基本問題是算法的處理速度和可靠性，也是衡量算法優(yōu)劣的兩個重要指標。目前常見的運動目標檢測方法主要包括：幀間差分法、背景減除法和光流法。

幀間差分法是基于視頻時間圖像序列中的相鄰兩幀或三幀圖像，將圖像中對應(yīng)像素值相減，得到差分圖像，然后通過閾值選取得到運動目標區(qū)域。這種方法計算簡單快速，容易實現(xiàn)，且對天氣、光照等外界環(huán)境變化不敏感，但對靜止或運動速度緩慢的目標容易出現(xiàn)漏檢，在目標內(nèi)部易產(chǎn)生“雙影”和“空洞”現(xiàn)象，難以獲得運動目標的完整輪廓。

背景減除法是通過構(gòu)建背景參考模型，用當(dāng)前幀圖像和背景圖像相減，根據(jù)差分圖像檢測運動目標。這種方法能夠完整的提取運動目標，但對于外界環(huán)境的變化比較敏感，建立一個合適的背景模型及更新機制是關(guān)鍵，該方法比較適用于背景已知的情況。

光流法將圖像中像素點的灰度值變化與二維速度場聯(lián)系起來，用光流場反映像素點運動的方向和速度，再根據(jù)光流場的分布特征，提取出運動目標的區(qū)域。該方法檢測精度高，但是無法獲得運動目標的準確輪廓，并且光流場的計算非常復(fù)雜，計算量大，難以滿足運動目標檢測的實時性要求。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中目標檢測常用方法存在的缺陷，本發(fā)明其目的在于提出一種基于視頻序列的運動目標快速檢測方法。

本發(fā)明的技術(shù)方案是：

一種基于視頻序列的運動目標快速檢測方法，包括以下步驟：

(1)對視頻圖像序列進行高斯濾波去噪處理，選取去噪后的任意連續(xù)三幀視頻圖像，以中間幀為當(dāng)前幀圖像I_t(i,j)，分別與前一幀圖像I_t-1(i,j)和后一幀圖像I_t+1(i,j)進行差分運算，將兩幅差分二值化結(jié)果圖進行與運算，得到當(dāng)前幀對應(yīng)相鄰三幀視頻幀的幀間差分二值圖像FDB(i,j)；

(2)對當(dāng)前幀圖像的背景圖像進行初始化，以視頻圖像序列的第一幀作為初始背景圖像B₀(i,j)，利用相鄰三幀視頻幀的幀間差分二值圖像FDB(i,j)對初始背景圖像B₀(i,j)進行迭代更新，自適應(yīng)獲取當(dāng)前幀對應(yīng)的背景圖像，并輸出更新后的背景圖像即為當(dāng)前幀圖像對應(yīng)的背景圖像B_t(i,j)；

(3)根據(jù)相鄰三幀視頻幀的幀間差分結(jié)果重建當(dāng)前幀圖像對應(yīng)的參考圖像R(i,j)，再用重建后的參考圖像與當(dāng)前幀作差運算并二值化，得到幀間差分目標檢測圖FD(i,j)，同時將當(dāng)前幀圖像與步驟(2)中提取的當(dāng)前幀圖像對應(yīng)的背景圖像B_t(i,j)作差，得到當(dāng)前幀的運動目標輪廓差值圖像BI_t(i,j)；計算當(dāng)前幀圖像的像素灰度平均值和標準差并對運動目標輪廓差值圖像二值化，得到當(dāng)前幀的運動目標輪廓圖BD(i,j)；

(4)通過或運算將三幀間差分法得到的幀間差分目標檢測圖FD(i,j)與背景差分法得到的運動目標輪廓圖BD(i,j)進行合并，得到更加準確、完整的運動目標圖像，輸出最終的運動目標圖像。

步驟(1)中，對視頻圖像序列進行高斯濾波去噪處理的方法是：將二維高斯函數(shù)作為傳遞函數(shù)，建立一個鄰域窗口為3×3，標準差為2的高斯低通濾波器模板，利用高斯濾波模板遍歷視頻圖像序列中的所有視頻幀圖像，則高斯濾波模板內(nèi)所有像素點的加權(quán)平均值即為高斯濾波模板中心點的值，實現(xiàn)圖像的線性平滑。

步驟(1)中，以中間幀為當(dāng)前幀圖像I_t(i,j)，分別與前一幀圖像I_t-1(i,j)和后一幀圖像I_t+1(i,j)進行差分運算，如(1)式所示：

設(shè)定閾值T₀對差分運算圖像進行二值化處理如(2)式所示，得到兩幅差分二值化結(jié)果圖，其中閾值T₀的取值范圍為5～10。

再將這兩幅差分二值化結(jié)果圖進行與運算如(3)式所示，得到當(dāng)前圖像即中間幀I_t(i,j)對應(yīng)相鄰三幀視頻幀的幀間差分二值圖像FDB(i,j)；

FDB(i,j)＝C_t-1,t(i,j)∩C_t,t+1(i,j) (3)

步驟(2)中，迭代更新的方法是：設(shè)迭代次數(shù)初始值為m＝1，迭代最大次數(shù)為Max-1，迭代速度系數(shù)為α，迭代步長為step取1，執(zhí)行遞歸迭代，當(dāng)?shù)螖?shù)為m＝Max-step時，迭代結(jié)束，迭代更新算法如(4)式所示，輸出更新后的背景圖像即為當(dāng)前幀圖像對應(yīng)的背景圖像B_t(i,j)。

步驟(3)中，根據(jù)相鄰三幀視頻幀的幀間差分結(jié)果重建當(dāng)前幀圖像對應(yīng)的參考圖像R(i,j)，其重建的方法是：當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)且C_t,t+1(i,j)均取1時，則判定該像素點屬于變化信息突出區(qū)域，選取(1)式中差分運算值較大的圖像幀像素值作為參考圖像中該點處的像素值；當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)或C_t,t+1(i,j)只有一個取1時，則判定該像素點屬于邊緣重疊區(qū)域，需要弱化該像素點的變化信息，選取(1)式中差分運算值較小的圖像幀像素值作為參考圖像中該點處的像素值；當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)且C_t,t+1(i,j)均取0時，則判定該像素點屬于未發(fā)生變化的像素區(qū)域，取前后兩幀圖像的像素均值作為該點的像素值；遍歷當(dāng)前幀圖像中所有像素點完成對參考圖像R(i,j)的重建。

步驟(3)中，當(dāng)前幀的運動目標輪廓差值圖像BI_t(i,j)，其表達式如下：

BI_t(i,j)＝|B_t(i,j)-I_t(i,j)| (5)

步驟(3)中，當(dāng)前幀圖像的像素灰度平均值和標準差的計算方法如下：

設(shè)當(dāng)前幀圖像的寬度為w，當(dāng)前幀圖像高度為h，計算當(dāng)前幀圖像的像素灰度平均值和標準差δ如(6)式所示：

然后根據(jù)當(dāng)前幀圖像的像素灰度平均值和標準差計算圖像二值化分割閾值其中β表示微調(diào)系數(shù)，利用分割閾值T₁對當(dāng)前幀的運動目標輪廓差值圖像BI_t(i,j)進行二值化，得到當(dāng)前幀的運動目標輪廓圖BD(i,j)。

本發(fā)明提出了一種基于視頻序列的運動目標快速檢測方法，不僅能有效地去除噪聲干擾，而且能夠快速、準確地檢測出完整的運動目標。首先通過高斯濾波器對視頻圖像序列進行去噪處理，利用差分運算求取濾波后的任意相鄰三幀視頻圖像的幀間差分圖像；其次利用幀間差分二值圖像對初始背景圖像進行迭代更新，提取當(dāng)前幀對應(yīng)的背景圖像；然后根據(jù)相鄰三幀視頻幀的幀間差分結(jié)果重建當(dāng)前幀圖像對應(yīng)的參考圖像，得到幀間差分目標檢測圖，同時利用背景差分法得到當(dāng)前幀的運動目標輪廓差值圖像；最后通過或運算合并三幀間差分法與背景差分法提取的目標圖像，輸出最終的運動目標圖像。

附圖說明

圖1提取視頻幀背景圖像的流程框圖

圖2運動目標檢測流程框圖

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。

為了避免目標內(nèi)部產(chǎn)生雙影和空洞現(xiàn)象，快速獲取視頻序列中運動目標的完整輪廓，本發(fā)明提供一種基于視頻序列的運動目標快速檢測方法，通過結(jié)合相鄰三幀視頻幀的幀間差分圖像和背景減除法得到的背景差分圖像實現(xiàn)視頻序列中運動目標的快速檢測。

如圖1所示，首先對視頻圖像序列進行高斯濾波去噪處理，將二維高斯函數(shù)作為傳遞函數(shù)，建立一個鄰域窗口為3×3，標準差為2的高斯低通濾波器模板，利用高斯濾波模板遍歷視頻圖像序列中的所有視頻幀圖像，則模板內(nèi)所有像素點的加權(quán)平均值即為模板中心點的值，實現(xiàn)圖像的線性平滑，減弱視頻圖像序列中噪聲對目標檢測的干擾。

在高斯濾波去噪平滑后的視頻序列中選取任意連續(xù)三幀視頻圖像，以中間幀為當(dāng)前幀圖像I_t(i,j)，其中(i,j)表示當(dāng)前幀圖像中像素點的位置坐標，當(dāng)前幀圖像表示第t幀視頻圖像或者t時刻的視頻幀圖像，用I_t-1(i,j)表示當(dāng)前幀的前一幀圖像，I_t+1(i,j)表示當(dāng)前幀的后一幀圖像，分別對相鄰兩幀圖像進行差分運算如(1)式所示。

選取適當(dāng)?shù)拈撝礣₀對差分圖像進行二值化處理如(2)式所示，通常閾值T₀的取值與攝像機噪聲的大小相關(guān)，取值范圍為5～10之間，根據(jù)視頻具體應(yīng)用場景而定，得到兩幅差分二值化結(jié)果圖。

再將這兩幅差分二值化結(jié)果圖進行與運算如(3)式所示，得到當(dāng)前圖像即中間幀I_t(i,j)對應(yīng)相鄰三幀視頻幀的幀間差分二值圖像FDB(i,j)。

FDB(i,j)＝C_t-1,t(i,j)∩C_t,t+1(i,j) (3)

另外，選取視頻序列的第一幀圖像作為初始背景圖像B₀(i,j)，利用相鄰三幀視頻幀的幀間差分二值圖像FDB(i,j)對初始背景圖像B₀(i,j)進行迭代更新，自適應(yīng)獲取當(dāng)前幀對應(yīng)的背景圖像，設(shè)迭代次數(shù)初始值為m＝1，迭代最大次數(shù)為Max-1，迭代速度系數(shù)為α，迭代步長為step取1，執(zhí)行遞歸迭代，當(dāng)?shù)螖?shù)為m＝Max-step時，迭代結(jié)束，實驗中取Max為120，迭代系數(shù)為0.003，迭代更新算法如(4)式所示，輸出更新后的背景圖像即為當(dāng)前幀圖像對應(yīng)的背景圖像B_t(i,j)。

經(jīng)上述處理之后，提取到視頻序列各幀圖像對應(yīng)的背景圖像。

如圖2所示，首先利用相鄰三幀視頻幀的幀間差分結(jié)果對當(dāng)前幀圖像對應(yīng)的參考圖像R(i,j)進行重建，突出幀間差分圖的變化信息，弱化邊緣重疊區(qū)域，再用重建后的參考圖像與當(dāng)前幀作差運算并二值化，得到幀間差分目標檢測圖FD(i,j)。然后利用背景差分法求取當(dāng)前幀圖像與步驟(2)中提取的背景圖像B_t(i,j)作差，計算當(dāng)前幀圖像的像素灰度平均值和標準差對運動目標輪廓差值圖像二值化，得到當(dāng)前幀的運動目標輪廓圖BD(i,j)。最后結(jié)合幀間差分法提取的目標檢測圖FD(i,j)與背景差分法提取的運動目標輪廓圖BD(i,j)，利用或運算將兩幅圖像進行合并，得到更加準確和完整的運動目標圖像，并輸出最終的運動目標圖像。

根據(jù)步驟(1)中得到的相鄰三幀視頻幀的幀間差分結(jié)果對當(dāng)前幀圖像的對應(yīng)參考圖像R(i,j)進行重建，參考圖像重建具體過程為：當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)且C_t,t+1(i,j)均取1時，則判定該像素點屬于變化信息突出區(qū)域，選取(1)式中差分運算值較大的圖像幀像素值作為參考圖像中該點處的像素值；當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)或C_t,t+1(i,j)只有一個取1時，則判定該像素點屬于邊緣重疊區(qū)域，需要弱化該像素點的變化信息，選取(1)式中差分運算值較小的圖像幀像素值作為參考圖像中該點處的像素值；當(dāng)當(dāng)前幀圖像中像素點滿足條件C_t-1,t(i,j)且C_t,t+1(i,j)均取0時，則判定該像素點屬于未發(fā)生變化的像素區(qū)域，為了減小噪聲的干擾，取前后兩幀圖像的像素均值作為該點的像素值。遍歷當(dāng)前幀圖像中所有像素點完成對參考圖像的重建，再用重建后的參考圖像與當(dāng)前幀作差運算，并利用最大類間方差法進行二值化得到幀間差分目標檢測圖像FD(i,j)。

同時根據(jù)圖1的迭代更新運算提取得到背景圖像B_t(i,j)與當(dāng)前幀圖像I_t(i,j)作差，得到當(dāng)前幀的運動目標輪廓差值圖像BI_t(i,j)，表達式如下所示：

BI_t(i,j)＝|B_t(i,j)-I_t(i,j)| (5)

設(shè)當(dāng)前幀圖像的寬度為w，圖像高度為h，計算當(dāng)前幀圖像的像素灰度平均值I和標準差δ如(6)式所示。

根據(jù)當(dāng)前幀圖像的像素灰度平均值和標準差計算圖像二值化分割閾值其中β表示微調(diào)系數(shù)，利用分割閾值T₁對運動目標輪廓差值圖像進行二值化，得到當(dāng)前幀的運動目標輪廓圖BD(i,j)。

最后結(jié)合三幀間差分法提取的目標檢測圖FD(i,j)與背景差分法提取的運動目標輪廓圖BD(i,j)，利用或運算將兩幅圖像進行合并，一方面能彌補幀間差分法存在邊緣重影和空洞現(xiàn)象，另一方面能有效地適應(yīng)光線變化，從而檢測出更加準確完整的運動目標圖像，并輸出最終的運動目標圖像。

以上包含了本發(fā)明優(yōu)選實施例的說明，這是為了詳細說明本發(fā)明的技術(shù)特征，并不是想要將發(fā)明內(nèi)容限制在實施例所描述的具體形式中，依據(jù)本發(fā)明內(nèi)容主旨進行的其他修改和變型也受本專利保護。本發(fā)明內(nèi)容的主旨是由權(quán)利要求書所界定，而非由實施例的具體描述所界定。