一種自適應(yīng)參數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于目標(biāo)檢測(cè)領(lǐng)域，具體涉及一種自適應(yīng)參數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
【背景技術(shù)】
[0002] 目標(biāo)檢測(cè)技術(shù)就是從序列圖像中將目標(biāo)從圖像背景中分割提取出來的技術(shù)，它是 目標(biāo)搜索與跟蹤系統(tǒng)中的關(guān)鍵技術(shù)，為后續(xù)目標(biāo)識(shí)別、目標(biāo)跟蹤、航跡關(guān)聯(lián)等技術(shù)提供初始 信息。目標(biāo)檢測(cè)的效果好壞直接影響整個(gè)識(shí)別與跟蹤系統(tǒng)。
[0003] 目前，運(yùn)動(dòng)目標(biāo)檢測(cè)在圖像處理領(lǐng)域得到了廣泛關(guān)注和充分發(fā)展。但是，如何在復(fù) 雜的環(huán)境中有效地將運(yùn)動(dòng)目標(biāo)檢測(cè)出來仍然是運(yùn)動(dòng)目標(biāo)檢測(cè)方面的難點(diǎn)。在現(xiàn)在主流的 運(yùn)動(dòng)目標(biāo)檢測(cè)算法中，混合高斯背景更新算法有著顯著的優(yōu)點(diǎn)，該算法比光流法和非參數(shù) 估計(jì)實(shí)時(shí)性高，比幀差法探測(cè)率高，而且魯棒性較好。因此，混合高斯背景更新算法在運(yùn)動(dòng) 目標(biāo)檢測(cè)領(lǐng)域得到了廣泛的應(yīng)用。但是，文獻(xiàn)〈〈Video Object Segmentation by Fusion of Spatio-Temporal Information Based on Gaussian Mixture Model〉〉中所用的傳統(tǒng)混合高 斯背景更新算法也有著自身的不足之處。例如，在背景更新中采用固定個(gè)數(shù)的高斯分布， 固定更新速率，而且對(duì)每一幅圖像都要進(jìn)行更新，這就導(dǎo)致該算法的三個(gè)不足之處：一是， 在背景更新完成，達(dá)到穩(wěn)定之后，混合高斯背景模型還繼續(xù)對(duì)圖像進(jìn)行背景更新，造成不必 要的時(shí)間浪費(fèi)，在一定程度上影響了運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)時(shí)性；二是，當(dāng)目標(biāo)由靜止變?yōu)檫\(yùn)動(dòng) 時(shí)，會(huì)有拖影現(xiàn)象；三是，當(dāng)目標(biāo)在場(chǎng)景中由運(yùn)動(dòng)變?yōu)殪o止時(shí)，目標(biāo)會(huì)逐漸融入到背景中，造 成目標(biāo)丟失，從而造成漏檢。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種自適應(yīng)參數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，能夠有效地抑制拖 影現(xiàn)象和漏檢現(xiàn)象。
[0005] 為了解決上述技術(shù)問題，本發(fā)明提供一種自適應(yīng)參數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，括以 下步驟：
[0006] 步驟一：將視頻序列圖像中的任意一幀圖像作為當(dāng)前幀圖像，對(duì)當(dāng)前幀圖像構(gòu)造 混合高斯背景模型，并對(duì)混合高斯背景模型中的每個(gè)高斯分布的權(quán)值、均值以及方差值進(jìn) 行初始化，得到初始化之后的混合高斯背景模型；
[0007] 步驟二：在步驟一得到的混合高斯背景模型基礎(chǔ)之上，用與當(dāng)前幀圖像相鄰的后 一幀圖像中的每個(gè)像素點(diǎn)的像素值依次與對(duì)應(yīng)位置的所有高斯分布進(jìn)行匹配，通過匹配進(jìn) 一步更新混合高斯背景模型中全部高斯分布的權(quán)重值、均值和方差值，獲得更新后的混合 高斯背景模型；
[0008] 步驟三：對(duì)步驟二獲得的更新后的混合高斯背景模型特征進(jìn)行分析，判斷背景是 否存在突變，得到變化區(qū)域和非變化區(qū)域，并對(duì)變化區(qū)域和非變化區(qū)域選用不同的高斯分 布個(gè)數(shù)和不同的更新速率進(jìn)行背景更新處理，獲得背景圖像數(shù)據(jù)；
[0009] 步驟四：使用步驟三得到的背景圖像數(shù)據(jù)提取出運(yùn)動(dòng)目標(biāo)。
[0010] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)在于：（1)本發(fā)明通過前景點(diǎn)像素的個(gè)數(shù)在 整幅圖像中所占比例發(fā)生變化的大小來判斷場(chǎng)景是否發(fā)生變化，將背景分為變化區(qū)域和非 變化區(qū)域，針對(duì)變化區(qū)域和非變化區(qū)域采取不同的更新速率與高斯分布個(gè)數(shù)，獲取新的混 合高斯背景模型對(duì)背景進(jìn)行選擇性背景更新處理，從而便于在新的混合高斯背景模型中獲 取運(yùn)動(dòng)目標(biāo)；（2)本發(fā)明方法對(duì)背景的不同區(qū)域采用選擇性更新，對(duì)于不同情況，采用選擇 性更新，能夠有效地將運(yùn)動(dòng)目標(biāo)從背景中識(shí)別出來，從而有效地抑制了漏檢現(xiàn)象；（3)本發(fā) 明方法只針對(duì)性地對(duì)需要進(jìn)行更新的區(qū)域進(jìn)行背景更新處理，能夠有效提高背景更新的效 率，提高本發(fā)明方法處理的實(shí)時(shí)性，從而有效地抑制拖影現(xiàn)象。
【附圖說明】
[0011] 圖1是本發(fā)明自適應(yīng)參數(shù)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法流程圖。
[0012] 圖2是本發(fā)明用于仿真實(shí)驗(yàn)的視頻序列中的三幀圖像。
[0013] 圖3是本發(fā)明仿真實(shí)驗(yàn)中使用傳統(tǒng)方法處理圖2所示的三幀圖像獲得處理結(jié)果 圖。
[0014] 圖4是本發(fā)明仿真實(shí)驗(yàn)中使用本發(fā)明方法處理圖2所示的三幀圖像獲得處理結(jié)果 圖。
【具體實(shí)施方式】
[0015] 對(duì)于一段視頻圖像序列，采用本發(fā)明方法進(jìn)行混合高斯背景更新的自適應(yīng)參數(shù)的 運(yùn)動(dòng)目標(biāo)檢測(cè)步驟如下：
[0016] 步驟一：將視頻序列圖像中的任意一幀圖像作為當(dāng)前幀圖像，對(duì)當(dāng)前幀圖像構(gòu)造 混合高斯背景模型，并對(duì)混合高斯背景模型中的每個(gè)高斯分布的權(quán)值、均值以及方差值進(jìn) 行初始化，得到初始化之后的混合高斯背景模型。具體操作步驟如下：
[0017] (1)用k個(gè)高斯分布去量化圖像中的每個(gè)像素值，即每個(gè)像素點(diǎn)的高斯分布個(gè)數(shù) 為k，k的取值一般為3到5,每個(gè)像素點(diǎn)的高斯分布個(gè)數(shù)k的大小表示了背景模型細(xì)節(jié)復(fù) 雜程度，k的值越大，背景模型的細(xì)節(jié)表示的越詳細(xì)，運(yùn)算量也迅速增大，本發(fā)明中取k的初 始值為k = 4。
[0018] (2)用當(dāng)前幀圖像的像素值對(duì)該圖像每個(gè)像素點(diǎn)處的所有高斯分布進(jìn)行初始化， 對(duì)圖像中的每個(gè)高斯分布進(jìn)行初始化時(shí)，需要初始化高斯分布的權(quán)重值、均值以及方差三 個(gè)參數(shù)。對(duì)任意一幀圖像中第N個(gè)像素的第M個(gè)高斯分布初始化后的權(quán)重為
權(quán)重值應(yīng)滿足條件
均值為μ _ = Π ，方差為
其中均值Π 和方差τ 的值由人為設(shè)定，一般均值賦初值〇,方差賦大于〇的值，一般取幾十即可。
[0019] 由此，得到了當(dāng)前幀圖像中每個(gè)像素點(diǎn)處的四個(gè)高斯分布模型，由這些高斯分布 模型共同組成了圖像的混合高斯背景模型，這樣，圖像中各個(gè)像素點(diǎn)的特征便能由多個(gè)高 斯模型來表征。
[0020] 步驟二：在步驟一得到的混合高斯背景模型基礎(chǔ)之上，用與當(dāng)前幀圖像相鄰的后 一幀圖像中的每個(gè)像素點(diǎn)的像素值Ι Ν,Μ,Τ依次與對(duì)應(yīng)位置的所有高斯分布進(jìn)行匹配，通過匹 配進(jìn)一步更新混合高斯背景模型中的高斯分布的權(quán)重值、均值和方差值，從而得到新的混 合高斯背景模型。具體操作步驟如下：
[0021] (1)用后一幀圖像中的每個(gè)像素點(diǎn)的像素值IN,M, T依次與對(duì)應(yīng)像素點(diǎn)處的每個(gè)高 斯分布進(jìn)行匹配，匹配條件如式（1)所示：
[0022] I y N，M，T I I〈入· σ Ν，Μ，Τ 1 ⑴
[0023] 其中，T-I表示視頻中的第T-I幀圖像，T表示視頻中的第T幀圖像，T的取值范圍 滿足U < n，T e Ζ}，η為視頻圖像的總幀數(shù)，本發(fā)明中將當(dāng)前幀圖像記為第T-I幀圖 像，將后一幀圖像記為第T幀圖像。λ為一設(shè)定值，一般取λ =2. 5，以_,11和σΝ,Μ,τ1* 別指第T-I幀圖像中任意像素點(diǎn)處包含的k個(gè)高斯分布中的任意一個(gè)高斯分布的均值與方 差。
[0024] (2)當(dāng)后一幀圖像中的每個(gè)像素點(diǎn)的像素值IN,M, T依次與對(duì)應(yīng)像素點(diǎn)處的每個(gè)高 斯分布進(jìn)行匹配時(shí)，對(duì)于不同的匹配結(jié)果，每個(gè)高斯分布的權(quán)重值、均值和方差的更新方式 不同，具體可以分為以下幾種情況：
[0025] (a)對(duì)滿足式⑴條件的高斯分布，其權(quán)重值、均值和方差按照如下三個(gè)公式更 新，
[0029] 其中，α為權(quán)值更新速率，本實(shí)施例取a = 10 β。
[0030] (b)對(duì)于不滿足式（1)條件的高斯分布按照式（2)更新其權(quán)重值，均值和方差值不 進(jìn)行更新。
[0031] (c)對(duì)于該像素點(diǎn)處的像素值與該像素點(diǎn)處的k個(gè)高斯分布之間均不滿足式（1) 的情況，則找