基于脉冲耦合神经网络的动目标检测方法
【专利摘要】本发明公开了基于脉冲耦合神经网络的动目标检测方法，包括以下步骤：a.利用脉冲耦合神经网络感知视频图像序列，提取视频图像的全局特征；b.建立每个像素的全局特征直方图；c.针对每个像素，利用前K帧对应的全局特征直方图作为该像素的初始背景模型；d.针对每个像素，计算当前帧图像的全局特征直方图与背景模型中相应的全局特征直方图的相似性，检测该像素是否为动目标；e.针对每个像素，利用当前帧图像的全局特征直方图对其背景模型进行更新。本发明借鉴人类视觉感知的整体特性，利用脉冲耦合神经网络提取图像的全局特征，有利于抑制动态背景扰动对动目标检测的不利影响，从而提高动目标检测的准确性。
【专利说明】基于脉冲耦合神经网络的动目标检测方法
【技术领域】
[0001]本发明涉及一种基于脉冲耦合神经网络的动目标检测方法，属于视频图像处理【技术领域】。
【背景技术】
[0002]在智能视频监控系统中，动目标检测技术是其它各种后期处理(如目标跟踪、目标识别及行为分析等)的基础。为了能在各种监控环境下准确有效地分割出运动目标区域，研究对复杂动态场景(如光照变化、背景扰动等)具有鲁棒性的动目标检测方法具有重要的意义。
[0003]为解决复杂的动态场景为动目标检测带来的种种困难，目前，人们主要利用像素点的局部邻域特征对像素点的背景模型进行描述，通过提取图像的局部区域特征来提高特征对于区域中光照变化、背景扰动的鲁棒性。该方法的局限性在于:因其未能很好地利用图像的全局特征，所以只有在动态背景运动局限于局部区域内时才能有效的抑制背景扰动，并不适用于存在剧烈运动的动态背景环境(这里所说的局限于局部区域，是指局限在计算局部特征的区域里。定性来讲，就是当动态背景在计算局部特征的区域里运动，计算出的局部区域特征就容易具有稳定性；当动态背景运动超出了计算局部特征的区域，得到的局部特征就不易稳定，由其建立的背景模型对剧烈运动的动态背景的鲁棒性也较差)。因而，当前急需一种能适用于存在剧烈运动的动态背景环境的，同时能提高检测准确性和鲁棒性的动态目标检测方法。
【发明内容】
[0004]本发明的目的在于，提供一种基于脉冲耦合神经网络的动目标检测方法，它可以有效解决现有技术中存在的问题，尤其是只有在动态背景运动局限于局部区域内时才能有效的抑制背景扰动，并不适用于存在剧烈运动的动态背景环境的问题。
[0005]为解决上述技术问题，本发明采用如下的技术方案:基于脉冲耦合神经网络的动目标检测方法，包括以下步骤:
[0006]a.利用脉冲耦合神经网络感知视频图像序列，提取视频图像的全局特征；
[0007]b.建立每个像素的全局特征直方图；
[0008]c.针对每个像素，利用前K帧对应的全局特征直方图作为该像素的初始背景模型；
[0009]d.针对每个像素，计算当前帧图像的全局特征直方图与背景模型中相应的全局特征直方图的相似性，检测该像素是否为动目标；
[0010]e.针对每个像素，利用当前帧图像的全局特征直方图对其背景模型进行更新。
[0011]优选的，步骤a具体包括:脉冲耦合神经网络中的一个神经元对应视频图像中的一个像素；对于脉冲耦合神经网络中位于(i，j)的神经元，其在时刻η受到外界刺激信息Sij和相邻kX I邻域内其它神经元n-ι时刻脉冲信息{Ykl}的影响后，反馈输入Fu、线性连接输入Lij、内部活动项Uij、膜电位动态阈值Θ u、脉冲发生器的脉冲输出Yij以及提取的视频图像的全局特征Qu分别为:
【权利要求】
1.基于脉冲耦合神经网络的动目标检测方法，其特征在于，包括以下步骤: a.利用脉冲耦合神经网络感知视频图像序列，提取视频图像的全局特征； b.建立每个像素的全局特征直方图； c.针对每个像素，利用前K帧对应的全局特征直方图作为该像素的初始背景模型； d.针对每个像素，计算当前帧图像的全局特征直方图与背景模型中相应的全局特征直方图的相似性，检测该像素是否为动目标； e.针对每个像素，利用当前帧图像的全局特征直方图对其背景模型进行更新。
2.根据权利要求1所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤a具体包括:脉冲耦合神经网络中的一个神经元对应视频图像中的一个像素；对于脉冲耦合神经网络中位于(i，j)的神经元，其在时刻η受到外界刺激信息Sij和相邻kXl邻域内其它神经元n-Ι时刻脉冲信息{Ykl}的影响后，反馈输入Fij、线性连接输入Lij、内部活动项Uij、膜电位动态阈值Θ u、脉冲发生器的脉冲输出Yij以及提取的视频图像的全局特征Qij分别为:
3.根据权利要求2所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤b包括:根据彩色图像R、G、B三个波段图像的特征，使用脉冲耦合神经网络对彩色图像的R、G、B三个波段图像分别进行感知，迭代iter次后分别得到三个波段的特征QK、QG、Qb ；针对每个像素，在其邻域内统计得到三个波段的特征直方图HK、He、HB，将这些直方图串联作为对应像素的全局特征直方图H。
4.根据权利要求1~3任一所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤c中，初始背景模型的建立具体包括:对于每个像素，利用前K帧图像通过步骤a和b提取获得K个全局特征直方图{&，...，&};对每个全局特征直方图赋予一个权重wk，且
5.根据权利要求4所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤d具体包括:针对每个像素，若当前帧图像的全局特征直方图H。与背景模型中前B个对应于背景的任一直方图的相似性大于阈值Ts，则该像素为背景；否则，该像素为前景，即动目标。
6.根据权利要求5所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤e中所述的对背景模型进行更新具体包括: el.针对每个像素，对待检测的当前帧图像使用步骤a和b提取获得其全局特征直方图Hc ;利用直方图交集计算当前帧图像的全局特征直方图H。与背景模型中K个直方图Hi之间的相似性:
【文档编号】G06N3/02GK103700118SQ201310731768
【公开日】2014年4月2日 申请日期:2013年12月27日 优先权日:2013年12月27日
【发明者】汪晋宽, 才溪, 韩光 申请人:东北大学