专利名称：一种基于差分融合与图像边缘信息的运动目标检测方法
技术领域：
本发明涉及一种检测方法，特别涉及一种基于差分融合与图像边缘信息的运动目标检测方法。
背景技术：
近年来，视频监控图像的运动目标检测是一个非常活跃的研究方向，处于视觉监控的最底层，是各种后续处理如目标分类、行为分析理解的基础，在智能监控、视频压缩、自动导航、虚拟现实等方面有着广泛的应用前景。运动目标检测是指从序列图像中将运动的前景目标从背景图像中提取出来。其任务是从场景序列图像中剔除静止的背景区域，找出运动的前景区域，并尽可能地抑制背景噪声和前景噪声。序列图像和视频中所具有的丰富的原始数据、相邻帧间的强相关性以及时间域上的动态时变模式等在很大程度上使得运动目标的较好检测、分割和识别成为可能。如何检测出运动目标，对视频图像分析具有重要的意义。静态背景下常用的运动目标检测方法主要有三种光流法、帧间差分法和背景差法。光流法是通过研究图像序列的光流场实现运动目标检测的一种方法，其效果依赖于光流估计的准确度，优点是能够检测出独立运动的对象，不需要预先知道场景的任何信息，并可用于摄像机运动的情况，但其计算复杂耗时，除非有特殊硬件支持，否则很难实现实时检测。帧间差分法是利用序列中相邻两帧或几帧图像间的差异进行目标检测和提取，由于相邻的时间间隔一般较短，因此对于动态环境具有较强的自适应能力，受光线变化影响小，能快速地检测出运动目标的轮廓，然而其轮廓一般表现为不连续，并存在很大的空洞， 而三帧差分对于目标的重叠部分仍然不容易检测出来，而且在低对比度条件下，这种现象尤其明显，并且对噪声很敏感。背景差法是计算机视觉中最常用的运动目标检测算法，其基本思想是将当前每一帧图像与实现存储或实时获取的背景图像想减，计算出与背景偏离超过一定阈值T的区域作为运动区域。该方法可以得到较完整的运动目标，计算速度取决于背景的建立以及背景的更新所采用的方法。考虑速度和稳健性两个方面，背景差法的综合性能最好。但是其在环境突变的情况下，尤其是当光线发生变化的时候，识别率和误检率降会急剧下降。
发明内容
本发明是针对现在技术所存在的上述不足的问题，提出了一种基于差分融合与图像边缘信息的运动目标检测方法，在光照突变这一复杂环境下准确而可靠地检测出运动目标。本发明的技术方案为一种基于差分融合与图像边缘信息的运动目标检测方法， 包括如下步骤1)首先要用摄像机获取场景中的景物视频，得到模拟图像；然后利用图像采集卡将模拟图像转化为数字图像，输入计算机处理模块；
2)计算机处理模块对原始图像进行预处理，对提取的原始图像进行滤波去噪、图像灰度化将彩色视频图像转换为灰度图像后、采用直方图均衡化对图像进行增强操作；
3)从视频中获取预处理后的原始图像，然后用Sobel算子提取图像的边缘信息，得到连续的边缘图像；
4)用imU8数据格式按顺序对提取的连续边缘图像中各帧之间以及中间帧和背景图像进行差分运算，得到差分图像，背景差分采用基于帧差的背景图像提取和更新方法；
5)将差分图像采用“异或”再“非”的逻辑操作，同时将其结果与背景差分结果进行“与” 操作；
6)对于步骤幻得到的结果进行滤波处理，再用动态阈值进行二值化处理，将其结果进行“或”运算得到最终的目标轮廓；
7 )对最终的目标轮廓进行形态学滤波和连通性检测，得最终运动行人目标的轮廓和位
置c 所述用Sobel算子提取图像的边缘信息得到连续的边缘图像，选取Sobel算子作为边缘算子，Sobel算子可以用模板卷积实现，对于一幅图像
f(x,y),它的边缘图像为
权利要求
1.一种基于差分融合与图像边缘信息的运动目标检测方法，其特征在于，包括如下步骤1)首先要用摄像机获取场景中的景物视频，得到模拟图像；然后利用图像采集卡将模拟图像转化为数字图像，输入计算机处理模块；2)计算机处理模块对原始图像进行预处理，对提取的原始图像进行滤波去噪、图像灰度化将彩色视频图像转换为灰度图像后、采用直方图均衡化对图像进行增强操作；3)从视频中获取预处理后的原始图像，然后用Sobel算子提取图像的边缘信息，得到连续的边缘图像；4)用imU8数据格式按顺序对提取的连续边缘图像中各帧之间以及中间帧和背景图像进行差分运算，得到差分图像，背景差分采用基于帧差的背景图像提取和更新方法；5)将差分图像采用“异或”再“非”的逻辑操作，同时将其结果与背景差分结果进行“与” 操作；6)对于步骤幻得到的结果进行滤波处理，再用动态阈值进行二值化处理，将其结果进行“或”运算得到最终的目标轮廓；7 )对最终的目标轮廓进行形态学滤波和连通性检测，得最终运动行人目标的轮廓和位置。
2.根据权利要求1所述基于差分融合与图像边缘信息的运动目标检测方法，其特征在于，所述用Sobel算子提取图像的边缘信息得到连续的边缘图像， 选取Sobel算子作为边缘算子，Sobel算子可以用模板卷积实现，对于一幅图像/(U)，它的边缘图像为 其中 Hx和Hy是Sobel算子的行梯度和列梯度。
3.根据权利要求1所述基于差分融合与图像边缘信息的运动目标检测方法，其特征在于，所述采用基于帧差的背景图像提取和更新方法，依据预处理后的图像进行自动提取背景，并通过设置一个明确的判断条件，对迭代过程进行控制，来判断某一个时刻背景图像中运动目标已经去除，当条件满足时，则认为背景图像中已经不含有运动目标，对于背景图像的更新，执行背景提取的操作，然后在设定周期内当检测到背景图像与实际情况有较大差异时才执行背景更新的操作，否则跳过。
4.根据权利要求1所述基于差分融合与图像边缘信息的运动目标检测方法，其特征在于，所述采用“异或”再“非”的逻辑操作，代替逻辑“与”的操作，即如果相同则提取，只要两个二进制数对应的“位”相同则置为1。
全文摘要
本发明涉及一种基于差分融合与图像边缘信息的运动目标检测方法，抽取视频图像预处理，并对图像进行边缘提取得到连续的边缘图像，接着用unit8数据格式对连续的边缘图像分别进行帧间差分运算，并对中间帧图像进行背景差分运算，然后融合这两种差分的检测结果，进而初步提取运动行人目标。在背景差分中，改进了自动提取背景的方法，提出一种基于连续边缘图像的背景图像提取和更新方法。然后利用基于自适应背景模型的动态阈值提取图像中的运动目标区域，并进行形态学滤波和连通性检测，最终获取运动行人的前景目标。在光照突变这一复杂环境下准确而可靠地检测出运动目标，在识别率和误检率两个方面均优于传统的三种方法。
文档编号G06T5/40GK102184552SQ20111012050
公开日2011年9月14日 申请日期2011年5月11日 优先权日2011年5月11日
发明者程严, 郝毫刚, 陈家琪 申请人:上海理工大学