一种视频监测中运动目标的快速检测方法与流程

技术特征：

1.一种视频监测中运动目标的快速检测方法，其特征在于，包括以下步骤：

步骤一，待测视频V＝{I₀,I₁,I₂,…,I_k}，其中I_k是视频V中的第k帧图像，将视频的第零帧图像设定为初始背景模型D₀，即D₀＝I₀；

步骤二，通过计算F_k＝I_k-D_k-1提取前景，并在F_k上提取潜在运动区域的集合S_k，设定S_k中目标的集合的初始值O_k＝{}为空集；其中提取前景为将当前正在分析的图像I_k与背景模型D_k-1点对点相减，差值超过常量10的点作为前景点，否则作为背景点；点对点相减完成之后采用形态学开、闭操作，过滤噪声并使联通区域相对更规整，再采用区域生长方法获得其中作为前景的所有联通区域，将临近区域合并，得到潜在运动区域的集合S_k；

步骤三，对于步骤二S_i中每一个潜在运动区域s，检测s中可能存在的待检目标，所有检测到的目标均加入集合O_k中；

步骤四，对O_k-1中的所有目标，在第k帧中进行跟踪，所得待检目标同样加入到O_k中，并继续向前对所有短时间内丢失的目标的最后一次出现在当前帧进行跟踪，所得目标同样加入到当前目标集合O_k中；

步骤五，对于集合O_k中一定时间不出现的目标作消失处理，将该目标从集合O_k中删除；

步骤六，更新背景模型；

步骤七，对于下一帧图像，重复上述步骤二到步骤六，直到检测到视频最后一帧图像后，得到检测结果。

2.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤三中检测s中可能存在的待检目标的方法为多尺度、浮动窗和基于HoG特征计算的的目标识别的方法。

3.根据权利要求2所述的视频监测中运动目标的快速检测方法，其特征在于，基于HoG特征计算的的目标识别，还需要设定一个判定机制，该机制为首先手动标定一个目标数据样本库，数据样本库由大量相同尺寸的图片组成，每张图片都标定了其是否存在特定检测目标，每张图片中各像素点的HoG特征均被获取；判定机制通过获取每张图片中各像素点的HoG特征进而形成对于检测目标的识别模型数据；特定检测过程中，首先将待测窗口调整为与判定机制中图片相同的大小，然后通过识别模型数据判定待测窗口中是否存在特定检测目标。

4.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤三中检测s中可能存在的待检目标的方法还可以按照以下进行：

1)将第一帧图像作为初始背景，即C(x,y,1)＝T(x,y,k)，其中x，y为像素点的坐标，k为帧数号；

2)对当前帧T(x,y,k)，进行目标标识矩阵D(x,y,k)的计算，计算公式为：

$D(x,y,k)=\left\{\begin{array}{c}1,|T(x,y,k)-C(x,y,k)|\≥F\left(k\right)\\ 0,|T(x,y,k)-C(x,y,k)|\≤F\left(k\right)\end{array}\right.$

其中C(x,y,k)为当前背景图像，F(k)的取值范围为20-40；

3)统计各像素点A_i,j,k和A_i+n,j+m,k+f在待测像素点的时间和空间领域内的概率密度，计算信息差和检测点像素点的值，其中信息差M(x,y,k)为：

$M(x,y,k)=\underset{n=-1}{\overset{1}{\mathrm{\Σ}}}\underset{m=-1}{\overset{1}{\mathrm{\Σ}}}\underset{f=-2}{\overset{0}{\mathrm{\Σ}}}log\frac{g\left(A_{i,j,k}\right)}{g\left(A_{i+n,j+m,k+f}\right)},(k\≥2)$

式中，g(A_i,j,k)和g(A_i+n,j+m,k+f)分别为像素点A_i,j,k和A_i+n,j+m,k+f在时间域和空间域内的概率密度函数；像素点的值Z(A_i,j,k)为：Z(A_i,j,k)＝g(A_i,j,k)+M(x,y,k)/26，(k≥2)；

4)将像素点的值Z(A_i,j,k)≥0.02的区域作为前景标记，标记为Q^q；把像素点的值Z(A_i,j,k)≤0.02的区域作为背景标记，标记为Q^b；

5)利用多尺度形态学方法计算当前帧的多尺度形态学梯度图像g；

6)利用以上标记Q^q与Q^b进行优化：g，＝imimposemin(g,Q^q|Q^b)，然后利用分水岭算法得到目标图像：contour＝watershed(g，)；

7)对下一帧图像更新并建立新背景，重复步骤2)-6)，直至最后一帧图像，得到检测结果。

5.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤四中跟踪的方法如下：

1)首先初始化待跟踪帧中与跟踪源帧中目标位置相同的位置为初始检索位置p；

2)把待跟踪帧中检索位置p为中心、大小与目标在跟踪源帧中大小相等的矩形框作为潜在的跟踪结果，将它与跟踪源中的目标求均方差，如果这个值小于阈值2，则认为跟踪完成，找到了跟踪目标，算法结束；

3)上一步骤获得的均方差值不满足条件的话，把p周围菱形位置即八个位置：斜对角的四个邻点+上下左右各自隔一点的位置分别作为矩形框中心各自计算与跟踪目标在跟踪源帧中的均方差，如果这八个值均超过上一步骤获得的均方差值则认为不存在跟踪结果，算法结束；否则，以产生最小均方差值的点替换p；

4)对当前帧之前一定范围内的帧中的目标的最后一次出现，都采用以上步骤中的方法进行跟踪。

6.根据权利要求1所述的视频监测中运动目标的快速检测方法，其特征在于，步骤六中更新背景模型具体为对位置是(x，y)的点，如在当前背景模型中的亮度值是d，而在当前图像中的亮度值是p，则经过当前图像，背景模型的值更新为D_k＝(1-α)×d+α×p，如果位置是(x，y)的点在步骤二中判定为背景点，则α值取0.1，如果在步骤二中判定为前景点，则α值取0.01。

7.根据权利要求5所述的视频监测中运动目标的快速检测方法，其特征在于，步骤4)中当前帧之前一定范围内的帧指的是当前帧的前25帧。