專(zhuān)利名稱(chēng)：從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)圖像處理技術(shù)領(lǐng)域，具體涉及一種從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法。
背景技術(shù)：
自上世紀(jì)60年代美國(guó)開(kāi)始開(kāi)發(fā)電子道路導(dǎo)航系統(tǒng)(EGRS)以來(lái)，越來(lái)越多的研究人員投入到基于視頻的車(chē)輛檢測(cè)和跟蹤系統(tǒng)的研究中來(lái)。視頻分割技術(shù)在智能交通系統(tǒng)中的應(yīng)用成為一個(gè)研究熱點(diǎn)，而基于背景差分的分割方法是視頻分割的研究重點(diǎn)。IBM研究中心開(kāi)發(fā)的IBM S3智能視頻系統(tǒng)是用來(lái)滿足機(jī)場(chǎng)的安全監(jiān)控需求，S3系 統(tǒng)是一個(gè)開(kāi)放框架的智能視頻監(jiān)控，可以使各種處理和分析模塊更方便的嵌入到S3系統(tǒng)中。針對(duì)機(jī)場(chǎng)所可能發(fā)生的多種危險(xiǎn)情況，系統(tǒng)利用在一個(gè)通用的框架下可以嵌入多個(gè)獨(dú)立事件分析和處理技術(shù)，所有事件處理后的分析結(jié)果將建成一個(gè)交叉索引的知識(shí)庫(kù)，來(lái)提供多攝像機(jī)的數(shù)據(jù)融合和事件關(guān)聯(lián)分析。在歐洲，歐盟長(zhǎng)期研究項(xiàng)目，提供圖像視頻處理、理解技術(shù)，讓司法機(jī)關(guān)能從現(xiàn)有的監(jiān)控系統(tǒng)的錄像資料中獲得更多有用的犯罪證據(jù)。日本也開(kāi)展了用于公共區(qū)域及智能小區(qū)的視覺(jué)監(jiān)控的計(jì)劃等。在國(guó)內(nèi)，目標(biāo)跟蹤領(lǐng)域的研究較晚，但也引起了高度重視。863項(xiàng)目為此開(kāi)展了重大項(xiàng)目研究，公安部也為此在全國(guó)開(kāi)展城市報(bào)警與監(jiān)控系統(tǒng)建設(shè)“311”試點(diǎn)工程。中國(guó)科學(xué)院自動(dòng)化研究所開(kāi)發(fā)的CBSR智能視頻監(jiān)控系統(tǒng)是這方面研究成果的集中展示，該系統(tǒng)主要功能包括人和車(chē)輛的多目標(biāo)檢測(cè)、跟蹤和分類(lèi)；目標(biāo)異常行為的識(shí)別與報(bào)警；人體異常動(dòng)作識(shí)別報(bào)警；監(jiān)控狀態(tài)下的人臉跟蹤與識(shí)別；異常的物體滯留或丟失檢測(cè)；人群和交通流量評(píng)估、車(chē)輛計(jì)數(shù)和擁堵報(bào)警等等。目前，結(jié)合多種方法綜合處理跟蹤車(chē)輛是世界各國(guó)熱門(mén)研究方向。對(duì)于這些方法，都是面向特定應(yīng)用環(huán)境的，沒(méi)有一個(gè)能夠絕對(duì)解決所有問(wèn)題。本發(fā)明因此而來(lái)。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法，解決了現(xiàn)有技術(shù)中計(jì)算機(jī)無(wú)法從視頻中分割出運(yùn)動(dòng)目標(biāo)進(jìn)行分析等難題。為了解決現(xiàn)有技術(shù)中的這些問(wèn)題，本發(fā)明提供的技術(shù)方案是一種從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法，其特征在于所述方法包括以下步驟( I)對(duì)視頻圖像進(jìn)行分解形成按照時(shí)間次序排列的視頻圖像序列幀；并對(duì)每個(gè)像素的歷史像素值用混和高斯分布模型來(lái)進(jìn)行建模；(2)循環(huán)獲取視頻圖像序列幀的視頻圖像，進(jìn)行小波變換將圖像的信息進(jìn)行壓縮獲得圖像輪廓；將圖像輪廓的像素點(diǎn)值與高斯分布進(jìn)行匹配；(3)根據(jù)匹配結(jié)果設(shè)置圖像的權(quán)重，根據(jù)權(quán)重與標(biāo)準(zhǔn)差的比值進(jìn)行圖像排序，并更新背景圖像模型；提取圖像排序在最前的視頻圖像，將視頻圖像與已建立的背景圖像模型做背景差法，分割出場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。
優(yōu)選的，所述方法中混和高斯分布模型表示為
權(quán)利要求
1.一種從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法，其特征在于所述方法包括以下步驟 (1)對(duì)視頻圖像進(jìn)行分解形成按照時(shí)間次序排列的視頻圖像序列幀；并對(duì)每個(gè)像素的歷史像素值用混和高斯分布模型來(lái)進(jìn)行建模； (2)循環(huán)獲取視頻圖像序列幀的視頻圖像，進(jìn)行小波變換將圖像的信息進(jìn)行壓縮獲得圖像輪廓；將圖像輪廓的像素點(diǎn)值與高斯分布進(jìn)行匹配； (3)根據(jù)匹配結(jié)果設(shè)置圖像的權(quán)重，根據(jù)權(quán)重與標(biāo)準(zhǔn)差的比值進(jìn)行圖像排序，并更新背景圖像模型；提取圖像排序在最前的視頻圖像，將視頻圖像與已建立的背景圖像模型做背景差法，分割出場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于所述方法中混和高斯分布模型表示為
3.根據(jù)權(quán)利要求I所述的方法，其特征在于所述方法步驟(3)中當(dāng)新的像素點(diǎn)符合其中一個(gè)高斯分布的時(shí)候，混和高斯模型的參數(shù)進(jìn)行更新處理，K個(gè)高斯分布的優(yōu)先級(jí)權(quán)重的更新規(guī)則為
4.根據(jù)權(quán)利要求I所述的方法，其特征在于所述方法步驟(2)中對(duì)圖像進(jìn)行小波變換采用的小波母函數(shù)V(t)為
全文摘要
本發(fā)明公開(kāi)了一種從視頻圖像提取運(yùn)動(dòng)目標(biāo)的方法，其特征在于所述方法包括以下步驟(1)對(duì)視頻圖像進(jìn)行分解形成按照時(shí)間次序排列的視頻圖像序列幀；并對(duì)每個(gè)像素的歷史像素值用混和高斯分布模型來(lái)進(jìn)行建模；(2)循環(huán)獲取視頻圖像序列幀的視頻圖像，進(jìn)行小波變換將圖像的信息進(jìn)行壓縮獲得圖像輪廓；將圖像輪廓的像素點(diǎn)值與高斯分布進(jìn)行匹配；(3)根據(jù)匹配結(jié)果設(shè)置圖像的權(quán)重，根據(jù)權(quán)重與標(biāo)準(zhǔn)差的比值進(jìn)行圖像排序，并更新背景圖像模型；提取圖像排序在最前的視頻圖像，將視頻圖像與已建立的背景圖像模型做背景差法，分割出場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。采用小波變換后進(jìn)行高斯混合模型提取圖像噪聲較之原模型要少很多，精確度有所提升，提取速度大大提高。
文檔編號(hào)G06T7/20GK102867312SQ201210306089
公開(kāi)日2013年1月9日 申請(qǐng)日期2012年8月27日 優(yōu)先權(quán)日2012年8月27日
發(fā)明者陳國(guó)慶, 楊姣姣 申請(qǐng)人:蘇州兩江科技有限公司