基于w4算法和帧间差分的视频监控目标检测方法
【技术领域】
[0001] 本发明属于视频监控图像处理技术领域，特别是一种既不会错检，也没有空洞现 象基于W4算法和帧间差分相结合的视频监控目标检测方法。
【背景技术】
[0002] 智能视频监控系统需要准确地完成运动目标的检测，从而将运动目标与背景图像 分离，以供后继处理。因此运动目标检测是运动目标跟踪等很多后续处理的基础。运动目标 检测算法制约着整个智能视频监控系统的稳定性、可靠性。
[0003] 目前，比较成熟的运动目标检测算法可以分为以下三类:光流法、帧差法以及背景 建模法。
[0004] (1)光流法是将二维图像平面坐标点上灰度的瞬时变化率定义为光流矢量，通过 估计光流矢量梯度平方和或拉普拉斯平方和的最小化确定目标运动。单纯从图像灰度强度 来检测运动目标的光流法在运动目标与背景图像的对比度很小，或图像存在噪声时，其效 果较差，而且光流法运算量较大，对硬件设备要求较高，在实时监控系统中很难得到应用。
[0005] (2)帧差法是在视频图像序列中的相邻两帧间对图像灰度值做差分运算，从而提 取图像中的运动区域。帧差法在动态环境中具有较强的自适应性，对光照的变化干扰不敏 感，运算量小，其缺点是很难完整地提取出与运动目标相关的全部像素区域，只能提取出边 界点，容易在运动实体内部产生空洞。此外，在运动目标速度缓慢时，很可能会检测不到，而 运动目标速度过快时，将会把部分背景也检测为运动目标，检测出的物体在运动方向上被 拉伸，造成检测效果不精确。
[0006] (3)背景差分法是对视频帧序列进行分析后通过建立相应的合适的背景提取模型 提取到背景图像帧，再通过多视频帧序列进行实时采集获得当前帧视频图像，二者相减得 到差分值。通过对差分结果的辨析，判断某一像素点是感兴趣的（或者说有用的）运动目标 还是背景像素点。根据背景差法的原理，只要能够建立正确的背景图像，用当前帧图像减去 背景图像即可提取出运动目标。所以，运动目标检测的关键是如何建立合适的自适应背景 模型，有效的去除光照、噪声等引起的干扰。自适应背景模型能够根据背景的变化建立背景 模型，并不断更新模型参数，最后根据运动目标像素的模型分布参数与背景模型的分布参 数是否符合来判断运动目标像素点，从而检测出运动目标。
[0007] I·Ha;ritaoglu和D·Ha;rvood于2000年在《IEEE》上发表的《w4:Real-Time surveillance of people and their activitie》中提出W4算法，它属于背景差分法的一 种。它利用最大、最小灰度值和最大时间差分值为场景中每个像素进行统计建模。它的主要 特点如下：
[0008] (1)在室外等光照良好的场景下检测算法很有效；
[0009] (2)在场景变化时，也可以建立背景模型；
[0010] (3)能克服背景中的扰动；
[0011] (4)能同时对多个目标进行检测；
[0012] (5)对背景模型进行周期性的更新，对环境及背景的变化有一定的自适应性；
[0013] (6)参数较少，运算量较小，资源消耗少；
[0014] 由W4运动检测算法的特点可知，对于一个静态的摄像机实时监控固定区域，W4运 动检测算法是一种即可以取得较好效果，又兼具实时性的运动目标检测算法。
[0015] 然而经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等 问题，背景模型建立后就不变了，这对长时间的监控系统来说误差会越来越大，因为当周围 环境发生变化后，会使之前建立好的背景模型不能适应当前的环境，系统可能将背景点检 测为运动目标点，将运动目标点检测为背景点，即产生错检。
[0016] 综上所述，现有技术存在的问题是：基于W4算法的视频监控目标及异常事件检测 方法会因背景突变带来错检，帧间差分造成空洞，最终导致检测不准，且不能检测异常事 件。
【发明内容】
[0017] 本发明的目的在于提供一种基于W4算法和帧间差分的视频监控目标检测方法，既 不会错检，也没有空洞现象。
[0018] 实现本发明目的的技术解决方案为：
[0019] 一种基于W4算法和帧间差分的视频监控目标检测方法，包括以下步骤：
[0020] (10)图像采集:利用监控摄像头采集含有运动目标的图像，包括RGB图像和灰度化 图像；
[0021] (20)图像灰度化:将采集到的RGB图像进行灰度化；
[0022] (30)背景模型初始化:提取灰度化图像中前k帧图像的像素点处的统计特性，包括 灰度最大值、灰度最小值，以及最大时间差分值；
[0023] (40 )W4算法检测：利用每点的最大时间差分值，计算整幅图像相邻两帧最大距离 的均值，将灰度化图像k+Ι帧开始的每个像素点的灰度值分别与背景模型中对应像素点进 行比较，得到W4算法二值化前景图像；
[0024] (50)帧间差分检测:对灰度化图像k+Ι帧开始的每一帧图像，设当前帧为t，取一段 时间[t-n_l，t]内当前帧及之前的偶数帧图像，使用帧间差分法对相邻的两帧分别进行差 分，得到多幅二值化的差分图像，再将它们进行逻辑或运算，从而得到帧间差分二值化前景 图像；
[0025] (60)运动目标检测:将W4算法二值化前景图像与帧间差分二值化前景图像进行逻 辑与运算，并进行形态学滤波，若像素点为前景，则判断为运动目标，显示该运动目标，令其 在显示器显示的灰度值为255。
[0026]本发明与现有技术相比，其显著优点：
[0027] (1)经典W4背景建模算法只能克服光照强度的微小变化以及背景的轻微运动等问 题，背景模型建立后就不变了，这对长时间的监控系统来说误差会越来越大，当周围环境发 生变化，如光照、风强度变化、运动物体突然停止，以及静止物突然运动等，已建立好的背景 模型可能不再适应变化了的环境，就有可能出现检测错误。本发明将W算法的检测结果和帧 间差分的检测结果进行逻辑与运算，与经典W4算法相比，可以增大目标检测的准确性。
[0028] (2)帧间差分虽然能够适应视场内物体的突变，及时地检测出场景内物体的运动 状态变化，并且对光照的变化也有很好的适应能力，但受物体运动速度的影响较大，如果物 体运动太慢，检测结果出现严重的空洞现象。本发明将帧间差分的检测结果与W4算法的检 测结果进行逻辑与运算，可以去除目标运动速度过慢出现的空洞现象。
[0029]下面结合附图对本发明作进一步详细描述。
【附图说明】
[0030] 图1为本发明基于W4算法和帧间差分的视频监控目标检测方法的流程图。
[0031] 图2(a)为经典W4算法、帧间差分法与本发明提出的混合算法在室外对行人的检测 效果对比图：1)原始图像;2)W4算法的检测结果;3)帧间差分法的检测结果;4)本发明方法 检测结果;5)经形态学滤波处理后的结果。
[0032] 图2(b)为经典W4算法、帧间差分法与本发明提出的混合算法在夜间校园对行人的 检测效果对比图：1)原始图像;2)W4算法的检测结果;3)帧间差分法的检测结果;4)本发明 方法检测结果;5)经形态学滤波处理后的结果。
[0033] 图2(c)为经典W4算法、帧间差分法与本发明提出的混合算法在白天公园对行人的 检测效果对比图：1)原始图像;2)W4算法的检测结果;3)帧间差分法的检测结果;4)本发明 方法检测结果;5)经形态学滤波处理后的结果。
[0034] 图3(a)为异常事件检测在室外监控的单个运动目标非法入侵报警效果图：1)113 帧原始图像;2)113帧检测效果图像;3)158帧检测效果图像。
[0035]图3(b)为异常事件检测在室外监控的多个运动目标非法入侵报警效果图：1)160 帧原始图像;2) 160帧检测效果图像;3) 197帧检测效果图像。
[0036] 图4(a)为行人滞留在监控区域的非法滞留报警效果图：1)93帧原始图像;2)93帧 检测效果图像;3)205帧检测效果图像。
[0037] 图4(b)为物体滞留在监控区域的非法滞留报警效果图：1)111帧原始图像;2)111 帧检测效果图像;3)155帧检测效果图像;4)276帧检测效果图像；
[0038] 图5(a)为监控区域内的凳子被移走的非法移位报警效果图：1)78帧原始图像;2) 78帧检测效果图像;3)198帧检测效果图像;4)253帧检测效果图像。
[0039] 图5(b)为监控区域内的黑色物体被移走的非法移位报警效果图：1)127帧原始图 像;2)127帧检测效果图像;3)175帧检测效果图像。4)266帧检测效果图像。
【具体实施方式】
[0040] 如图1所示，本发明基于W4算法和帧间差分的视频监控目标检测方法，包括以下步 骤：
[0041] (10)图像采集:利用监控摄像头采集含有运动目标的图像，包括RGB图像和灰度化 图像；
[0042] (20)图像灰度化:将采集到的RGB图像进行灰度化；
[0043] (30)背景模型初始化:提取灰度化图像中前k帧图像的像素点处的统计特性，包括 灰度最大值、灰度最小值，以及最大时间差分值；
[0044] 所述30)背景模型初始化步骤中，前k帧图像的像素点(x，y)处的统计特性为：
[0045] Ft(x，y)为点(x，y)处在第t帧的