[0054] 本发明提出的一种混合运动目标检测新方法可有效解决智能视频监控系统中目 标检测不准确、边缘检测不完整，阴影、孔洞、孤立噪声，以及由于物体移动缓慢而导致的漏 检等问题。
[0055] 将该方法应用于智能视频监控系统中，采用混合高斯模型、Canny边缘检测法与连 续帧间差分法相结合的算法。在时间域上通过混合高斯模型进行背景的建模与更新，在空 间域上利用Canny边缘检测法、连续帧间差分法以及混合高斯模型相结合的算法检测出运 动目标，并对目标轮廓进行形态学处理，消除孤立噪声、填充边缘孔洞。该方法能更精确的 检测出运动目标轮廓。
[0056] 本发明提出的一种混合运动目标检测新方法应用于智能视频监控系统中，如社区 安防、交通监管、银行、商场等，具有较好的实时性和鲁棒性。 【【附图说明】】
[0057] 图1RGB颜色模型。
[0058] 图2混合运动目标检测算法流程图。
[0059] 图3连续帧间差分法与Canny边缘检测法相结合算法流程图。
[0060] 图4Canny边缘检测法与混合高斯模型相结合算法流程图。
[0061] 图5经过平滑去噪处理后所得图像。
[0062] 图6进行Canny边缘检测后所得图像。
[0063] 图7进行帧间差分并执行逻辑"与"和逻辑"或"运算所得图像。
[0064]图8利用混合高斯模型进行建模所得图像。
[0065]图9在RGB颜色空间进行阴影检测与消除所得图像。
[0066] 图10执行Canny边缘检测后所得图像。
[0067] 图11将图9和图10进行逻辑"与"运算所得图像。
[0068] 图12将步骤一所得图7和步骤二所得图11进行逻辑"或"运算所得图像。
[0069] 图13对完整目标轮廓（图12)进行形态学处理所得最终目标轮廓图像。 【【具体实施方式】】
[0070] 实施例一、
[0071] 步骤一：用连续帧间差分法与Canny边缘检测法相结合的算法检测出运动目标轮 廓，其算法流程图如图3所示，详细步骤如下：
[0072] 1、在视频中随机选取连续的7帧视频图像fk_3(x，y)，fk_2(x,y)，…，fk+3(x，y);
[0073] 2、用中值滤波法对这7帧连续的图像分别进行平滑去噪；
[0074] 例如原图像素值为：
[0075] 用3X1大小的窗口进行中值滤波处理，则经过平滑去噪后的图像像素值为：
[0077] 分别对这7帧图像进行处理，则经过中值滤波处理后的图像结果如图5所示。
[0078] 3、对经过平滑去噪处理后的图像进行Canny边缘检测；
[0079] (1)用高斯算子的一阶微分对图像进行滤波，得到每个图像的梯度和方向；
[0080] 利用高斯函数的可分性，将▽G的两个滤波卷积模板分解为两个一维的行列滤波 器，分别为：
[0081]
，将行列滤 波器分别与图像进行卷积，得到输出结果
，并令
.其中A(i，j)反映了图像上（i，j)点处的边缘强度。
[0082]例如原图像像素值为
，行滤波器为：[5 5 5 5 5 5 5]，列滤波器为：
，得到输出结果Ex为：
，Ey为：
[0083]得出A(i，j)为
[0084] (2)对梯度进行"非极大抑制"；
[0085] 例如用"非极大值抑制"处理A(i，j)，设阈值为5。则得到结果为：
[0086] 则经过Canny边缘检测处理视频图像序列，结果如图6所示。
[0087] 4、对经过Canny边缘检测后的图像进行帧间差分，并进行逻辑"与"和逻辑"或"运 算；
[0088] (1)进行帧间差分，即第一帧、第二帧、第三帧、第五帧、第六帧、第七帧分别和第四 帧进行差分处理，分别得到d14,d24,d34,d45,d46,d47;
[0089] 例如两个图像的像素值分别为：
，则两图像的像素 值差分之后的结果为：
[0090](2)进行逻辑"与"运算，能克制运动目标图像重影现象，即=Dl4?IV， D1 = DIA? D4(, ! ?D4> '
[0091] 例如两个图像的像素值分别为：
，则两图像 的像素值进行逻辑"与"运算之后的结果为：
[0092] (3)进行逻辑"或"运算，能克制运动目标图像孔洞现象，即D=M十A;
[0093] 例如两个图像的像素值分别为：
则两图像 的像素值进行逻辑"或"运算之后的结果为
[0094] 经过帧间差分，并进行逻辑"与"和逻辑"或"运算处理图像，结果如图7所示。
[0095] 步骤二：用Canny边缘检测法与混合高斯模型相结合的算法检测出运动目标轮 廓，其算法流程图如图4所示，详细步骤如下：
[0096] 1、用混合高斯模型进行背景的建模；
[0097] 直接利用混合高斯模型算法对视频图像序列进行背景的建模。
[0098] 例如得到的图像像素值为：
[0099] 利用混合高斯模型算法对视频图像序列进行建模，所得结果如图8所示。
[0100] 2、对经过混合高斯模型所得的图像，在RGB颜色空间进行阴影检测与消除；
[0101] 例如对1中的图像像素值，在RGB颜色空间进行阴影的检测与消除，
[0102] 所得像素值为：
[0103] 对视频图像序列在RGB颜色空间进行阴影检测与消除，结果如图9所示。
[0104] 3、用Canny边缘检测法检测出运动目标轮廓；
[0105] (1)用高斯算子的一阶微分对图像进行滤波，得到每个图像的梯度和方向；
[0106] 利用高斯函数的可分性，将▽G的两个滤波卷积模板分解为两个以为 的行列滤波器，将行列滤波器分别与图像进行卷积，得到输出结果EjPEy，并令
，其中A(i，j)反映了图像上（i，j)点处的边缘强度。
[0107]例如原图像像素值为
，行滤波器为：[5 5 5 5 5 5 5]，列滤波器为：
，得到输出结果Ex为：
，Ey为：
[0108]得出A(i，j)为
[0109] (2)对梯度进行"非极大抑制"；
[0110] 例如用"非极大值抑制"处理A(i，j)，设阈值为5。则得到结果为：
[0111] 对视频图像序列进行Canny边缘检测，所得结果如图10所示。
[0112] 4、把经过RGB颜色模型进行处理后的运动目标轮廓和用Canny边缘检测法得到的 运行目标轮廓进行逻辑"与"运算。
[0113] 例如两个图像的像素值分别为
，则两图像 的像素值进行逻辑"与"运算之后的结果为：
[0114] 即将图9和图10进行逻辑"与"运算，所得结果如图11所示。
[0115] 步骤三：将步骤一和步骤二所得运动目标轮廓进行逻辑"或"运算，得到完整运动 目标轮廓；
[0116] 例如两个图像的像素值分别为：
则两图像 的像素值进行逻辑"或"运算之后的结果为：
[0117] 即将图7和图11进行逻辑"或"运算，所得结果如图12所示，得到完整运动目标 轮廓，更加清晰完整；
[0118] 步骤四：对步骤三得到的完整目标轮廓进行形态学处理，消除图像中的孤立噪声， 填充目标边缘孔洞；
[0119] 例如图像的像素值为：
，
[0120] 经过腐蚀消除图像中的孤立噪声，所得图像像素值为
[0121] 经过膨胀进行边缘空洞的填充，所得图像像素值为：
[0122] 即利用【背景技术】中所述的形态学处理方法对本实验所得完整目标轮廓进行处理， 即对图12进行形态学处理，所得最终视频图像目标轮廓如图13所示。
【主权项】
1. 一种混合目标运动检测方法，其特征在于该方法主要包括如下关键步骤： 第1、用连续帧间差分法与Canny边缘检测法相结合的算法检测出运动目标轮廓； 第2、用Canny边缘检测法与混合高斯模型相结合的算法检测出运动目标轮廓； 第3、将第1步和第2步得到的两个运动目标轮廓进行逻辑"或"运算，得到完整目标轮 廓； 第4、对第3步得到的完整目标轮廓进行形态学处理，消除图像中的孤立噪声，填充目 标轮廓边缘的孔洞，得到最终目标轮廓。2. 根据权利要求1所述方法，其特征在于，第1步所述的连续帧间差分法与Canny边缘 检测法相结合的算法包括以下关键步骤： 第1. 1、在监控视频中随机选取连续的7帧视频图像； 第1. 2、对随机选取的连续7帧视频图像分别进行平滑去噪； 第1. 3、对经过平滑去噪处理后的图像进行Canny边缘检测； 第1.4、对经过Canny边缘检测后的图像进行帧间差分，并进行逻辑"与"和逻辑"或" 运算，得到运动目标轮廓。3. 根据权利要求1所述方法，其特征在于，第2步所述的Canny边缘检测法与混合高斯 模型相结合的算法包括以下关键步骤： 第2. 1、用混合高斯模型进行背景的建模； 第2. 2、对用混合高斯模型提取出的运动目标轮廓，在RGB颜色空间进行阴影检测与消 除； 第2. 3、用Canny边缘检测法检测出运动目标轮廓； 第2. 4、将第2. 2和第2. 3得到的两个运动目标轮廓进行逻辑"与"运算，得到运动目标 轮廓。
【专利摘要】一种混合运动目标检测方法。运动目标检测，通常是针对视频图像中的变化区域，目的是把变化的元素从背景中提取出来。传统的目标检测方法有相邻帧间差分法、背景差分法、光流法等。但由于光照变化、背景扰动等干扰因素，会出现目标检测不准确、边缘检测不完整、孔洞和阴影影等问题。本发明提出了一种由混合高斯模型、Canny边缘检测法与连续帧间差分法相结合的算法。该算法在时间域上利用混合高斯模型进行背景的建模及更新，在空间域上利用Canny边缘检测法、连续帧差分法及混合高斯模型相结合的算法检测出运动目标轮廓，并进行形态学处理。将该方法应用于智能视频监控技术中，能够精确的检测出运动目标，且具有较好的实时性和鲁棒性。
【IPC分类】G06T7/20, G06T7/00
【公开号】CN104933728
【申请号】CN201510407771
【发明人】张德干, 马震, 赵德新, 李可, 王法玉, 潘兆华
【申请人】天津理工大学
【公开日】2015年9月23日
【申请日】2015年7月13日