智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目標(biāo)提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能視頻處理領(lǐng)域，尤其涉及一種智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目標(biāo) 提取方法。
【背景技術(shù)】
[0002] 近些年，各種各樣的攝像頭被安裝在不同的公共場(chǎng)合，例如公路，自助取款機(jī)，街 角，大型商場(chǎng)，醫(yī)院，學(xué)校，機(jī)場(chǎng)等，甚至被安裝到家庭之中，以實(shí)現(xiàn)視頻監(jiān)控的目的。傳統(tǒng) 視頻監(jiān)控依賴于人工對(duì)這些視頻數(shù)據(jù)進(jìn)行主觀意識(shí)的分析判斷，對(duì)其中的動(dòng)作行為做出理 解，然后才得出結(jié)論做出反饋。傳統(tǒng)視頻監(jiān)控也存在諸多缺陷，尤其是監(jiān)控人員一旦遺漏重 要信息可能造成無(wú)法挽回的后果。因此，智能視頻處理技術(shù)顯得尤為重要，成為當(dāng)下研究的 熱點(diǎn)之一。
[0003] 視頻處理技術(shù)通過(guò)模擬人類對(duì)視覺(jué)圖像響應(yīng)，使用計(jì)算機(jī)對(duì)視頻場(chǎng)景中運(yùn)動(dòng)目標(biāo) 分類、識(shí)別、跟蹤，在這些基本視頻場(chǎng)景處理的基礎(chǔ)上以期實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)行為分析判斷和 理解。智能化視頻處理的過(guò)程中，無(wú)論是運(yùn)動(dòng)目標(biāo)的分類、識(shí)別、跟蹤，還是后續(xù)的行為的判 斷和理解都是建立在成功檢測(cè)出運(yùn)動(dòng)目標(biāo)的前提下進(jìn)行的，即視頻場(chǎng)景中運(yùn)動(dòng)目標(biāo)區(qū)域的 提取的質(zhì)量對(duì)智能化視頻處理的結(jié)果至關(guān)重要。運(yùn)動(dòng)目標(biāo)提取是從序列圖像中提取出正在 運(yùn)動(dòng)或者說(shuō)是變化的區(qū)域作為感興趣區(qū)域，為后續(xù)高級(jí)圖像處理提供服務(wù)。
[0004] 然而，在攝像頭固定的情況下，現(xiàn)有方法都默認(rèn)視頻數(shù)據(jù)的采集是在攝像頭被固 定的前提下工作的，一旦出現(xiàn)這樣一個(gè)場(chǎng)景：一旦通過(guò)手持設(shè)備或其他易抖動(dòng)的設(shè)備，如相 機(jī)和手機(jī)，來(lái)提取出視頻中包含運(yùn)動(dòng)目標(biāo)的區(qū)域，容易出現(xiàn)鏡頭抖動(dòng)，這些現(xiàn)有方法將會(huì)無(wú) 用武之地，導(dǎo)致抖動(dòng)的鏡頭對(duì)運(yùn)動(dòng)目標(biāo)提取產(chǎn)生干擾，不可避免的出現(xiàn)大面積的誤檢。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)上述現(xiàn)有技術(shù)提供一種能夠防止抖動(dòng)的攝像 頭干擾運(yùn)動(dòng)目標(biāo)提取的智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目標(biāo)提取方法。
[0006] 本發(fā)明解決上述技術(shù)問(wèn)題所采用的技術(shù)方案為：智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目 標(biāo)提取方法，用于對(duì)圖像序列運(yùn)動(dòng)目標(biāo)的精確提取，其特征在于，依次包括以下步驟：
[0007] (1)對(duì)智能移動(dòng)終端獲取的原始圖像S(i，j)進(jìn)行灰度化處理，實(shí)現(xiàn)顏色空間轉(zhuǎn) 換，得到灰度圖像Y(i，j);其中，原始圖像S(i，j)轉(zhuǎn)換為灰度圖像Y(i，j)采用如下轉(zhuǎn)換公 式：
[0008] Y(i,j) = 0. 257Xr(i,j)+0. 504Xg(i,j)+0. 239Xb(i,j)；
[0009] 其中，r(i，j)、g(i，j)、b(i，j)分別對(duì)應(yīng)原始圖像S(i，j)的顏色空間三維坐標(biāo)中 的紅、綠、藍(lán)顏色分量，Y(i，j)是該像素點(diǎn)對(duì)應(yīng)的灰度值；
[0010] (2)對(duì)灰度圖像Y進(jìn)行預(yù)處理，得到預(yù)處理圖像I，并采用高斯濾波對(duì)預(yù)處理圖像 I進(jìn)行處理，其中，高斯函數(shù)為均值是零的二維高斯函數(shù)g(i，j)，其中， toon]
其使用的圖像模板算子為
[0012] (3)對(duì)連續(xù)間隔m幀的三幀預(yù)處理圖像Ikni(i，j)、Ik(i，j)和Ik+ni(i，j)做差分，得 至幌個(gè)差分圖像D^^a，j)和Do^Ji，j);其中，
[0013] D(k，kn)(i，j) = |lk(i，j)-Ikn(i，j)|，D(k+n，k)(i，j) = |lk+n(i，j)-Ik(i，j)| ;
[0014] 其中，Ikni(i，j)、Ik(i，j)和Ik+ni(i，j)分別表示預(yù)處理序列圖像I(i，j)中的某三 幀預(yù)處理圖像，m表示預(yù)處理序列圖像I(i，j)之間相鄰間隔的幀數(shù)，meZ，且me[1，5];
[0015] ⑷對(duì)所得兩個(gè)差分圖像Dfekni)(i，j)和Do^Ji，j)分別做二值化處理，得到對(duì) 應(yīng)的二值化圖像Rfck (i，j)和(i，j);其中，二值化處理準(zhǔn)則如下：
[0017] 其中，T表示閾值，m表示各序列圖像I(i，j)之間相鄰間隔的幀數(shù)；
[0018] (5)對(duì)所得到的兩幅相鄰的二值化圖像Rfck ^ (i，j)和(i，j)做邏輯"或" 操作和邏輯"與"操作，分別得到對(duì)應(yīng)運(yùn)算后的聯(lián)合二值化"或"圖像Bork(i，j)和聯(lián)合二 值化"與"圖像Bandk(i，j)，并將聯(lián)合二值化"或"圖像Bork(i，j)和聯(lián)合二值化"與"圖像 Bandk(i，j)進(jìn)行邏輯"與"運(yùn)算，得到潛在運(yùn)動(dòng)目標(biāo)區(qū)域的二值化圖像Bk(i，j);其中，
[0022] (6)對(duì)潛在運(yùn)動(dòng)目標(biāo)區(qū)域內(nèi)進(jìn)行基于高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)，對(duì)高斯分布的參 數(shù)均值 < 以及方差(<)2賦初值，建立背景模型；其中，
[0024]N表示被用來(lái)進(jìn)行模型初始化的圖像的數(shù)量，表示第k幀圖像中（i，j)位置上 的像素觀察值；
[0025] (7)對(duì)建立的背景模型以設(shè)定的更新方式進(jìn)行實(shí)時(shí)更新；其中，設(shè)定的更新方式 為：
[0027]其中，α表示當(dāng)前幀圖像中的像素對(duì)所對(duì)應(yīng)位置上的背景模型的更新所做出的貢 獻(xiàn)程度，α= 〇· 0025 ;
[0028] (8)計(jì)算像素位置上高斯分布的95%置信區(qū)間的上限if和下限.τ廣；其中，上限
[0029] (9)根據(jù)95%置信區(qū)間的理論，對(duì)運(yùn)動(dòng)前景提取得到運(yùn)動(dòng)目標(biāo).<+1 :
[0031] 為了使做差分的相鄰幀圖像之間的時(shí)間間隔變短，以有效地消除動(dòng)態(tài)背景所引入 的干擾，作為優(yōu)選，所述步驟（3)中間隔m幀的數(shù)值為3。
[0032] 進(jìn)一步地，在步驟（6)中初始化高斯背景模型的圖像的數(shù)量N為50。
[0033] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：在本發(fā)明提供的運(yùn)動(dòng)目標(biāo)提取方法中，通過(guò) 設(shè)定圖像空間轉(zhuǎn)換的優(yōu)化轉(zhuǎn)換參數(shù)，將原始圖像轉(zhuǎn)換處理，得到具有高壓縮率的灰度圖像 后，選擇高斯濾波對(duì)預(yù)處理圖像濾波，以獲得純凈的預(yù)處理圖像，并選取三幅相同間隔的連 續(xù)預(yù)處理圖像做差分處理，以克服單獨(dú)使用三幀差分法提取運(yùn)動(dòng)目標(biāo)質(zhì)量的不足；同時(shí)，二 值化處理所得差分圖像后，對(duì)二值化圖像做邏輯"或"、"與"操作后，再次進(jìn)行邏輯"與"處 理，以得到潛在運(yùn)動(dòng)目標(biāo)區(qū)域的二值化圖像，利用邏輯"與"自動(dòng)摒棄新暴露出來(lái)的像素點(diǎn)， 消除"鬼影"現(xiàn)象，然后建立背景模型并實(shí)時(shí)更新，同時(shí)基于高斯模型檢測(cè)潛在運(yùn)動(dòng)目標(biāo)區(qū) 域內(nèi)的運(yùn)動(dòng)目標(biāo)，避免了基于幀間差分方法容易引入的"空洞"問(wèn)題，最后根據(jù)95%置信區(qū) 間理論，對(duì)運(yùn)動(dòng)前景準(zhǔn)確提取得到運(yùn)動(dòng)目標(biāo)，消除了鏡頭抖動(dòng)對(duì)視頻中運(yùn)動(dòng)目標(biāo)提取的干 擾。
【附圖說(shuō)明】
[0034] 圖1為本發(fā)明中智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目標(biāo)提取方法的流程示意圖；
[0035] 圖2為利用本發(fā)明中方法對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)的性能曲線示意圖。
【具體實(shí)施方式】
[0036] 以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
[0037] 如圖1所示，為了利用智能移動(dòng)終端提取圖像序列中的運(yùn)動(dòng)目標(biāo)，本實(shí)施例中提 供的智能移動(dòng)終端抗噪聲干擾運(yùn)動(dòng)目標(biāo)提取方法依次包括以下步驟：
[0038] 步驟1，對(duì)智能移動(dòng)終端獲取的原始圖像S(i，j)進(jìn)行灰度化處理，實(shí)現(xiàn)顏色空間 轉(zhuǎn)換，得到灰度圖像Y(i，j);其中，原始圖像S(i，j)轉(zhuǎn)換為灰度圖像Y(i，j)采用如下轉(zhuǎn)換 公式：
[0039] Y(i,j) = 0. 257Xr(i,j)+0. 504Xg(i,j)+0. 239Xb(i,j)；
[0040] 其中，r(i，j)、g(i，j)、b(i，j)分別對(duì)應(yīng)原始圖像S(i，j)的顏色空間三維坐標(biāo)中 的紅、綠、藍(lán)顏色分量，Y(i，j)是該像素點(diǎn)對(duì)應(yīng)的灰度值；通過(guò)在本實(shí)施例中，針對(duì)紅、綠、 藍(lán)顏色分量，分別設(shè)定優(yōu)化的圖像轉(zhuǎn)換參數(shù)〇. 257、0. 504和0. 239,以得到具有高壓縮率的 灰度圖像，由此得到具有小容量的灰度圖像，從而可以有效的節(jié)約智能移動(dòng)終端的存儲(chǔ)空 間，進(jìn)一步提尚智能移動(dòng)終端的運(yùn)彳丁效率；
[0041] 步驟2,對(duì)灰度圖像Y進(jìn)行預(yù)處理，得到預(yù)處理圖像I，并采用高斯濾波對(duì)預(yù)處理圖 像I進(jìn)行處理，經(jīng)高斯濾波后，得到純凈的預(yù)處理圖像，從而可以彌補(bǔ)后續(xù)單獨(dú)使用三幀差 分法難以滿足對(duì)運(yùn)動(dòng)目標(biāo)提取質(zhì)量要求的不足；
[0042] 其中，高斯函數(shù)為均值是零的二維高斯函數(shù)g(i，j)，其中，
[0043] 步驟3,以幀間隔數(shù)為m幀，在預(yù)處理序列圖像I中選取三幅連續(xù)的預(yù)處理圖像 Ikn(i，j)、Ik(i，j)和Ik+n(i，j)做差分，得到兩個(gè)差分圖像Dfck (i，j)和(i，j)，由兩 個(gè)差分圖像〇0^"1)(1，」）和〇 0^1〇(1，」）初步提取出包含運(yùn)動(dòng)目標(biāo)區(qū)域的大致輪廓；其中，
[0044] D(kjkn) (i,j) = |lk(i,j)-Ikn(i,j) |,D(k+nik)(i,j) =IIk+n (i,j)-Ik (i,j)I;
[0045] 其中，Ikni(i，j)、Ik(i，j)和Ik+ni(i，j)分別表示預(yù)處理序列圖像I(i，j)中的某三 幀預(yù)處理圖像，m表示預(yù)處理序