專利名稱：一種基于背景重構(gòu)的運動目標檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對運動目標的檢測與處理系統(tǒng)，尤其涉及一種基于背景的運動目標處理方法與系統(tǒng)。
背景技術(shù)：
視頻序列中分割出運動目標，即從連續(xù)的視頻序列中將運動區(qū)域提取出來，區(qū)分 出運動前景和背景。智能監(jiān)控系統(tǒng)在無人干預(yù)的情況下對視頻序列的運動目標進行提取， 對提取的運動目標進行定位、識別和跟蹤，并對其進行分析和判斷目標的行為，能為后續(xù)的 目標識別、跟蹤、報警與記錄提供基礎(chǔ)，還能在異常情況發(fā)生時做出及時反應(yīng)。此外，除了在 智能監(jiān)控系統(tǒng)中的應(yīng)用外，在機械視覺、軍事科學(xué)等領(lǐng)域有著廣泛的應(yīng)用前景。常用的運動目標檢測方法共有三種光流法、幀差法和背景差分法。光流法能應(yīng)用 于攝像機運動的情況，但其計算量非常大，且對噪聲比較敏感，對硬件要求比較高；幀差法 計算量小、能實現(xiàn)實時的運動檢測，但分割出的運動目標不完整，檢測的運動目標容易出現(xiàn) 空洞和拉伸，甚至出現(xiàn)檢測不出運動目標的情況，嚴重影響了后續(xù)的應(yīng)用；背景差法通過構(gòu) 建出場景的背景圖像幀，將當(dāng)前幀和背景圖像作比較，能得到完整的運動目標，是一種最為 簡單和有效的方法，完全克服了相鄰幀差法的缺點。背景差分法簡單有效、易于實現(xiàn)，是實 時系統(tǒng)的首選。背景提取和更新又是背景差分法的核心，直接影響運動檢測的實時性與準 確性。近年來，國內(nèi)外的研究人員針對背景重構(gòu)算法進行了大量的研究。背景重構(gòu)算法 有兩類，一類是模型法，另一類是灰度歸類法。模型法是為各個像素點的灰度建立統(tǒng)計模 型，如高斯分布模型、混合高斯分布模型等，并采用自適應(yīng)的方法通過調(diào)整模型參數(shù)來更新 背景，這種方法只有在場景中不含有運動目標時才能正確地對模型初始化，在實際應(yīng)用中 存在一定的困難；灰度歸類法是根據(jù)一定的假設(shè)，利用已觀測到的一段連續(xù)視頻序列選擇 像素灰度獲得當(dāng)前的背景圖像，如基于像素歸類的背景重構(gòu)技術(shù)，該方法計算量小，但是 當(dāng)像素灰度發(fā)生緩慢變化時，則會產(chǎn)生錯誤的重構(gòu)結(jié)果。

發(fā)明內(nèi)容
針對上述現(xiàn)有技術(shù)存在的缺陷或不足，基于“背景在圖像序列中總是最經(jīng)常被觀 測到的”的前提，本發(fā)明提出了一種基于背景重構(gòu)運動目標檢測算法。本發(fā)明節(jié)省存儲空 間，且計算量小，不需要對場景中的背景和目標建立模型；能有效地避免了混合現(xiàn)象；能準 確進行背景重構(gòu)，魯棒性好。為了達到上述目的，本發(fā)明采用如下的技術(shù)解決方案—種基于背景重構(gòu)的運動目標檢測方法，該方法通過劃分灰度平穩(wěn)區(qū)間類、合并 相近的灰度平穩(wěn)區(qū)間類，然后選擇像素點的背景灰度值以檢測運動目標，包括如下步驟步驟1 輸入圖像序列，計算像素的鄰幀灰度差；將圖像采集設(shè)備采集到的圖像序列輸入計算機系統(tǒng)，并讀取圖像序列(&，fi;f2,......，fN)，利用公式1計算各像素點(x，y)在相鄰時刻的灰度差值DfiU, y)Dfi (x, y) = f^x, y)"fi_1(x, y), i = 1,2,......N (公式 1)其中，f, (χ, y)為像素(χ, y)在第i幀處的灰度值；步驟2 劃分灰度平穩(wěn)區(qū)間類； 比較步驟1得到的鄰幀灰度差DfiU, y)和閾值δ ^gDfi(Ly)小于閾值S1，并 且第i幀時的類幀差和也小于閾值，則將fi(x，y)和fi-iU，y)劃分為同一灰度平穩(wěn)區(qū)間； 若鄰幀灰度差或類幀差和小于閾值 ，則^^ y)和 ^(Χ，y)劃分為不同的灰度平穩(wěn)區(qū) 間；最終得到P個灰度平穩(wěn)區(qū)間類，P^I;其中δ i為判斷像素點(X，y)的灰度值是否發(fā)生變化的閾值，對于256級的灰度 圖像，δ 1取值為10 20的整數(shù)；步驟3 計算各灰度平穩(wěn)區(qū)間類的平均灰度值；用公式5計算步驟2得到的每個灰度平穩(wěn)區(qū)間類的平均灰度值，第j個灰度平穩(wěn) 區(qū)間類的平均灰度值T^(H)為f](x,y)=fJ(^y) ,j = 1,2,......，ρ (公式 5)；
Spj (x,y)步驟4 合并相近的灰度平穩(wěn)區(qū)間類；將步驟2得到的ρ個灰度平穩(wěn)區(qū)間類中出現(xiàn)兩個或多個距離相近的灰度平穩(wěn)區(qū)間 類合并為一類；最終得到q個灰度平穩(wěn)區(qū)間類，q^P;步驟5 像素背景灰度值的選擇合并后的灰度平穩(wěn)區(qū)間類中選擇類像素數(shù)最大 的平穩(wěn)區(qū)間類的灰度值作為該像素點的背景灰度值；對經(jīng)過合并過程后形成q個灰度平穩(wěn)區(qū)間類，將類像素數(shù)最大的像素數(shù)最大的第 k類的灰度值作為該像素點的背景像素點的灰度值，則像素點(X，y)所對應(yīng)的背景灰度值 fb(x，y)為fb(x,y)=f Ii^yI (公式 8)
Sp (x,y)執(zhí)行步驟6 ；步驟6 運動目標檢測；將輸入的圖像幀f“x，y) (i > N)和fb(x, y)作比較，若 Ti(Xjy)-^(Xjy)彡δ3，則為運動目標，否則為背景；其中，對于256級的灰度圖像，33取
值為20 40的整數(shù)。上述步驟2劃分灰度平穩(wěn)區(qū)間類的步驟如下(1)輸入第一個數(shù)據(jù)^1，》Jff1(^y)歸入為第j個灰度平穩(wěn)區(qū)間類并進行初 類的初始化，此時i = Lj = 1，灰度和Sfj(x，y) = 40^，7)，類像素數(shù)3 乂1，7) = 1和類 幀差和Sdj (X，y) = 0，其中，j為類序號；轉(zhuǎn)入(2)；⑵繼續(xù)輸入新的數(shù)據(jù)fiO^y)』卩i = i+l，當(dāng)i>N時，轉(zhuǎn)入⑶；否則，轉(zhuǎn)入(3)；(3)比較鄰幀灰度差DfiU, y)和閾值S1，若Dfi (x, y) |彡δ ^，認為f, (x, y)和 ^(χ,γ)的灰度值不一致，不屬于同一灰度平穩(wěn)區(qū)間，轉(zhuǎn)入(4)；否則轉(zhuǎn)入(5)；(4)創(chuàng)建一個新的灰度平穩(wěn)區(qū)間類，即j = j+1，初始化該新類，使其灰度和Sf乂X， y) = fi(X，y)，類像素數(shù) Spj(x，y) = 1，類幀差和 Sdj(x，y) =O-MA (2)；
(5)利用公式2更新第j類的類幀差和ScF' (x, y)Sdj (X，y) = Sdj (x, y) +Dfi (χ, y) (公式 2)轉(zhuǎn)入(6)；(6)將 Sdj(x，y)和閾值 δ 作比較，當(dāng) |Sdj(x，y) | ( δ ^，認為 ^(χ，γ)和 ^(χ， y)的灰度值一致，屬于同一灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入(7)；否則，認為f“X，y)和f^U，y)屬 于不同的灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入(4)；(7)將數(shù)據(jù)& (x, y)歸入。(x, y)所在的灰度平穩(wěn)區(qū)間類，并分別利用公式3、公 式4更新第j類的灰度和Sfj (x, y)和類像素數(shù)Spj (x, y)Sfj (X，y) = Sfj (x, y) (χ, y) (公式 3) Spj (X，y) = Spj (χ, y) +1(公式 4)轉(zhuǎn)入(2)；(8)結(jié)束；最終得到ρ個灰度平穩(wěn)區(qū)間類，P彡1。上述步驟4合并相近的灰度平穩(wěn)區(qū)間類的步驟如下A、在現(xiàn)有的灰度平穩(wěn)區(qū)間類中，找到相距最近的兩個灰度平 穩(wěn)區(qū)間類第m類和第η類T^(U) ， T(^y) ^m < η)'滿足
一 一Tl一S一t
d{f 0，>0，/ (xJ)) = minSi=I 2 P^ y^f (xJ))；轉(zhuǎn)入B ；B、若JCT7(x，>0 Jw(W)) W2，則7^(x，>0和:Γ(U)為一致灰度平穩(wěn)區(qū)間類，將
兩類合并；更新合并后的類灰度和Sfm(X，y)和類像素數(shù)Spm(x，y)為Sfm(x, y) = Sfm(χ, y)+Sfn(x, y) (公式 6)Spm(χ, y) = Spm(χ, y)+Spn(x, y) (公式 7)；刪除第η類；轉(zhuǎn)入C ；C、循環(huán)執(zhí)行A和B，直到JCT^(U),/7(U)) > ，則合并過程結(jié)束；最終得到q個灰度平穩(wěn)區(qū)間類，Q^p ；其中，δ 2是用戶定義的參數(shù)，用來量化(XJ)和:T(U)兩個灰度平穩(wěn)區(qū)間類之 間的接近程度，對于256級的灰度圖像，δ 2取值為10 20的整數(shù)。本發(fā)明的優(yōu)點如下1、實際使用中無需記錄過多的連續(xù)若干幀圖像以進行逐像素統(tǒng)計，只要等間隔采 樣若干幀，同時邊采樣邊丟棄，因此不涉及資源消耗過大的問題，節(jié)省了大量的存儲空間。2、計算量小，不需要對場景中的背景和目標建立模型。3、能直接從含有運動前景的場景圖像中重構(gòu)背景，能有效地避免了混合現(xiàn)象。4、在參數(shù)變化的很大范圍內(nèi)都能得到滿意的結(jié)果；在光線緩慢變化時，仍能準確 進行背景重構(gòu)，魯棒性好。5、應(yīng)用范圍廣泛。在機械視覺、視頻監(jiān)控、軍事科學(xué)、城市交通監(jiān)控中和居民日常 安全監(jiān)控等實時系統(tǒng)領(lǐng)域有著廣泛的應(yīng)用前景。


圖1是本發(fā)明的流程圖。圖2是輸入圖像幀4。圖3是背景圖像幀厶。圖4是運動檢測結(jié)果虬。圖5是本發(fā)明的具體實施過程的流程圖。圖6是本發(fā)明的檢測方法步驟2的分步驟流程圖。圖7是本發(fā)明的檢測方法步驟4的分步驟流程圖。下面結(jié)合附圖和具體實施方式
對本發(fā)明作進一步解釋說明。
具體實施例方式參見圖5，本發(fā)明的具體實施過程包括如下步驟步驟SO 將圖像采集設(shè)備采集到的圖像序列輸入計算機系統(tǒng)，并讀取圖像序列 (f0，f1, f2 ......，fN)；轉(zhuǎn)入步驟Sl ；步驟Sl 輸入第一個數(shù)據(jù)Khy) Jff1(^y)歸入為第j個灰度平穩(wěn)區(qū)間類并進 行初類的初始化，此時i = l，j = l，灰度和Sf乂x，y) =40^，7)，類像素數(shù)3 義，7) =1 和類幀差和Sdj(x，y) =0，其中，」為類序號40^，》為像素(x，y)在第i幀處的灰度值， i = 1,2,......N ；轉(zhuǎn)入步驟S2 ；步驟S2 繼續(xù)輸入的新數(shù)據(jù)fi (x, y)，即i = i+1 ；若i彡N，計算幀差Dfi (x, y)Dfi (x, y) = f^x, y)-fi_1(x, y), i = 1,2,......N (公式 1)其中，fi(x，y)為像素(x，y)在第i幀(i = 0，1，2，· · ·，N)處的灰度值；轉(zhuǎn)入步驟S3 ；若i > N，轉(zhuǎn)入步驟S8 ；最終得到ρ個灰度平穩(wěn)區(qū)間類；步驟S3 比較鄰幀灰度差Dfi (x，y)和閾值S1，若IDfi(^y) |彡S1JlHASfiOc, y)和 ^(χ，γ)的灰度值不一致，不屬于同一灰度平穩(wěn)區(qū)間，轉(zhuǎn)入步驟S4;其中δ i為判斷像素點(X，y)的灰度值是否發(fā)生變化的閾值，對于256級的灰度 圖像，δ 1取值為10 20的整數(shù)；若|Df“X，y) < S1，轉(zhuǎn)入步驟 S5;步驟S4 創(chuàng)建一個新的灰度平穩(wěn)區(qū)間類，即j = j+1，初始化該新類，使其灰度和 Sfj (x, y) = fi(x，y)，類像素數(shù) Spj(x，y) = 1，類幀差和 Sd乂 x，y) =0；轉(zhuǎn)入步驟S2 ；步驟S5 利用公式2更新第j類的類幀差和ScF' (x, y)Sdj (X，y) = Sdj (X，y) +Dfi (x, y) (公式 2)執(zhí)行步驟S6;步驟S6 將Sdj (x, y)和 閾值δ工作比較，當(dāng)| Sdj (x, y) | ( δ工，認為& (χ, y)和 ^(χ，y)的灰度值一致，屬于同一灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入步驟S7 ；若Sdj (X，y) I > δ工，認為f“X，y)和 ^(Χ，y)屬于不同的灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入步驟S4 ；步驟S7 將數(shù)據(jù)& (x, y)歸入。(x, y)所在的灰度平穩(wěn)區(qū)間類，并分別利用公式 3、公式4更新第j類的灰度和SfW (X，y)和類像素數(shù)Sp乂X，y) 轉(zhuǎn)入步驟S2 ；步驟S8 計算各灰度平穩(wěn)區(qū)間類的平均灰度值；用公式5計算步驟S2得到的每個灰度平穩(wěn)區(qū)間類的平均灰度值，第j個灰度平穩(wěn) 區(qū)間類的平均灰度值T^(H)為 轉(zhuǎn)入步驟S9;步驟S9 在現(xiàn)有的灰度平穩(wěn)區(qū)間類中找到相距最近的兩個灰度平穩(wěn)區(qū)間類第m 類和第 η 類
'滿足 轉(zhuǎn)入步驟SlO ；步驟S10:若(U),T7(U))《、，則T^(Xj)和;T(U)為一致灰度平穩(wěn)區(qū) 間類，合并/(x，>0和P(U)為一致灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入步驟S11 ；其中，δ 2是用戶定義的參數(shù)，用來量化(Xj)和:T(U)兩個灰度平穩(wěn)區(qū)間類之 間的接近程度，對于256級的灰度圖像，δ 2取值為10 20的整數(shù)。若辦；7SUXT^U)) > ^2，合并類結(jié)束，此時有Q個灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入步驟 S12 ；步驟Sll 更新合并后的類灰度和Sfm(x，y)和類像素數(shù)Spm(x，y)為 刪除第η類；執(zhí)行步驟S9;步驟S12:查找合并類后的q個灰度平穩(wěn)區(qū)間類中像素數(shù)最大的第k類，滿足
，計算像素點(x，y)所對應(yīng)的背景像素點的灰度值fb(x，
y)為 執(zhí)行步驟S13;步驟S13 運動目標檢測；將輸入圖像幀作比較，若 Ti(Xjy)-^(Xjy)彡δ3，則為運動目標，否則為背景；執(zhí)行步驟S14;
其中，對于256級的灰度圖像，δ 3取值為20 40的整數(shù)。步驟S14:結(jié)束。本發(fā)明未涉及部分均與現(xiàn)有技術(shù)相同或可采用現(xiàn)有技術(shù)加以改造，本發(fā)明并不限于上述方式。在不背離本發(fā)明精神及其實質(zhì)的情況下，熟悉本領(lǐng)域的技術(shù)人員可根據(jù)本發(fā) 明所作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利保 護范圍。
權(quán)利要求
一種基于背景重構(gòu)的運動目標檢測方法，其特征在于，該方法通過劃分灰度平穩(wěn)區(qū)間類、合并相近的灰度平穩(wěn)區(qū)間類，然后選擇像素點的背景灰度值以檢測運動目標，包括如下步驟步驟1輸入圖像序列，計算像素的鄰幀灰度差；將圖像采集設(shè)備采集到的圖像序列輸入計算機系統(tǒng)，并讀取圖像序列(f0，f1，f2，……fN)，利用公式1計算各像素點(x，y)在相鄰時刻的灰度差值Dfi(x，y)Dfi(x，y)＝fi(x，y)-fi-1(x，y)，i＝1，2，......N (公式1)其中，fi(x，y)為像素(x，y)在第i幀處的灰度值；步驟2劃分灰度平穩(wěn)區(qū)間類；比較步驟1得到的鄰幀灰度差Dfi(x，y)和閾值δ1，若Dfi(x，y)小于閾值δ1，并且第i幀時的類幀差和也小于閾值，則將fi(x，y)和fi-1(x，y)劃分為同一灰度平穩(wěn)區(qū)間；若鄰幀灰度差或類幀差和小于閾值δ1，則fi(x，y)和fi-1(x，y)劃分為不同的灰度平穩(wěn)區(qū)間；最終得到p個灰度平穩(wěn)區(qū)間類，p≥1；其中δ1為判斷像素點(x，y)的灰度值是否發(fā)生變化的閾值，對于256級的灰度圖像，δ1取值為10～20的整數(shù)；步驟3計算各灰度平穩(wěn)區(qū)間類的平均灰度值；用公式5計算步驟2得到的每個灰度平穩(wěn)區(qū)間類的平均灰度值，第j個灰度平穩(wěn)區(qū)間類的平均灰度值為 <mrow><msup> <mover><mi>f</mi><mo>&OverBar;</mo> </mover> <mi>j</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msup> <mi>Sf</mi> <mi>j</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow> <mrow><msup> <mi>Sp</mi> <mi>j</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>,</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>p</mi> </mrow>(公式5)；步驟4合并相近的灰度平穩(wěn)區(qū)間類；將步驟2得到的p個灰度平穩(wěn)區(qū)間類中出現(xiàn)兩個或多個距離相近的灰度平穩(wěn)區(qū)間類合并為一類；最終得到q個灰度平穩(wěn)區(qū)間類，q≤p；步驟5像素背景灰度值的選擇合并后的灰度平穩(wěn)區(qū)間類中選擇類像素數(shù)最大的平穩(wěn)區(qū)間類的灰度值作為該像素點的背景灰度值；對經(jīng)過合并過程后形成q個灰度平穩(wěn)區(qū)間類，將類像素數(shù)最大的像素數(shù)最大的第k類的灰度值作為該像素點的背景像素點的灰度值，則像素點(x，y)所對應(yīng)的背景灰度值fb(x，y)為 <mrow><msub> <mi>f</mi> <mi>b</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msup> <mi>Sf</mi> <mi>k</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow> <mrow><msup> <mi>Sp</mi> <mi>k</mi></msup><mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo></mrow> </mrow></mfrac> </mrow>(公式8)執(zhí)行步驟6；步驟6運動目標檢測；將輸入的圖像幀fi(x，y)(i＞N)和fb(x，y)作比較，若|fi(x，y)-fb(x，y)|≥δ3，則為運動目標，否則為背景；其中，對于256級的灰度圖像，δ3取值為20～40的整數(shù)。FDA0000022027510000011.tif
2.如權(quán)利要求1所述的基于背景重構(gòu)的運動目標檢測方法，其特征在于，所述步驟2劃分灰度平穩(wěn)區(qū)間類的步驟如下(1)輸入第一個數(shù)據(jù)A(^y)Jff1(Ly)歸入為第j個灰度平穩(wěn)區(qū)間類并進行初類的 初始化，此時i = 1，j = 1，灰度和3汽1，7) = 40^，7)，類像素數(shù)3 乂1，7) = 1和類幀差 和Sdj(x，y) =0，其中，j為類序號；轉(zhuǎn)入⑵；(2)繼續(xù)輸入新的數(shù)據(jù)&(X，y)，即i = i+Ι，當(dāng)i > N時，轉(zhuǎn)入⑶；否則，轉(zhuǎn)入(3)；(3)比較鄰幀灰度差DfiU,y)和閾值SJlDfi(Ly)彡S^ASfi(Ly)和 ^(χ， y)的灰度值不一致，不屬于同一灰度平穩(wěn)區(qū)間，轉(zhuǎn)入(4)；否則轉(zhuǎn)入(5)；(4)創(chuàng)建一個新的灰度平穩(wěn)區(qū)間類，即j= j+1，初始化該新類，使其灰度和Sf^(x，y) =4“7)，類像素數(shù)3 義，7) = 1，類幀差和3(1乂，7) =O-MA (2)；(5)利用公式2更新第j類的類幀差和ScF'(X，y) (公式 2)轉(zhuǎn)入(6)；(6)將Sdj(x，y)和閾值 S1 作比較，當(dāng) Sdj (x, y) ( S1JASfi(^y)和 ^(χ，Υ)的 灰度值一致，屬于同一灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入(7)；否則，認為f“x，y)和f^U，y)屬于不 同的灰度平穩(wěn)區(qū)間類，轉(zhuǎn)入(4)；(7)將數(shù)據(jù)fi(x, y)歸入fH (x, y)所在的灰度平穩(wěn)區(qū)間類，并分別利用公式3、公式4 更新第j類的灰度和Sfj (x, y)和類像素數(shù)Spj (x, y) (公式 3) (公式 4)轉(zhuǎn)入⑵；(8)結(jié)束；最終得到ρ個灰度平穩(wěn)區(qū)間類，ρ彡1。
3.如權(quán)利要求1所述的基于背景重構(gòu)的運動目標檢測方法，其特征在于，所述步驟4合 并相近的灰度平穩(wěn)區(qū)間類的步驟如下A、在現(xiàn)有的灰度平穩(wěn)區(qū)間類中，找到相距最近的兩個灰度平穩(wěn)區(qū)間類第m類和第η類T1W) (m < η),滿足 則/"W)和為一致灰度平穩(wěn)區(qū)間類，將兩類合并；更新合并后的類灰度和Sfm(x，y)和類像素數(shù)Spm(x，y)為Sfm(x，y) = Sfm(χ, y)+Sfn(x, y)(公式 6) Spm(χ, y) = Spm(χ, y)+Spn(x, y)(公式 7)；刪除第 η 類；轉(zhuǎn)入 C ；C、循環(huán)執(zhí)行A和B，直到則合并過程結(jié)束；最終得到q個灰度平穩(wěn)區(qū)間類，q ^ ；其中，S2是用戶定義的參數(shù)，用來量化和7BC ;y)兩個灰度平穩(wěn)區(qū)間類之間 的接近程度，對于256級的灰度圖像，δ2取值為10 20的整數(shù)。
全文摘要
本發(fā)明公開了一種基于背景重構(gòu)的運動目標檢測方法，該方法包括如下步驟輸入圖像序列，計算像素的鄰幀灰度差；劃分灰度平穩(wěn)區(qū)間類；計算各灰度平穩(wěn)區(qū)間類的平均灰度值；合并相近的灰度平穩(wěn)區(qū)間類；像素背景灰度值的選擇；運動目標檢測；本發(fā)明節(jié)省存儲空間；計算量小，不需要對場景中的背景和目標建立模型；能直接從含有運動前景的場景圖像中重構(gòu)背景，能有效地避免了混合現(xiàn)象；魯棒性好；應(yīng)用范圍廣泛。在機械視覺、視頻監(jiān)控、軍事科學(xué)、城市交通監(jiān)控中和居民日常安全監(jiān)控等實時系統(tǒng)領(lǐng)域有著廣泛的應(yīng)用前景。
文檔編號G06T7/20GK101877135SQ201010191439
公開日2010年11月3日 申請日期2010年6月4日 優(yōu)先權(quán)日2010年6月4日
發(fā)明者劉龍, 張雷, 楊亮, 羅江紅, 肖梅, 邊浩毅 申請人:長安大學(xué)