一种复杂环境下基于图像处理的目标检测方法
【技术领域】
[0001]本发明涉及一种检测方法，具体是一种复杂环境下基于图像处理的目标检测方法。
【背景技术】
[0002]在现代高速公路的视频检测系统中，大量应用到图像处理技术进行车辆目标的识另IJ，但目前的处理方法对于复杂环境下的目标识别准确率较差，不能满足实际的需求。日本学者Nobuyuki Otsu于1979年提出的大津法，是一种自适应的阈值确定的方法，又叫最大类间方差法。它是按图像的灰度特性，求得背景和车辆目标之间像素值的类间方差最大值，将图像分成背景和目标两部分。大津法需要数据本身具有良好的可分性，而且因其每次确定阈值都要反复计算类间方差，计算复杂度太大，难以适应实时性要求较高的高速公路监控系统。Surendra等人认为当前帧图像与背景差分后得到的差分图像中，大部分像素点的像素值都较低，这些对应于当前帧中与背景相似的像素点，而只有少部分像素值较高，对应的是需要获取的前景目标。差分图像的直方图往往存在两个或多个峰值，要得到较好的阈值需要找到处于最大值右侧的一个低谷，并以此作为阈值。从直方图中的最高峰所对应的像素值开始往右开始搜索，当某一像素值的像素点个数小于峰值到一定程度(10%)时即将此像素值作为阈值。该方法是基于差分图像的直方图分布中存在多峰分布，在有目标存在的情况下这种算法是可行的，但是在监控图像中并不是每一帧图像中都会有目标存在，所以如果采用此方法就会造成一些虚假目标被检测出，常出现误报情况；同时该方法还存在一个问题，如何选择直方图中与峰值对应的比例，若是使用的是10%，对于复杂多变的监控环境，显然这是不合适的。
【发明内容】
[0003]本发明的目的在于提供一种复杂环境下基于图像处理的目标检测方法，以解决上述【背景技术】中提出的问题。
[0004]为实现上述目的，本发明提供如下技术方案:
一种复杂环境下基于图像处理的目标检测方法，包括以下几个步骤:S1、通过视频获取背景图像，并对当前图像与背景图像进行差分运算，获得差分图像的灰度直方分布图；S2、通过对差分图像直方图分布进行分析，求得直方图的不对称系数并由此判断检测目标是否存在;为运用不对称系数判断是否出现目标，求出分离系数；S3、若目标存在，进行环境匹配，再利用差分图像的不对称系数来确定分离背景和目标的阈值;S4、在确定了二值化阈值之后，通过对差分图像中灰度值超过阈值的像素点进行标记，并将这些像素点作为目标像素点进行目标检测；S5、对于夜间环境、夜间路灯雨天环境以及白天雨天的复杂环境，根据自适应阈值的方法来辅助二值化目标检测。
[0005]作为本发明再进一步的方案:对于白天雨天环境以及夜晚环境两种情况，在二值化算法中增加梯度判断条件，在进行图像差分运算的同时，对背景和当前帧图像分别计算梯度图像，并将两种梯度图像进行差分运算，得到背景图像和当前图像中梯度的差值。
[0006]与现有技术相比，本发明的有益效果是:本发明能够在复杂多变的监控环境中能较准确的区分出背景像素点和目标像素点。
【附图说明】
[0007]图1为本发明在无目标存在时当前帧与背景的差分图像直方图；
图2为本发明在有目标存在时当前帧与背景的差分图像直方图；
图3为复杂环境下基于图像处理的目标检测方法的流程图。
【具体实施方式】
[0008]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0009]请参阅图1?3，本发明实施例中，一种复杂环境下基于图像处理的目标检测方法，包括以下几个步骤:S1、通过视频获取背景图像，并对当前图像与背景图像进行差分运算，获得差分图像的灰度直方分布图；S2、通过对差分图像直方图分布进行分析，求得直方图的不对称系数并由此判断检测目标是否存在;为运用不对称系数判断是否出现目标，求出分离系数;S3、若目标存在，进行环境匹配，再利用差分图像的不对称系数来确定分离背景和目标的阈值;S4、在确定了二值化阈值之后，通过对差分图像中灰度值超过阈值的像素点进行标记，并将这些像素点作为目标像素点进行目标检测；S5、对于夜间环境、夜间路灯雨天环境以及白天雨天的复杂环境，根据自适应阈值的方法来辅助二值化目标检测。
[0010]对于白天雨天环境以及夜晚环境两种情况，在二值化算法中增加梯度判断条件，在进行图像差分运算的同时，对背景和当前帧图像分别计算梯度图像，并将两种梯度图像进行差分运算，得到背景图像和当前图像中梯度的差值。
[0011]下面通过一个实施例的处理流程，来具体描述本发明方法，此实施例步骤包括:
a:从视频图像中获取背景及其更新，将当前帧图像与背景进行差分运算得到直方分布图。图像差分的结果一般分为两种，包括有目标出现和无目标的灰度直方图。如图1所示，当没有目标出现时，差分图像的直方图分布呈现较对称分布，且均值(或峰值)处在像素值较低的区域;而当有目标出现的时，差分直方分布图如图2所示，差分图像的直方图呈现严重的不对称分布，且像素值较高的区域像素点会增加，但峰值依然在像素值较低的区域。
[0012]b:计算差分图像的不对称系数，并判断车辆目标是否出现。
[0013]计算差分图像的不对称系数，当无目标出现时，由于直方图分布呈现对称形态，因此不对称系统近乎为O;而当目标出现时，直方图分布并非对称，此时的不对称系数将偏大。并计算分离系数。
[0014]无目标出现时，差分图像的直方图呈现对称分布，此时分离系数接近于I，而此时不对称系数为近乎为0，因此若〈，判定为无目标出现，进行下一帧图像的分析；当有目标出现时，差分图像的直方图分布不对称，若，判定为有目标出现，继续下面步骤。
[0015]c:进行复杂环境下的目标检测，此处将白天、白天雨天路面积水、夜间灯光反光以及晚间雨天路面积水的情况下进行目标的识别。
[0016]I)对于白天环境，计算差分图像的自适应阈值:并将差分图像中灰度值大于阈值的像素点作为目标进行标记，完成目标的识别。
[0017]对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0018]此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
【主权项】
1.一种复杂环境下基于图像处理的目标检测方法，其特征在于，包括以下几个步骤:S1、通过视频获取背景图像，并对当前图像与背景图像进行差分运算，获得差分图像的灰度直方分布图；S2、通过对差分图像直方图分布进行分析，求得直方图的不对称系数并由此判断检测目标是否存在;为运用不对称系数判断是否出现目标，求出分离系数;S3、若目标存在，进行环境匹配，再利用差分图像的不对称系数来确定分离背景和目标的阈值;S4、在确定了二值化阈值之后，通过对差分图像中灰度值超过阈值的像素点进行标记，并将这些像素点作为目标像素点进行目标检测;S5、对于夜间环境、夜间路灯雨天环境以及白天雨天的复杂环境，根据自适应阈值的方法来辅助二值化目标检测。2.根据权利要求1所述的复杂环境下基于图像处理的目标检测方法，其特征在于，对于白天雨天环境以及夜晚环境两种情况，在二值化算法中增加梯度判断条件，在进行图像差分运算的同时，对背景和当前帧图像分别计算梯度图像，并将两种梯度图像进行差分运算，得到背景图像和当前图像中梯度的差值。
【专利摘要】本发明公开了一种复杂环境下基于图像处理的目标检测方法，包括以下几个步骤：S1、通过视频获取背景图像，并对当前图像与背景图像进行差分运算，获得差分图像的灰度直方分布图；S2、通过对差分图像直方图分布进行分析，求得直方图的不对称系数并由此判断检测目标是否存在；为运用不对称系数判断是否出现目标，求出分离系数；S3、若目标存在，进行环境匹配，再利用差分图像的不对称系数来确定分离背景和目标的阈值；S4、在确定了二值化阈值之后，通过对差分图像中灰度值超过阈值的像素点进行标记，并将这些像素点作为目标像素点进行目标检测。本发明能够在复杂多变的监控环境中能较准确的区分出背景像素点和目标像素点。
【IPC分类】G06K9/00
【公开号】CN105678272
【申请号】CN201610020099
【发明人】符锌砂, 李海峰, 王祥波, 曾彦杰, 郭恩强, 刘念, 朱振杰
【申请人】符锌砂
【公开日】2016年6月15日
【申请日】2016年3月25日