一种统计背景模型的运动目标检测方法与流程

本发明具体涉及一种统计背景模型的运动目标检测方法。

背景技术：

运动目标检测被广泛运用于智能交通系统、人体步态识别、军事目标识别等重要领域。运动目标检测是各种后续高级处理如目标分类、行为理解等的基础。通常采用的方法是背景消减法。其基本思想是将当前一帧图像与一帧没有移动物体的背景相减，或和一个背景序列相比较，然后进行阈值处理，得到运动目标区域，在此基础上，我们可以对目标区域结合相关理论进行分析处理，得到目标的速度、运动轨迹等相关信息。

传统的背景消减法在实际应用时很难得到理想的结果。当背景中含有轻微扰动对象，如树枝、树叶的摇动；以及当背景中存在物体移动时，如场景有一辆车突然进入等，该部分将会被作为运动目标而被检测出来；另外，外界光照等因素的变化也将对检测结果的精确性产生影响。

技术实现要素：

本发明要解决的技术问题是提供一种统计背景模型的运动目标检测方法。

一种统计背景模型的运动目标检测方法，包括以下步骤：

s1：采集运动目标视频图像，在运动的动态图像序列中，第t帧图像可以表示为：

；

其中表示像素点(i,j)灰度值，i的取值为[1,m]；j的取值为[1,n]；m，n为图像的行、列的像素的数目；

s2：假设像素点(i,j)灰度值x的概率为；某一个像素为背景的概率为，而像素点为前景车辆像素点的概率可表示为：

；

像素点(i,j)为背景的条件下灰度值为x的概率可表示为；背景的概率由如下表达式表示：

；

属于区域的像素的概率为：

；

s3：令图像中每个像素点(i,j)的灰度值都服从高斯分布，将其表示为，表示为第t帧图像灰度的数学期望，而表示相应图像灰度的方差，用表示像素点的概率密度函数，可由下式表示：

；

s4：引入更新率，取值[0,1]；则可将像素点(i,j)的高斯分布更新表示为：

；

；

；

其中，表示当前图像的像素点灰度值偏离其数学期望的大小；

s5：分别求相邻两帧的差分图像：

；

其中表示对第t帧图像和第t-1帧图像差分后的像素(i,j)的值，其中阈值t的选取由下式表示：

；

求出像素点(i,j)为背景的条件下灰度值为x的概率为：

；

s6：设定一个阈值，灰度相减得到的差值大于这个设定的阈值，就将该点认为是运动目标区域，否则就将其作为背景像素；

检测规则如下式表示：

；

表示检测到的目标区域，表示当前帧图像对应的像素点(i,j)的灰度值；表示建立的背景模型图像对应的像素点(i,j)的灰度值；th为阈值；

；

其中像素点(i,j)去满足条件下的像素点，表示满足上述条件的像素点的个数。

本发明的有益效果是：

本发明能较为理想地检测出运动目标，为更深入地对运动目标进行行为理解研究打下了坚实基础。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

一种统计背景模型的运动目标检测方法，包括以下步骤：

s1：采集运动目标视频图像，在运动的动态图像序列中，第t帧图像可以表示为：

；

其中表示像素点(i,j)灰度值，i的取值为[1,m]；j的取值为[1,n]；m，n为图像的行、列的像素的数目；

s2：假设像素点(i,j)灰度值x的概率为；某一个像素为背景的概率为，而像素点为前景车辆像素点的概率可表示为：

；

像素点(i,j)为背景的条件下灰度值为x的概率可表示为；背景的概率由如下表达式表示：

；

属于区域的像素的概率为：

；

s3：令图像中每个像素点(i,j)的灰度值都服从高斯分布，将其表示为，表示为第t帧图像灰度的数学期望，而表示相应图像灰度的方差，用表示像素点的概率密度函数，可由下式表示：

；

s4：引入更新率，取值[0,1]；则可将像素点(i,j)的高斯分布更新表示为：

；

；

；

其中，表示当前图像的像素点灰度值偏离其数学期望的大小；

s5：分别求相邻两帧的差分图像：

；

其中表示对第t帧图像和第t-1帧图像差分后的像素(i,j)的值，其中阈值t的选取由下式表示：

；

求出像素点(i,j)为背景的条件下灰度值为x的概率为：

；

s6：设定一个阈值，灰度相减得到的差值大于这个设定的阈值，就将该点认为是运动目标区域，否则就将其作为背景像素；

检测规则如下式表示：

；

表示检测到的目标区域，表示当前帧图像对应的像素点(i,j)的灰度值；表示建立的背景模型图像对应的像素点(i,j)的灰度值；th为阈值；

；

其中像素点(i,j)去满足条件下的像素点，表示满足上述条件的像素点的个数。