一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，屬于目標(biāo)檢測(cè)技術(shù)領(lǐng)域，解決場(chǎng)景的變化導(dǎo)致目標(biāo)的位置、大小發(fā)生改變，從而影響運(yùn)動(dòng)目標(biāo)檢測(cè)的效果。步驟為：(1)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀圖像，提取第一幀圖像中的每個(gè)像素點(diǎn)的局部二值相似性模式描述子，構(gòu)建背景模型；(2)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀后的所有幀圖像，計(jì)算第一幀后的所有幀圖像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局部二值相似性模式值與相同位置的背景模型進(jìn)行相似性比較；(3)通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景；(4)如果背景變化，轉(zhuǎn)到步驟(1)，更新背景模型，再執(zhí)行步驟(2)和步驟(3)。本發(fā)明用于運(yùn)動(dòng)目標(biāo)的檢測(cè)。
【專(zhuān)利說(shuō)明】
-種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域
[0001 ] -種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，用于運(yùn)動(dòng)目標(biāo)的檢測(cè)，屬于 機(jī)器學(xué)習(xí)、模式分類(lèi)和目標(biāo)檢測(cè)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002]運(yùn)動(dòng)目標(biāo)檢測(cè)是數(shù)字圖像處理技術(shù)的一個(gè)重要組成部分，它是計(jì)算機(jī)視覺(jué)、模式 識(shí)別、目標(biāo)識(shí)別與跟蹤、運(yùn)動(dòng)圖像編碼、安全監(jiān)控等研究領(lǐng)域的重點(diǎn)和難點(diǎn)，在軍事、國(guó)防和 工業(yè)等領(lǐng)域有著廣闊的應(yīng)用前景。圖像序列運(yùn)動(dòng)分析因其巨大的應(yīng)用價(jià)值而受到廣泛的重 視。它的基本任務(wù)是從圖像序列中檢測(cè)出運(yùn)動(dòng)信息，簡(jiǎn)化圖像處理過(guò)程，得到所需的運(yùn)動(dòng)矢 量，從而能夠識(shí)別與跟蹤物體。在運(yùn)動(dòng)檢測(cè)中，W視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)為主。
[000引對(duì)于運(yùn)動(dòng)目標(biāo)而言，場(chǎng)景的變化會(huì)導(dǎo)致目標(biāo)的位置、大小發(fā)生改變，從而影響目標(biāo) 檢測(cè)的效果。其因素包括光照變化、攝像機(jī)抖動(dòng)、復(fù)雜背景干擾、目標(biāo)類(lèi)型多樣化、目標(biāo)運(yùn)動(dòng) 速度較快等問(wèn)題。此外，當(dāng)背景光源發(fā)生變化時(shí)，視頻序列中的目標(biāo)物體的顏色分布會(huì)產(chǎn)生 變化，運(yùn)導(dǎo)致提取的底層顏色特征也隨之發(fā)生變化，從而影響目標(biāo)檢測(cè)的準(zhǔn)確率;攝像機(jī)抖 動(dòng)會(huì)造成背景區(qū)域的變化，影響基于背景建模的目標(biāo)檢測(cè)方法的準(zhǔn)確性;復(fù)雜背景干擾和 目標(biāo)類(lèi)型多樣化給目標(biāo)的表示帶來(lái)了困難，需要泛化能力和適應(yīng)能力較好的目標(biāo)表示模 型；目標(biāo)運(yùn)動(dòng)速度過(guò)快會(huì)導(dǎo)致運(yùn)動(dòng)目標(biāo)的丟失。
[0004] 背景減除算法是大多數(shù)視頻分析應(yīng)用和目標(biāo)識(shí)別的第一步，但簡(jiǎn)單的通過(guò)多帖比 較像素值的方法是不實(shí)際的，因?yàn)檎嬲囊曨l經(jīng)常包括噪聲的異常值和動(dòng)態(tài)元素(光線變 化、起伏的物體等等），運(yùn)些元素有可能都被誤判為前景目標(biāo)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對(duì)上述不足之處提供了一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè) 方法，解決現(xiàn)有技術(shù)中場(chǎng)景的變化導(dǎo)致目標(biāo)的位置、大小發(fā)生改變，從而影響運(yùn)動(dòng)目標(biāo)檢測(cè) 的效果。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0007] -種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括如下步驟： [000引（1)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖圖像，提取第一帖圖像中的每個(gè)像素點(diǎn) 的局部二值相似性模式描述子，構(gòu)建背景模型；
[0009] (2)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖后的所有帖圖像，計(jì)算第一帖后的所有 帖圖像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局部二值相似性模式值 與相同位置的背景模型進(jìn)行相似性比較；
[0010] (3)通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景；
[0011] (4)如果背景變化，轉(zhuǎn)到步驟(1)，更新背景模型，再執(zhí)行步驟(2)和步驟(3)。
[0012] 進(jìn)一步，所述步驟（1)中，抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖圖像，提取第一帖 圖像中的每個(gè)像素點(diǎn)的局部二值相似性模式描述子，構(gòu)建背景模型的具體步驟為：
[0013] (11)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖圖像；
[0014] (12)對(duì)第一帖圖像中的每個(gè)像素點(diǎn)，計(jì)算W每個(gè)像素點(diǎn)為中屯、的NXN鄰域內(nèi)各像 素和中屯、像素的相似性關(guān)系，通過(guò)W下公式度量：
[0015]
[0016] 其中，ic表示中屯、像素點(diǎn)的像素值，i表示W(wǎng)ic為中屯、的NXN鄰域的一個(gè)像素點(diǎn)的 像素值，Td為所設(shè)闊值，11-1。|表示兩像素值作差后的絕對(duì)值心,.（/，〇用來(lái)衡量?jī)上袼攸c(diǎn)之 間的相似性，當(dāng)I i-i。I小于闊值Td時(shí)，表示兩像素點(diǎn)之間相似
.反之，則表示兩 像素點(diǎn)之間不相似：
[0017] (13)根據(jù)每個(gè)像素點(diǎn)與每個(gè)像素點(diǎn)鄰域像素點(diǎn)的相似性關(guān)系，提取其局部二值相 似性模式描述子，構(gòu)建背景模型，描述子為：
[001 引
[0019] 其中，LBSP(x，y)表示像素點(diǎn)（x，y)的局部二值相似性模式描述子，P表示像素點(diǎn) (X，y)的鄰域像素點(diǎn)的個(gè)數(shù)，如，(4.W，4,,.)表示像素點(diǎn)(X，y)與像素點(diǎn)(X，y)第P個(gè)鄰域像素 點(diǎn)的相似度，按順序?qū) X N鄰域的相似度的值進(jìn)行排列，形成一個(gè)二值化的字碼，將運(yùn)二值 化字碼轉(zhuǎn)成十進(jìn)制數(shù)，則得到該中屯、像素點(diǎn)(x，y)的局部二值相似性模式值LBSP(x，y)。
[0020] 進(jìn)一步，所述步驟(2)中，抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖后的所有帖圖像， 計(jì)算第一帖后的所有帖圖像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局 部二值相似性模式值與相同位置的背景模型進(jìn)行相似性比較的具體步驟為：
[0021] (21)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖后的所有帖圖像；
[0022] (22)對(duì)第一帖后的所有帖圖像的各個(gè)通道，計(jì)算每個(gè)通道的各個(gè)像素點(diǎn)的局部二 值相似性模式值MLBSP (X，y);
[0023] (23)背景模型中像素點(diǎn)(X，y)的局部二值相似性模式值為L(zhǎng)BSP(X，y)，求取的LBSP (x，y)和MLBSP(x，y)的相似度 LlDist(LBSP(x，y)，MLBSP(x，y))。
[0024] 進(jìn)一步，所述步驟(3)中，通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景的具體步 驟為：
[002引（31 )設(shè)置最小化的局部二值相似性模式值闊值為T(mén)desc ;
[0026] (32)LlDist化BSPU，y)，MLBSP(x，y)) ^Tdesc則該像素點(diǎn)判別為前景；LlDist (LBSP (X，y)，MLBSP (X，y)) <Tdesc則該像素點(diǎn)判別為背景。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：
[0028] -、本發(fā)明充分利用了視頻序列的空間和時(shí)間信息，與其它相對(duì)較復(fù)雜的算法相 比本發(fā)明的算法結(jié)果更優(yōu)；
[0029] 二、本發(fā)明處理速度快、內(nèi)存存儲(chǔ)少、后處理操作方便，提高了判斷效率，減少了誤 判的問(wèn)題。
【附圖說(shuō)明】
[0030] 圖I為基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)算法實(shí)現(xiàn)示意圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。
[0032] -種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，在運(yùn)動(dòng)目標(biāo)檢測(cè)上取得良好 的效果。整個(gè)算法實(shí)現(xiàn)示意圖如圖1所示，包括步驟：
[0033] (1)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖圖像，提取第一帖圖像中的每個(gè)像素點(diǎn) 的局部二值相似性模式描述子，構(gòu)建背景模型;針對(duì)需要檢測(cè)運(yùn)動(dòng)目標(biāo)的視頻，要檢測(cè)運(yùn)動(dòng) 目標(biāo)可W進(jìn)行像素間的比較，但是僅簡(jiǎn)單的通過(guò)多帖比較像素值的方法是不實(shí)際的，因?yàn)?真正的視頻經(jīng)常包括噪聲的異常值和動(dòng)態(tài)元素(光線變化、起伏的物體等等），運(yùn)些元素有 可能都被誤判為前景目標(biāo)。LBP方法化ocal bina巧patterns)是一個(gè)計(jì)算機(jī)視覺(jué)中用于圖 像特征分類(lèi)的一個(gè)方法。用于紋理特征提取。對(duì)LBP特征向量進(jìn)行提取的步驟如下：首先將 檢測(cè)窗口劃分為16X16的小區(qū)域山611)，對(duì)于每個(gè)cell中的一個(gè)像素，將其環(huán)形鄰域內(nèi)的8 個(gè)點(diǎn)進(jìn)行順時(shí)針或逆時(shí)針的比較，如果中屯、像素值比該鄰點(diǎn)大，則將鄰點(diǎn)賦值為1，否則賦 值為0,運(yùn)樣每個(gè)點(diǎn)都會(huì)獲得一個(gè)8位二進(jìn)制數(shù)，通常轉(zhuǎn)換為十進(jìn)制數(shù)。然后計(jì)算每個(gè)cell的 直方圖，即每個(gè)數(shù)字(假定是十進(jìn)制數(shù)）出現(xiàn)的頻率(也就是一個(gè)關(guān)于每一個(gè)像素點(diǎn)是否比 鄰域內(nèi)點(diǎn)大的一個(gè)二進(jìn)制序列進(jìn)行統(tǒng)計(jì)），然后對(duì)該直方圖進(jìn)行歸一化處理。最后將得到的 每個(gè)cell的統(tǒng)計(jì)直方圖進(jìn)行連接，就得到了整幅圖的LBP紋理特征。
[0034] 本方法采用像素的局部二值相似性模式值來(lái)進(jìn)行比較，局部二值相似性模式值 (LBSP)是LBP方法的一種變形，包括W下幾個(gè)步驟：
[0035] (11)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖圖像；
[0036] (12)對(duì)第一帖圖像中的每個(gè)像素點(diǎn)，計(jì)算W每個(gè)像素點(diǎn)為中屯、的NXN鄰域內(nèi)各像 素和中屯、像素的相似性關(guān)系，通過(guò)W下公式度量：
[0037]
[0038] 其中，ic表示中屯、像素點(diǎn)的像素值，i表示W(wǎng)ic為中屯、的NXN鄰域的一個(gè)像素點(diǎn)的 像素值，Td為所設(shè)闊值，11-1。|表示兩像素值作差后的絕對(duì)值，）用來(lái)衡量?jī)上袼攸c(diǎn)之 間的相似性，當(dāng)I i-i。I小于闊值Td時(shí)，表示兩像素點(diǎn)之間相似
.反之，則表示兩 像素點(diǎn)之間不相似
[0039] (13)根據(jù)每個(gè)像素點(diǎn)與每個(gè)像素點(diǎn)鄰域像素點(diǎn)的相似性關(guān)系，提取其局部二值相 似性模式描述子，構(gòu)建背景模型，描述子為：
[0040]
[0041] 其中，LBSP(x，y)表示像素點(diǎn)（x，y)的局部二值相似性模式描述子，P表示像素點(diǎn) (X，y)的鄰域像素點(diǎn)的個(gè)數(shù)，表示像素點(diǎn)(X，y)與像素點(diǎn)(X，y)第P個(gè)鄰域像素 點(diǎn)的相似度，按順序?qū) X N鄰域的相似度的值進(jìn)行排列，形成一個(gè)二值化的字碼，將運(yùn)二值 化字碼轉(zhuǎn)成十進(jìn)制數(shù)，則得到該中屯、像素點(diǎn)(x，y)的局部二值相似性模式值LBSP(x，y)。
[0042] (2)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖后的所有帖圖像，計(jì)算第一帖后的所有 帖圖像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局部二值相似性模式值 與相同位置的背景模型進(jìn)行相似性比較;具體步驟為：
[0043] (21)抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一帖后的所有帖圖像；
[0044] (22)對(duì)第一帖后的所有帖圖像的各個(gè)通道，計(jì)算每個(gè)通道的各個(gè)像素點(diǎn)的局部二 值相似性模式值MLBSPU，y
[0045] (23)背景模型中像素點(diǎn)(X，y)的局部二值相似性模式值為L(zhǎng)BSP(X，y)，求取的LBSP (x，y)和 MLBSP(x，y)的相似度，采用 Ll 距離:LlDist(LBSP(x，y)，MLBSP(x，y))。
[0046] (3)通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景;通過(guò)相似性比較判斷各像素 點(diǎn)是前景還是背景的具體步驟為：
[0047] (31)設(shè)置最小化的局部二值相似性模式值闊值為T(mén)desc;
[004引（32)LlDist化BSPU，y)，MLBSP(x，y)) ^Tdesc則該像素點(diǎn)判別為前景；LlDist (LBSP (X，y)，MLBSP (X，y)) <Tdesc則該像素點(diǎn)判別為背景。
[0049] (4)如果背景變化，轉(zhuǎn)到步驟(1)，更新背景模型，再執(zhí)行步驟(2)和步驟(3)。
[0050] 根據(jù)背景更新策略對(duì)背景模型進(jìn)行更新，背景模型的更新就是使得背景模型能夠 適應(yīng)背景的不斷變化，比如光照的變化，背景物體的變更等等，本發(fā)明采用聯(lián)合常見(jiàn)的保守 的更新策略和前景點(diǎn)計(jì)數(shù)方法。保守的更新策略為:前景點(diǎn)永遠(yuǎn)不會(huì)被用來(lái)填充背景模型。 在此加入前景點(diǎn)計(jì)數(shù)，對(duì)像素點(diǎn)進(jìn)行統(tǒng)計(jì)，如果某個(gè)像素點(diǎn)連續(xù)N次(N為所設(shè)闊值)被檢測(cè) 為前景，則將其更新為背景點(diǎn)。根據(jù)更新了的背景模型，繼續(xù)檢測(cè)視頻帖中的運(yùn)動(dòng)目標(biāo)。
[0051] 本發(fā)明使用最新發(fā)布的CD化t數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化的評(píng)價(jià)，證明我們充分利用了視 頻序列的空間和時(shí)間信息，與其它相對(duì)較復(fù)雜的算法相比我們的算法結(jié)果更優(yōu)。
【主權(quán)項(xiàng)】
1. 一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括如下步驟： (1) 抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀圖像，提取第一幀圖像中的每個(gè)像素點(diǎn)的局 部二值相似性模式描述子，構(gòu)建背景模型； (2) 抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀后的所有幀圖像，計(jì)算第一幀后的所有幀圖 像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局部二值相似性模式值與相 同位置的背景模型進(jìn)行相似性比較； (3) 通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景； (4) 如果背景變化，轉(zhuǎn)到步驟(1)，更新背景模型，再執(zhí)行步驟(2)和步驟(3)。2. 根據(jù)權(quán)利要求1所述的一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征 在于:所述步驟（1)中，抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀圖像，提取第一幀圖像中的每 個(gè)像素點(diǎn)的局部二值相似性模式描述子，構(gòu)建背景模型的具體步驟為： (11) 抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀圖像； (12) 對(duì)第一幀圖像中的每個(gè)像素點(diǎn)，計(jì)算以每個(gè)像素點(diǎn)為中心的N X N鄰域內(nèi)各像素和 中心像素的相似性關(guān)系，通過(guò)以下公式度量：其中，i。表示中心像素點(diǎn)的像素值，i表示以i。為中心的NXN鄰域的一個(gè)像素點(diǎn)的像素 值，Td為所設(shè)閾值，I i-i。I表示兩像素值作差后的絕對(duì)值，& (Ut)用來(lái)衡量?jī)上袼攸c(diǎn)之間的 相似性，當(dāng)I i-i。I小于閾值Td時(shí)，表示兩像素點(diǎn)之間相似乂,（/·() = I，反之，則表示兩像素 點(diǎn)之間不相似，夂（/'，〇 = (); (13) 根據(jù)每個(gè)像素點(diǎn)與每個(gè)像素點(diǎn)鄰域像素點(diǎn)的相似性關(guān)系，提取其局部二值相似性 模式描述子，構(gòu)建背景模型，描述子為：其中，LBSP(x，y)表示像素點(diǎn)（x，y)的局部二值相似性模式描述子，P表示像素點(diǎn)（x，y) 的鄰域像素點(diǎn)的個(gè)數(shù)，表示像素點(diǎn)(x，y)與像素點(diǎn)(x，y)第P個(gè)鄰域像素點(diǎn)的相 似度，按順序?qū) X N鄰域的相似度的值進(jìn)行排列，形成一個(gè)二值化的字碼，將這二值化字碼 轉(zhuǎn)成十進(jìn)制數(shù)，則得到該中心像素點(diǎn)(X，y)的局部二值相似性模式值LBSP (X，y)。3. 根據(jù)權(quán)利要求1所述的一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征 在于:所述步驟(2)中，抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀后的所有幀圖像，計(jì)算第一幀 后的所有幀圖像中每個(gè)像素點(diǎn)的局部二值相似性模式值，并將每個(gè)像素點(diǎn)的局部二值相似 性模式值與相同位置的背景模型進(jìn)行相似性比較的具體步驟為： (21) 抽取包含運(yùn)動(dòng)目標(biāo)的視頻中的第一幀后的所有幀圖像； (22) 對(duì)第一幀后的所有幀圖像的各個(gè)通道，計(jì)算每個(gè)通道的各個(gè)像素點(diǎn)的局部二值相 似性模式值MLBSPU，y); (23) 背景模型中像素點(diǎn)（X，y)的局部二值相似性模式值為L(zhǎng)BSP(X，y)，求取的LBSP(X， y)和 MLBSP(x，y)的相似度 LlDist(LBSP(X，y)，MLBSP(X，y))。4.根據(jù)權(quán)利要求1所述的一種基于局部二值相似性模式的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征 在于:所述步驟(3)中，通過(guò)相似性比較判斷各像素點(diǎn)是前景還是背景的具體步驟為： (31)設(shè)置最小化的局部二值相似性模式值閾值為T(mén)d%。； y)，MLBSP (X，y))〈Tdesc則該像素點(diǎn)判別為背景。
【文檔編號(hào)】G06T7/20GK106023249SQ201610317159
【公開(kāi)日】2016年10月12日
【申請(qǐng)日】2016年5月13日
【發(fā)明人】李鴻升, 曹濱, 胡歡, 周輝, 范峻銘
【申請(qǐng)人】電子科技大學(xué)