專利名稱：一種運動目標(biāo)實時檢測方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像數(shù)據(jù)的處理方法，具體涉及一種運動目標(biāo)實時檢測方法， 用于從各種監(jiān)控場景中自動檢測運動目標(biāo)。
背景技術(shù)：
視頻監(jiān)控系統(tǒng)被廣泛應(yīng)用于銀行、超市、停車場、住宅小區(qū)等各種場合， 但是傳統(tǒng)的監(jiān)控系統(tǒng)一方面需要人工不間斷的觀察多個監(jiān)控屏幕，不僅要花費 大量的人力物力而且經(jīng)常發(fā)生漏警和誤警，不能做到實時有效的監(jiān)控；另一方 面無選擇的存儲監(jiān)控數(shù)據(jù)，需要大量的存儲空間，而且海量的數(shù)據(jù)使得檢索特 定的監(jiān)控內(nèi)容變得異常困難。隨著計算機(jī)軟硬技術(shù)的發(fā)展，視頻監(jiān)控的智能化 成了發(fā)展的熱點方向。智能監(jiān)控系統(tǒng)具有高效報警、無人參與、視頻標(biāo)注等優(yōu) 點，具有廣泛的應(yīng)用前景。
在智能視頻監(jiān)控系統(tǒng)中，底層的運動目標(biāo)提取(檢測)是一個重要的步驟。 提取出來的運動目標(biāo)的完整性，對后續(xù)的識別與跟蹤工作起著重要的作用。運 動目標(biāo)檢測最簡單的方法是幀差法，參見文獻(xiàn)i^ms" G丄.wcogm'"ow
Swtora/or 7k^wo/ogv， 7P卯，9(7, "45-70(12.但是這種方法只能提取出目 標(biāo)的輪廓，對噪聲也非常敏感，因此實用性不強(qiáng)。背景差方法是另外一種應(yīng)用 比較廣泛的運動目標(biāo)檢測方法，該方法通過對視頻序列當(dāng)前幀和參考背景(背 景模型)的比較，當(dāng)差大于某個閾值的時候，判斷該像素屬于前景(運動目標(biāo))， 否則屬于背景。背景差法參見文獻(xiàn)C. 5"to^w "m/ K五.丄.O/wwow, "y^qp"ve 6acAgroww/附^cfwre附ocfe/s》r /rach'rtg, " /Voc. Cow/ Cowpwfer J^sz'o"
背景差方法的研究主要集中在如何建立合適的背景模型，但由于監(jiān)控場景 的復(fù)雜性，目前的背景建模方法在背景更新、背景擾動、虛假目標(biāo)判斷以及陰
9影抑制等方面存在許多不足，使得目標(biāo)檢測具有不穩(wěn)定性。因此，尋求一種更 有效的背景建模方法是準(zhǔn)確檢測運動目標(biāo)的途徑之一。

發(fā)明內(nèi)容
本發(fā)明提出一種運動目標(biāo)實時檢測方法，解決現(xiàn)有運動目標(biāo)檢測中背景建 模方法在背景更新、背景擾動、虛假目標(biāo)判斷以及陰影抑制等方面存在的不足， 使目標(biāo)檢測具有穩(wěn)定性和實用性，用于處理復(fù)雜監(jiān)控場景的運動目標(biāo)檢測。
本發(fā)明的一種運動目標(biāo)實時檢測方法，包括 (3) 建立模型步驟對第t幀圖像中U J)位置處的像素d,，建立M
個高斯模型，2,,/,,的像素值1",,為ir/r色彩空間矢量
W，
其概率密度函數(shù)P(《.，")為M個高斯模型的線性組合
(2;r)5
式中，/^，,(A)和、;,)分別為第f幀圖像中(/,i)位置處的像素 Q,^第^個高斯模型的權(quán)值、在H/F色彩空間的均值矢量和標(biāo)準(zhǔn)方差矢量
=(",」/^」，^;,/^/)' )/^」/
J,，p("表示a ,V，,("的轉(zhuǎn)置，/為3X3的單位矩陣，M為3 5， 1
《!'《R, 1《J《C， R為圖像的行數(shù)，C為圖像的列數(shù)；
(4) 模型初始化步驟用第一幀圖像中(/, i)位置處的像素&,,的像素
值A(chǔ),W初始化該像素處的M個高斯模型，
第A個高斯模型的權(quán)值 ,/A:^1/(2A:+1)， & = 1 ~ M ，
第A個高斯模型的均值矢量/^， W) = ， A: = 1 ~ M ，第^個高斯模型的標(biāo)準(zhǔn)方差7分量^,1^」取值為20 30，
第)t個高斯模型的標(biāo)準(zhǔn)方差c/、 F分量 /w和 /;w取值為10 20;
在A/個高斯模型中，取權(quán)值氣w(t)》77/的高斯模型表示背景模型，其余的 為前景模型，背景閾值77/=0.15 0.25 ;
(3) 目標(biāo)檢測與模型更新步驟從第二幀圖像開始，進(jìn)行如下過程，形成 二值圖像
(3. 1)將像素0w的像素值《^依次與背景模型進(jìn)行比較，判斷其是否滿 足背景模型中的任何一個，是則像素C,為背景，按背景模型更新其對應(yīng)的M 個高斯模型，轉(zhuǎn)過程(3.4);否則進(jìn)行過程(3.2);
(3.2) 將像素2,,,,的像素值《,,<依次與前景模型進(jìn)行比較，判斷其是否滿 足前景模型中一個，是則像素2,,,,為目標(biāo)，按前景模型更新其對應(yīng)的M個高斯
模型，轉(zhuǎn)過程(3.4);否則進(jìn)行過程(3.3);
(3.3) 將像素a,.,判斷為目標(biāo)，更新候選模型，轉(zhuǎn)過程(3.4);
(3. 4)根據(jù)更新后的各模型權(quán)值再重新劃分背景模型和前景模型，在M個 高斯模型中，取權(quán)值氣,,("》7^的高斯模型表示背景模型，其余的為前景模型， 背景閾值77^=0.15 0.25;
(4) 虛假目標(biāo)處理步驟判斷前述步驟二值圖象中檢測的目標(biāo)是否為虛假
目標(biāo)；當(dāng)前像素2,w被判斷為目標(biāo)，則根據(jù)下式再將d,與重構(gòu)背景進(jìn)行比較， 如果滿足則認(rèn)為是虛假目標(biāo)，將2,^判斷為背景，否則保留2,^為目標(biāo)，得到 去除虛假目標(biāo)點的二值圖象
、<及吸,,)/及％(^,,)<72。
及(0丄,)、g(e",)、辨e,丄,)、t/(g^)、 「(0,,,)表示當(dāng)前像素2，,,的/ 、 g、丑 和"、k值，及美,)、g美,)、5美,)、f/美,)、f美,)表示當(dāng)前像素e,.,,
對應(yīng)的重構(gòu)背景的i 、 g、 b和c/、 r值，判決閾值 ;、 r2、 rul、 ru2、 t;,及^的取值范圍分別為0.8 0.1、 1.0 1.3、 0.8 1.0、 1.0 1.3、 0.8 1.0及1.0 1.3;
當(dāng)前像素0^對應(yīng)的重構(gòu)背景值為
及處(Q丄,)^/^,(maxJ， GSg(0,y,,) = >"",(maxG)，
丑取(Q丄,)"",(應(yīng)s)， ""a,,,) = 〃w(maxf,)，
//",(max》、；/,.丄,(maxG) 、 //",(max》、//",(maXu) 、 //,丄,(max》分另U表不當(dāng)ltH象素 2w對應(yīng)的M個高斯模型中權(quán)值最大的背景模型均值的i 、 G、 5、 t/、 F值；
(5) 陰影檢測步驟先判斷當(dāng)前幀圖像是否存在陰影，是則按如下過程檢 測并去除陰影，得到去除陰影的二值圖象，轉(zhuǎn)步驟(6);否則直接轉(zhuǎn)步驟(6);
對保留為目標(biāo)的像素2，,,根據(jù)下列三式進(jìn)行判斷，三式同時滿足，則像素 ",,為陰影，將U,為背景，否則保留^^為目標(biāo)-
^唱 , U "
式中、、與&美,)、u 、 ^美"分 別表示當(dāng)前像素2,丄,在^^色彩空間中的樂s、 r值以及與像素Q卬對應(yīng)的重
構(gòu)背景的if、 S、 r值，as=0.4 0.5， ps=0.8 l.O， ts=0.05 0.1， th=10 30; //、
S、 K值在/^F色彩空間中分別表示色度、飽和度、亮度；
(6) 后處理步驟為了使檢測出的目標(biāo)更完整，對步驟(4)和步驟(5)
的結(jié)果進(jìn)行如下處理
式中F是最終結(jié)果二值圖像，Ms是經(jīng)過步驟(4)處理后得到的二值圖像 再經(jīng)過形態(tài)學(xué)開運算的結(jié)果；M是經(jīng)過步驟(5)處理后得到的二值圖像再經(jīng)過 腐蝕去除孤立的點后的結(jié)果；S￡為NxN的結(jié)構(gòu)元素，N=3 7， M①犯表示以M為結(jié)構(gòu)元素對Jl/做膨脹運算，n表示取交集；
(7) 確定目標(biāo)區(qū)域步驟
對步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素做八鄰域連通分析， 將該幀圖像中保留為目標(biāo)的像素合并成目標(biāo)塊，并得到各個目標(biāo)塊的外接矩形, 由各個目標(biāo)塊的外接矩形構(gòu)成當(dāng)前幀圖像的真實目標(biāo)區(qū)域，將當(dāng)前幀圖像的真 實目標(biāo)區(qū)域擴(kuò)大10% 20%作為下一幀圖像的預(yù)測目標(biāo)區(qū)域；
(8) 背景的整體更新步驟
統(tǒng)計步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素數(shù)量，判斷其是否 小于該幀圖像所有像素數(shù)量的50% 80%，是則背景不整體更新；否則背景整體 更新，將整幀圖像中各像素點的最大權(quán)值背景模型進(jìn)行參數(shù)替換，用當(dāng)前幀圖 像對應(yīng)像素點的像素值代替最大權(quán)值背景模型的均值，最大權(quán)值背景模型的權(quán) 值置為0.5 0.8，最大權(quán)值背景模型的標(biāo)準(zhǔn)方差置為20 30;
(9) 輸出步驟輸出檢測結(jié)果，轉(zhuǎn)步驟(3)檢測下一幀圖像，直到視頻檢 測結(jié)束。
所述的運動目標(biāo)實時檢測方法，其特征在于
所述目標(biāo)檢測與模型更新步驟中，將像素2w的像素值《,,,依次與背景模 型和前景模型進(jìn)行比較時，根據(jù)下式判別當(dāng)前幀圖像像素2,,力,的像素值《,,,滿 足M個高斯模型的哪一個模型
I ~.,⑥_ C, 1<騰(『x 7 J，義)
滿足上式，則認(rèn)為像素2,,,,,滿足第A個模型，不再進(jìn)行比較，否則繼續(xù)與 下一個高斯模型進(jìn)行比較，直到所有的高斯模型比較結(jié)束；式中『和義是系數(shù)， 當(dāng)前像素^,,,,在預(yù)測目標(biāo)區(qū)域外時，『=2.0 3.0，義=10 20;當(dāng)前像素Q^在 預(yù)測目標(biāo)區(qū)域內(nèi)時，『=1.0 2.0， ；i=5 io;開始檢測時，認(rèn)為當(dāng)前像素Q》.,, 處于預(yù)測目標(biāo)區(qū)域外，此后，則將上一幀圖像真實目標(biāo)區(qū)域擴(kuò)展10% 20%作為 當(dāng)前幀圖像的預(yù)測目標(biāo)區(qū)域。所述的運動目標(biāo)實時檢測方法，其特征在于
所述目標(biāo)檢測與模型更新步驟中，更新像素2,y,對應(yīng)的M個高斯模型時，
(1) 所述背景模型和前景模型更新的過程為
當(dāng)前像素a力,,的像素值義,^與己存在的第&個高斯模型匹配，
(1.1) 匹配的高斯模型的權(quán)值按下式更新
Aj., /+1 (" = (1 _ "/t, (A) + "ytM/，/，, (A) , 式中，A/,.,y,f("=l，
^ _ ^廠"",fwn《,"-",,"w)/2( .,(")r ,,("
亮度最大間隔長度的函數(shù)"/: "/=0.03-min(0.025，" + ^^77W)，
其中，"=0.005 0.01，亮度最大間隔長度/定義為相同位置上的像素值 出現(xiàn)在同一亮度區(qū)間的最大間隔，描述類似場景是否反復(fù)出現(xiàn)，類似場景反復(fù) 出現(xiàn)，則/較??；
(1.2) 匹配的高斯模型的均值和方差按下式更新
式中Ad '("^"—"".'(")/2(^(")、"w ，織翻于前景模型時
P取值為0.01 0.02，該模型屬于背景模型時"取值為0.02 0.03;
(1.3) 對于其他不匹配的M- 7個模型，則權(quán)值更新時，取M,.，,";t)-0， 均值//,,,,)和方差<,,,(*)保持不變；
(2) 所述候選高斯模型更新的過程為
(2.1)判斷當(dāng)前是否存在候選高斯模型，是則轉(zhuǎn)過程(2.2);否則生成一 個高斯模型，用當(dāng)前像素&,,,的像素值義,^初始化該高斯模型的均值，并將其 權(quán)值賦予0.05 0.15，標(biāo)準(zhǔn)方差為20 30，作為候選高斯模型，然后轉(zhuǎn)過程(2.2);
14(2.2) 候選高斯模型的均值與方差更新與所述過程(1.2)相同；權(quán)值則按 下式更新
,"1 (" = (1 - "it M-J, f (" + "A:
其中
C^l/(l + e呵簡-C))
式中的常數(shù)7^m用來控制前景像素保持靜止后被融入為背景的時間，取值 范圍為50 500;計數(shù)器C計算當(dāng)前像素的像素值與候選高斯模型匹配的次數(shù)；
(2.3) 判斷更新后的候選高斯模型權(quán)值是否大于閾值4(r"取0.3 0.5)， 是則用候選高斯模型代替原有M個高斯模型中權(quán)值最小的一個，將該新高斯模 型的權(quán)值設(shè)為0.1 0.2，并對M個高斯模型權(quán)值重新進(jìn)行規(guī)一化，同時，候選 高斯模型消亡，計數(shù)器c清零，結(jié)束候選高斯模型更新過程；否則直接結(jié)束候 選高斯模型更新過程。
所述的運動目標(biāo)實時檢測方法，其特征在于
所述陰影檢測步驟中，判斷當(dāng)前幀圖像是否存在陰影的過程為
(1) 在經(jīng)過所述虛假目標(biāo)處理步驟得到的二值圖像中逐點掃描目標(biāo)點，記 下目標(biāo)點在二值圖像中的坐標(biāo)，根據(jù)坐標(biāo)找到當(dāng)前幀視頻中讀入的原圖像中相
應(yīng)像素的及、G、 S值，若該點及、G、石值均小于其相應(yīng)的背景i 、 G、 B值， 則將該點判為暗點，否則為亮點；
(2) 統(tǒng)計暗點和亮點數(shù)目，分別記為 和"6，并計算亮點的能量^:
<formula>formula see original document page 15</formula>式中/6、 /,.、 w、"分別表示亮點的亮度、鄰域集中像素點的亮度、鄰域集、
鄰域集中像素個數(shù)，鄰域集為四鄰域或八鄰域；
然后計算亮點所屬集合^的能量^以及暗亮對比值參數(shù)i^ :
<formula>formula see original document page 15</formula>(3)根據(jù)A和A的值判斷是否存在陰影，如果4<7!且^>7^2則當(dāng)前幀圖 像中存在陰影，否則不存在陰影，？i=20 30， r2=80 100。
本發(fā)明為每個像素點建立M個混合高斯模型以適應(yīng)復(fù)雜的監(jiān)控場景，并將 M個模型分為背景、前景兩類，為了能將場景中的樹葉、水波等微小干擾運動 排除在運動目標(biāo)之外，在檢測過程中建立了一個候選模型來描述這類運動，當(dāng) 候選模型的權(quán)重到達(dá)一定閾值時，將候選模型加入到背景模型中；三類模型擁 有各自的更新方式，可以根據(jù)權(quán)值相互轉(zhuǎn)換從而適應(yīng)場景的復(fù)雜性。
本發(fā)明只需要輸入的第一幀圖像來初始化模型，第二幀以后可開始檢測， 不需要純背景的采集，實用性更強(qiáng)；對虛假目標(biāo)以及陰影的處理提高了運動目 標(biāo)檢測的準(zhǔn)確性；基于形態(tài)學(xué)的后處理方法提高了檢測的完整性；為了能快速 適應(yīng)場景的突然變化(如光線驟變、場景改變等)，提出了整體更新措施；因而 更有效的檢測運動目標(biāo)，增強(qiáng)魯棒性。


圖l:本發(fā)明流程示意圖2:目標(biāo)檢測與模型更新步驟流程示意圖； 圖3A:陰影場景視頻輸入的第93幀原始圖像；
圖3B:陰影場景視頻第93幀圖像目標(biāo)檢測與模型更新步驟后結(jié)果；
圖3C:陰影場景視頻第93幀圖像虛假目標(biāo)處理和陰影處理步驟后結(jié)果；
圖3D:陰影場景視頻第93幀圖像后處理步驟后的最終結(jié)果；
圖4A:陰影場景視頻輸入的第234幀原始圖像；
圖4B:陰影場景視頻第234幀圖像目標(biāo)檢測與模型更新步驟后結(jié)果；
圖4C:陰影場景視頻第234幀圖像虛假目標(biāo)處理和陰影處理步驟后結(jié)果；
圖4D:陰影場景視頻第234幀圖像后處理步驟后的最終結(jié)果。
具體實施例方式
圖l為本發(fā)明流程示意圖。
以下結(jié)合一個具體實例對本發(fā)明進(jìn)一步說明。 (1)建立模型
從分辨率為320X240的陰影場景視頻中讀入一幀如圖3A和圖4A所示的原
始圖像，在rt/F色彩空間對該幀圖像的每一像素點進(jìn)行混合高斯建模，使用4個
高斯模型來表征圖像中各個像素點的特征。設(shè)《,,,,為第1幀圖像中位置為U,》 (1《/《320,1《J《240)，的像素的像素值矢量，其值為/^.乂,， t/,丄,，K,,/ ， 其概率密度函數(shù)戶(X,》，,)能寫成4個高斯模型的線性組合
尸"/,jv ) = -^-6 (i)
另外，為了適應(yīng)背景擾動，在檢測過程中將根據(jù)檢測結(jié)果動態(tài)地生成一個
候選模型，即如果某像素不滿足4個模型中的任何一個，則生成一個候選模型。
(2) 模型初始化
讀入第一幀圖像時，需要對混合高斯模型進(jìn)行初始化，即用第一幀圖像中 G) J)位置處的像素0w的像素值A(chǔ)，p初始化該像素處的4個高斯模型 第A個高斯模型的權(quán)值 1/(2"1)， & = 1 4
第^個高斯模型的均值矢量 ~， = A，w ， A = 1 ~ 4 第k個高斯模型的標(biāo)準(zhǔn)方差F分量a,.,/JfcJ取值為20， 第&個高斯模型的標(biāo)準(zhǔn)方差f/、 r分量 /^J和^,/;t"取值為10;
在4個高斯模型中，取權(quán)值w,^(ifc)》0.20的高斯模型表示背景模型，其余的 為前景模型；
(3) 目標(biāo)檢測與模型更新
從讀入的第二幀圖像開始，如圖2所示，按照下述過程檢測目標(biāo)并更新混合 高斯模型，形成如圖3B和圖4B所示的二值圖像 (3.1)目標(biāo)檢測
將第f幀圖像中位置為(力^)的像素2,,,,的像素值《./,按下式依次與像素d,對應(yīng)的背景模型和前景模型進(jìn)行比較
'iMv/^J-""， |<wax(『XCT",(^J," A: = 1 ~ 4 (2)
滿足上式，則認(rèn)為像素仏,..,滿足第A個模型，當(dāng)前像素2,,,,在預(yù)測目標(biāo)區(qū)
域外時，取『=2.5，義=15;當(dāng)前像素^,,,在預(yù)測目標(biāo)區(qū)域內(nèi)時，取『=1.5， A =6;開始檢測時，認(rèn)為當(dāng)前像素C,處于預(yù)測目標(biāo)區(qū)域外，此后，則將上一幀 圖像真實目標(biāo)區(qū)域擴(kuò)展15%作為當(dāng)前幀圖像的預(yù)測目標(biāo)區(qū)域。
如果像素2,,,,的像素值d,滿足背景模型中的任何一個高斯模型，則判定
該點為背景點，并停止往下比較，轉(zhuǎn)過程(3.2)進(jìn)行模型更新；否則像素2,,,,,的
像素值《,,,,繼續(xù)與表示前景的高斯模型比較，如果滿足其中任意一個前景模型，
則判定該點為目標(biāo)點，同時轉(zhuǎn)過程(3.2)進(jìn)行模型更新；否則，先將像素d,判
斷為目標(biāo)點，然后轉(zhuǎn)過程(3.3) (3.2)模型更新
當(dāng)前像素2,,,，,的像素值1,,,,,與已存在的第^個高斯模型匹配(該模型可能 是背景也可能是前景)，則該高斯模型的權(quán)值按下式更新
， ,+i (" = (i - q M j-， / 0) + "^,;，, W (3)
式(3)中M,.丄,(A:" 1，
— "/e (4)
亮度最大間隔長度函數(shù)",為
"/ = 0.03 一 min(0.025," ++ ;//2。)) (5)
其中，"=0.005,亮度最大間隔長度/定義為相同位置上的像素值出現(xiàn)在 同一亮度區(qū)間的最大間隔，描述類似場景是否反復(fù)出現(xiàn)，類似場景反復(fù)出現(xiàn)， 則/較小
該模型的均值和方差按式(6)更新(6)
式⑥中A = ，其中錄據(jù)翻
是否描述背景而取不同的值，以便控制背景更新和前景更新的速度，前景更新
時，^=0.0125;背景更新時，"=0.025。
對于其他不匹配的3個模型則取似,.，,,(*)=0， 而均值/^,,(*)和方差 ^,、,.,W保持不變。
(3.3)候選模型的生成與更新
如果目前不存在候選高斯模型，則生成一個高斯模型，并用當(dāng)前像素2^的
像素值《,w來初始化該高斯模型的均值，并賦予較小的權(quán)值為O.l，標(biāo)準(zhǔn)方差為
20，作為候選高斯模型，然后更新候選高斯模型；否則，直接更新候選高斯模 型
候選高斯模型模型的均值與方差按式(6)進(jìn)行更新，權(quán)值則按下式更新
， ,+1 = (1 - q, (" + % (7)
其中
"*=1/(1 + ,単1 (8)
式(8)中的常數(shù)T^m用來控制前景像素保持靜止后被融入為背景的時間， 檢測的前100幀，取7ferm = 50;檢測到100幀之后，取7fem7 = 200;計數(shù)器c 用來計算當(dāng)前像素的像素值與候選高斯模型匹配的次數(shù)。
如果更新后的候選高斯模型權(quán)值大于閾值0.3時，則用候選高斯模型代替原 有4個高斯模型中權(quán)值最小的一個，并將權(quán)值設(shè)定為0.15，并對新的4個模型 權(quán)值重新進(jìn)行規(guī)一化；候選高斯模型消亡，計數(shù)器c清零，轉(zhuǎn)過程(3.4);否則， 直接轉(zhuǎn)過程(3.4)(3.4)重新劃分背景模型和前景模型
模型更新完成后，根據(jù)權(quán)值再次對背景模型和前景模型進(jìn)行劃分取權(quán)值 ^,,^》0.20的高斯模型表示背景模型，其余的為前景模型。
(4) 虛假目標(biāo)處理
當(dāng)前像素0,w被判斷為目標(biāo)，則根據(jù)下式再將仏,,與重構(gòu)背景進(jìn)行比較， 如果滿足則認(rèn)為是虛假目標(biāo)，將2",判斷為背景，否則保留。,,,,為目標(biāo)，得到 去除虛假目標(biāo)的二值圖像
7^<5(0,,7,,)/^(0,，〃)<7^ (9) ^<"(^，,)/^(2,,,,)<7:211
&<「(&》/、(^》<7;2
式(9)中判決閾值7;、 r2、 、 r 2、；及7;2的取值分別取0.85、 1.25、 0.9、 1.2、 0.9及1.2。
(5) 陰影檢測和抑制
如果在陰影存在性判斷中，& <30并且& >0.9，則當(dāng)前幀圖像中存在陰 影，需要按照以下方法檢測并去除陰影，得到去除陰影的如圖3C和圖4C所示二 值圖像，轉(zhuǎn)步驟(6);否則直接轉(zhuǎn)步驟(6):
對保留為目標(biāo)的像素C,根據(jù)下列三式進(jìn)行判斷，三式同時滿足，則像素 C,為陰影，將2,,,,判斷為背景，否則保留2^為目標(biāo)
<formula>formula see original document page 20</formula> (10)
式(10)中，&=0丄/ 一見％=瞎，^=30。
6)后處理步驟為了使檢測出的目標(biāo)更完整，對步驟(4)和步驟(5)的 結(jié)果進(jìn)行如下處理F = A^(A/@S￡) (11) 式(11)中F是最終結(jié)果，如圖3D和圖4D所示，Ms是經(jīng)過步驟(4) 處理后得到的二值圖像再經(jīng)過模板大小為3 x 3的形態(tài)學(xué)開運算的結(jié)果；M是經(jīng) 過步驟(5)處理后得到的二值圖再經(jīng)過模板大小為3 x 3的腐蝕去除孤立的點 后的結(jié)果；S￡為3 x 3的結(jié)構(gòu)元素； (7)確定目標(biāo)區(qū)域
對步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素做八鄰域連通分析， 將該幀圖像中保留為目標(biāo)的像素合并成目標(biāo)塊，并得到各個目標(biāo)塊的外接矩形， 由各個目標(biāo)塊的外接矩形構(gòu)成當(dāng)前幀圖像的真實目標(biāo)區(qū)域，將當(dāng)前幀圖像的真 實目標(biāo)區(qū)域擴(kuò)大15%作為下一幀圖像的預(yù)測目標(biāo)區(qū)域；
(8) 模型的整體更新
統(tǒng)計步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素數(shù)量，判斷其是否 小于該幀圖像所有像素數(shù)量的65%，是則背景不整體更新；否則背景整體更新， 將整幀圖像中所有像素點的最大權(quán)值背景模型進(jìn)行參數(shù)替換，用當(dāng)前幀圖像像 素值代替均值，權(quán)值置為0.5，標(biāo)準(zhǔn)方差置為20。
(9) 輸出后最終檢測結(jié)果，轉(zhuǎn)步驟(3)檢測下一幀圖像，直到視頻檢測結(jié)束。
權(quán)利要求
1. 一種運動目標(biāo)實時檢測方法，包括(1)建立模型步驟對第t幀圖像中(i，j)位置處的像素Qi，j，t，建立M個高斯模型，Qi，j，t的像素值Xi，j，t為YUV色彩空間矢量Xi，j，t＝{Yi，j，t，Ui，j，t，Vi，j，t}T，其概率密度函數(shù)P(Xi，j，t)為M個高斯模型的線性組合式中，ωi，j，t(k)、μi，j，t(k)和σi，j，t(k)分別為第t幀圖像中(i，j)位置處的像素Qi，j，t第k個高斯模型的權(quán)值、在YUV色彩空間的均值矢量和標(biāo)準(zhǔn)方差矢量μi，j，t(k)＝{μi，j，t(kY)，μi，j，t(kU)，μi，j，t(kV)}Tσi，j，t(k)＝{σi，j，t(kY)，σi，j，t(kU)，σi，j，t(kV)}TσTi，j，t(k)表示σi，j，t(k)的轉(zhuǎn)置，I為3×3的單位矩陣，M為3～5，1≤i≤R，1≤j≤C，R為圖像的行數(shù)，C為圖像的列數(shù)；(2)模型初始化步驟用第一幀圖像中(i，j)位置處的像素Qi，j，1的像素值Xi，j，1初始化該像素處的M個高斯模型，第k個高斯模型的權(quán)值ωi，j，1(k)＝1/(2k+1)，k＝1～M，第k個高斯模型的均值矢量μi，j，1(k)＝Xi，j，1， k＝1～M，第k個高斯模型的標(biāo)準(zhǔn)方差Y分量σi，j，1(kY)取值為20～30，第k個高斯模型的標(biāo)準(zhǔn)方差U、V分量σi，j，1(kU)和σi，j，1(kV)取值為10～20；在M個高斯模型中，取權(quán)值ωi，j，1(k)≥TH的高斯模型表示背景模型，其余的為前景模型，背景閾值TH＝0.15～0.25；(3)目標(biāo)檢測與模型更新步驟從第二幀圖像開始，進(jìn)行如下過程，形成二值圖象(3. 1)將像素Qi，j，t的像素值Xi，j，t依次與背景模型進(jìn)行比較，判斷其是否滿足背景模型中的任何一個，是則像素Qi，j，t為背景，按背景模型更新其對應(yīng)的M個高斯模型，轉(zhuǎn)過程(3.4)；否則進(jìn)行過程(3.2)；(3. 2)將像素Qi，j，t的像素值Xi，j，t依次與前景模型進(jìn)行比較，判斷其是否滿足前景模型中一個，是則像素Qi，j，t為目標(biāo)，按前景模型更新其對應(yīng)的M個高斯模型，轉(zhuǎn)過程(3.4)；否則進(jìn)行過程(3.3)；(3. 3)將像素Qi，j，t判斷為目標(biāo)，更新候選模型，轉(zhuǎn)過程(3.4)；(3. 4)根據(jù)更新后的各模型權(quán)值再重新劃分背景模型和前景模型，在M個高斯模型中，取權(quán)值ωi，j，t(k)≥TH的高斯模型表示背景模型，其余的為前景模型，背景閾值TH＝0.15～0.25；(4)虛假目標(biāo)處理步驟判斷前述步驟二值圖象中檢測的目標(biāo)是否為虛假目標(biāo)；當(dāng)前像素Qi，j，t被判斷為目標(biāo)，則根據(jù)下式再將Qi，j，t與重構(gòu)背景進(jìn)行比較，如果滿足則認(rèn)為是虛假目標(biāo)，將Qi，j，t判斷為背景，否則保留Qi，j，t為目標(biāo)，得到去除虛假目標(biāo)點的二值圖象R(Qi，j，t)、G(Qi，j，t)、B(Qi，j，t)、U(Qi，j，t)、V(Qi，j，t)表示當(dāng)前像素Qi，j，t的R、G、B和U、V值，RBg(Qi，j，t)、GBg(Qi，j，t)、BBg(Qi，j，i)、UBg(Qi，j，t)、VBg(Qi，j，t)表示當(dāng)前像素Qi，j，t對應(yīng)的重構(gòu)背景的R、G、B和U、V值，判決閾值T1、T2、Tu1、Tu2、Tv1及Tv2的取值范圍分別為0.8～0.1、1.0～1.3、0.8～1.0、1.0～1.3、0.8～1.0及1.0～1.3；當(dāng)前像素Qi，j，t對應(yīng)的重構(gòu)背景值為RBg(Qi，j，t)＝μi，j，t(maxR)，GBg(Qi，j，t)＝μi，j，t(maxG)，BBg(Qi，j，t)＝μi，j，t(maxB)，UBg(Qi，j，t)＝μi，j，t(maxU)，VBg(Qi，j，t)＝μi，j，t(maxV)，μi，j，t(maxR)、μi，j，t(maxG)、μi，j，t(maxB)、μi，j，t(maxU)、μi，j，t(maxV)分別表示當(dāng)前像素Qi，j，t對應(yīng)的M個高斯模型中權(quán)值最大的背景模型均值的R、G、B、U、V值；(5)陰影檢測步驟先判斷當(dāng)前幀圖像是否存在陰影，是則按如下過程檢測并去除陰影，得到去除陰影的二值圖象，轉(zhuǎn)步驟(6)；否則直接轉(zhuǎn)步驟(6)；對保留為目標(biāo)的像素Qi，j，t根據(jù)下列三式進(jìn)行判斷，三式同時滿足，則像素Qi，j，t為陰影，將Qi，j，t判斷為背景，否則保留Qi，j，t為目標(biāo)(S(Qi，j，t)-SBg(Qi，j，t))≤τS，|H(Qi，j，t)-HBg(Qi，j，t)|≤τH，式中H (Qi，j，t)、S(Qi，j，t)、V(Qi，j，t)與HBg(Qi，j，t)SBg(Qi，j，t)、VBg(Qi，j，t)分別表示當(dāng)前像素Qi，j，t在HSV色彩空間中的H、S、V值以及與像素Qi，j，t對應(yīng)的重構(gòu)背景的H、S、V值，αS＝0.4～0.5，βS＝0.8～1.0，τS＝0.05～0.1，τH＝10～30；H、S、V值在HSV色彩空間中分別表示色度、飽和度、亮度；(6)后處理步驟為了使檢測出的目標(biāo)更完整，對步驟(4)和步驟(5)的結(jié)果進(jìn)行如下處理式中F是最終結(jié)果二值圖像，Ms是經(jīng)過步驟(4)處理后得到的二值圖像再經(jīng)過形態(tài)學(xué)開運算的結(jié)果；M是經(jīng)過步驟(5)處理后得到的二值圖像再經(jīng)過腐蝕去除孤立的點后的結(jié)果；SE為N×N的結(jié)構(gòu)元素，N＝3～7，表示以SE為結(jié)構(gòu)元素對M做膨脹運算，∩表示取交集；(7)確定目標(biāo)區(qū)域步驟對步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素做八鄰域連通分析，將該幀圖像中保留為目標(biāo)的像素合并成目標(biāo)塊，并得到各個目標(biāo)塊的外接矩形，由各個目標(biāo)塊的外接矩形構(gòu)成當(dāng)前幀圖像的真實目標(biāo)區(qū)域，將當(dāng)前幀圖像的真實目標(biāo)區(qū)域擴(kuò)大10％～20％作為下一幀圖像的預(yù)測目標(biāo)區(qū)域；(8)背景的整體更新步驟統(tǒng)計步驟(6)形成的二值圖像中保留為目標(biāo)的所有像素數(shù)量，判斷其是否小于該幀圖像所有像素數(shù)量的50％～80％，是則背景不整體更新；否則背景整體更新，將整幀圖像中各像素點的最大權(quán)值背景模型進(jìn)行參數(shù)替換，用當(dāng)前幀圖像對應(yīng)像素點的像素值代替最大權(quán)值背景模型的均值，最大權(quán)值背景模型的權(quán)值置為0.5～0.8，最大權(quán)值背景模型的標(biāo)準(zhǔn)方差置為20～30；(9)輸出步驟輸出檢測結(jié)果，轉(zhuǎn)步驟(3)檢測下一幀圖像，直到視頻檢測結(jié)束。
2. 如權(quán)利要求l所述的運動目標(biāo)實時檢測方法，其特征在于 所述目標(biāo)檢測與模型更新步驟中，將像素a,,的像素值％。,依次與背景模型和前景模型進(jìn)行比較時，根據(jù)下式判別當(dāng)前幀圖像像素2,.,，,的像素值《,,/滿 足M個高斯模型的哪一個模型I /^i("^rJ —1<附ox(『xcr,」./^:y義/1)J/"w/斗」—K丄，1〈w^x(『xo^/乓義A)滿足上式，則認(rèn)為像素2^,滿足第A:個模型，不再進(jìn)行比較，否則繼續(xù)與 下一個高斯模型進(jìn)行比較，直到所有的高斯模型比較結(jié)束；式中『和義是系數(shù)， 當(dāng)前像素2",在預(yù)測目標(biāo)區(qū)域外時，『=2.0 3.0，義=10 20;當(dāng)前像素2,,,,在 預(yù)測目標(biāo)區(qū)域內(nèi)時，『=1.0 2.0，義=5 10;開始檢測時，認(rèn)為當(dāng)前像素Q，,.,, 處于預(yù)測目標(biāo)區(qū)域外，此后，則將上一幀圖像真實目標(biāo)區(qū)域擴(kuò)展10% 20%作為 當(dāng)前幀圖像的預(yù)測目標(biāo)區(qū)域。
3. 如權(quán)利要求1或2所述的運動目標(biāo)實時檢測方法，其特征在于所述目標(biāo)檢測與模型更新步驟中，更新像素對應(yīng)的M個高斯模型時， (1)所述背景模型和前景模型更新的過程為當(dāng)前像素《,.，的像素值d,與已存在的第t個高斯模型匹配，(1.1)匹配的高斯模型的權(quán)值按下式更新必/J.， f+1 (" = (1 — "/t )必/，, f + %M!，/，,(" ，式中，A/,》.,("-l，"A: — w, ,亮度最大間隔長度的函數(shù)",= 0.03_min(0.025,a +1 + ^/0—//20))，其中，"=0.005 0.01，亮度最大間隔長度/定義為相同位置上的像素值 出現(xiàn)在同一亮度區(qū)間的最大間隔，描述類似場景是否反復(fù)出現(xiàn)，類似場景反復(fù) 出現(xiàn)，貝iJ/較??；(1.2)匹配的高斯模型的均值和方差按下式更新— A,, w (" = (1 — A) A,,, (" + A《，式中a =，織翻于前景模型時〃取值為O.Ol 0.02，該模型屬于背景模型時〃取值為0.02 0.03;(1.3)對于其他不匹配的M- 7個模型，則權(quán)值更新時，取M^,()t"0，",="，均值,("和方差, W保持不變； (2)所述候選高斯模型更新的過程為(2.1) 判斷當(dāng)前是否存在候選高斯模型，是則轉(zhuǎn)過程(2.2);否則生成一 個高斯模型，用當(dāng)前像素2,^的像素值《,w初始化該高斯模型的均值，并將其 權(quán)值賦予0.05 0.15，標(biāo)準(zhǔn)方差為20 30，作為候選高斯模型，然后轉(zhuǎn)過程(2.2);(2.2) 候選高斯模型的均值與方差更新與所述過程(1.2)相同；權(quán)值則按下式更新J, "1 (A) = 0 - "/t )f (" + %其中6<formula>formula see original document page 7</formula>式中的常數(shù)T^m用來控制前景像素保持靜止后被融入為背景的時間，取值 范圍為50 500;計數(shù)器c計算當(dāng)前像素的像素值與候選高斯模型匹配的次數(shù)； (2.3)判斷更新后的候選高斯模型權(quán)值是否大于閾值；(7;取0.3 0.5)， 是則用候選高斯模型代替原有M個高斯模型中權(quán)值最小的一個，將該新高斯模 型的權(quán)值設(shè)為0.1 0.2，并對M個高斯模型權(quán)值重新進(jìn)行規(guī)一化，同時，候選 高斯模型消亡，計數(shù)器c清零，結(jié)束候選高斯模型更新過程；否則直接結(jié)束候 選高斯模型更新過程。
4.如權(quán)利要求1或2所述的運動目標(biāo)實時檢測方法，其特征在于 所述陰影檢測步驟中，判斷當(dāng)前幀圖像是否存在陰影的過程為(1) 在經(jīng)過所述虛假目標(biāo)處理步驟得到的二值圖像中逐點掃描目標(biāo)點，記 下目標(biāo)點在二值圖像中的坐標(biāo)，根據(jù)坐標(biāo)找到當(dāng)前幀視頻中讀入的原圖像中相 應(yīng)像素的及、G、 B值，若該點i 、 G、 B值均小于其相應(yīng)的背景i 、 G、 S值， 則將該點判為暗點，否則為亮點；(2) 統(tǒng)計暗點和亮點數(shù)目，分別記為 和^，并計算亮點的能量^:<formula>formula see original document page 7</formula>式中A、 /;、 A、、 n分別表示亮點的亮度、鄰域集中像素點的亮度、鄰域集、 鄰域集中像素個數(shù)，鄰域集為四鄰域或八鄰域；然后計算亮點所屬集合^的能量&以及暗亮對比值參數(shù)& :<formula>formula see original document page 7</formula>(3)根據(jù)&和A的值判斷是否存在陰影，如果A^z;且A〉:r2則當(dāng)前幀圖像中存在陰影，否則不存在陰影，7i=20 30， r2=80 100。
5.如權(quán)利要求3所述的運動目標(biāo)實時檢測方法，其特征在于:所述陰影檢測步驟中，判斷當(dāng)前幀圖像是否存在陰影的過程為-(1) 在經(jīng)過所述虛假目標(biāo)處理步驟得到的二值圖像中逐點掃描目標(biāo)點，記 下目標(biāo)點在二值圖像中的坐標(biāo)，根據(jù)坐標(biāo)找到當(dāng)前幀視頻中讀入的原圖像中相應(yīng)像素的i 、 C 、萬值，若該點/ 、 G、 B值均小于其相應(yīng)的背景i 、 G、 5值， 則將該點判為暗點，否則為亮點；(2) 統(tǒng)計暗點和亮點數(shù)目，分別記為 和 ，并計算亮點的能量^:式中/6、 /,.、 A^、"分別表示亮點的亮度、鄰域集中像素點的亮度、鄰域集、 鄰域集中像素個數(shù)，鄰域集為四鄰域或八鄰域；然后計算亮點所屬集合^的能量&以及暗亮對比值參數(shù)& :5>6(3)根據(jù)^和Prf的值判斷是否存在陰影，如果^<7]且&>72則當(dāng)前幀圖 像中存在陰影，否則不存在陰影，71=20 30， r2=80 100。8
全文摘要
一種運動目標(biāo)實時檢測方法，屬于圖像數(shù)據(jù)的處理方法，解決現(xiàn)有運動目標(biāo)檢測中背景建模方法在背景更新、背景擾動、虛假目標(biāo)判斷以及陰影抑制等方面存在的不足，使目標(biāo)檢測具有穩(wěn)定性和實用性，用于處理復(fù)雜監(jiān)控場景的運動目標(biāo)檢測。本發(fā)明包括建立模型步驟，模型初始化步驟，目標(biāo)檢測與模型更新步驟，虛假目標(biāo)處理步驟，陰影檢測步驟，后處理步驟，確定目標(biāo)區(qū)域步驟，背景的整體更新步驟和輸出步驟。本發(fā)明提高了運動目標(biāo)檢測的準(zhǔn)確性、魯棒性和檢測目標(biāo)的完整性，更有效的檢測運動目標(biāo)，為目標(biāo)分類、跟蹤以及事件檢測奠定了基礎(chǔ)。
文檔編號G06T7/20GK101447082SQ20081023667
公開日2009年6月3日 申請日期2008年12月5日 優(yōu)先權(quán)日2008年12月5日
發(fā)明者呼志剛, 孫愛蓉, 田金文, 譚毅華 申請人:華中科技大學(xué)