本发明具体涉及一种交通视频运动目标检测方法。
背景技术:
视频图像序列中的运动目标检测在机器视觉研究领域中是一个重要的研究课题,是进行目标跟踪和行为理解的基础,在视频智能监控、医学图像处理和机器人导航等许多领域内有着广泛的应用。
传统视频中运动目标检测方法主要有光流场法、帧间差分法和背景减法。光流场法需要进行多次迭代运算,运算复杂,计算量非常大,在实际应用中,除非具备特殊的硬件设备支持,否则很难保证对监控场景的实时检测,而且此算法的抗噪声等干扰能力也比较差,需要做进一步的改进。帧间差分法是通过对视频序列中2个或3个相邻帧进行时间差分阈值化来提取目标,其算法虽然简单并对动态环境具有较强的自适应性,但提取的目标容易出现空洞现象,检测出的运动物体的位置不精确,一般不能完全提取出所有相关的特征像素点。当视频监控的场景中运动目标没有明显的位置移动时,运动目标就不能被检测到。
技术实现要素:
本发明要解决的技术问题是提供一种交通视频运动目标检测方法。
一种交通视频运动目标检测方法,包括以下步骤:
s1:采集交通视频图像,对视频图像中每一个像素点的灰度值或色彩值进行混合高斯模型的背景建模;
s2:对当前时刻采集到的视频图像像素值与初始的k个高斯分布进行比较((k个高斯分布将按其
其中,
s3:按照匹配结果更新混合高斯模型的参数:
其中,
其中,
s4:把所有的高斯分布将按照
其中,t为像素被选取为背景的阈值,将选取前b个高斯分布作为背景元素;
s5:将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像。
进一步的,混合高斯模型的背景建模方法如下:
1)任意像素点(x,y)的历史像素值可以表示为:
式中,
2)视频图像中像素点x在t时刻属于背景像素的概率为:
其中,
本发明的有益效果是:
本发明采用混合高斯分布对视频背景进行建模,将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像;该方法能够准确地检测出前景运动车辆目标。
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。
一种交通视频运动目标检测方法,包括以下步骤:
s1:采集交通视频图像,对视频图像中每一个像素点的灰度值或色彩值进行混合高斯模型的背景建模;
s2:对当前时刻采集到的视频图像像素值与初始的k个高斯分布进行比较((k个高斯分布将按其
其中,
s3:按照匹配结果更新混合高斯模型的参数:
其中,
其中,
s4:把所有的高斯分布将按照
其中,t为像素被选取为背景的阈值,将选取前b个高斯分布作为背景元素;
s5:将前一帧视频图像与所建立的当前背景图像进行相减,得到车辆在当前时刻的运动图像。
混合高斯模型的背景建模方法如下:
1)任意像素点(x,y)的历史像素值可以表示为:
式中,
2)视频图像中像素点x在t时刻属于背景像素的概率为:
其中,