一种基于分形理论的目标检测背景估计方法
【技术领域】
[0001] 本发明涉及实时监控技术领域，特别是涉及一种基于分形理论的目标检测背景估 计方法。
【背景技术】
[0002] 目前，机器视觉、实时监控和智能安防系统的在进行运动目标检测识别关键技术 中都涉及到一个核心问题，即对现场背景图像的准确估计。系统是否能够在现场情况下得 到准确可靠的背景图像，直接影响着系统后端对运动目标的检测的准确度和稳定性，特别 是随机且可能存在不确定干扰因素的使用环境情况下进行目标检测时，对当前获得的包含 待检测目标的图像序列的背景图像估计的实时性、准确性和鲁棒性是非常重要的。因此，在 随机且可能存在不确定干扰因素的使用环境下进行目标检测时，能够实时获得准确性高、 鲁棒性强的背景图像的算法，成为了机器视觉、实时监控和智能安防领域研究中关键技术 之一。
[0003] 在进行目标检测的背景估计时，存在要适应随机且可能存在不确定干扰因素的使 用环境、实时性强等需求，并且准确性要高，在实际使用过程中需要满足可用性强，鲁棒性 好等要求。
[0004] 为了实现目标检测背景估计，可以使用混合高斯模型背景估计、均值背景估计或 者光流法背景估计等。混合高斯模型背景估计是把图像中的像素值看成是一些高斯分布的 综合作用，即前景高斯分布和背景高斯分布的混合体。图像的某点像素值符合前景高斯分 布时，就认为该点属于前景目标;符合背景高斯分布时，就认为该点属于背景，并进行背景 更新，此计算量大，不能够满足实时性，且对噪声比较敏感;而均值背景估计是帧累积取平 均值的过程，需要大量的原始数据源才能得到较准确的背景数据，实时性和抗噪声性差;光 流法背景估计计算量大，对帧率要求极高，且对光线噪声敏感。
【发明内容】
[0005] 本发明所要解决的技术问题是提供一种基于分形理论的目标检测背景估计方法， 能够适应随机且可能存在不确定干扰因素的使用环境，实时性强、可靠性高，为后续的目标 检测提供了有效的背景数据依据，提高了目标的检测准确度。
[0006] 本发明解决其技术问题所采用的技术方案是:提供一种基于分形理论的目标检测 背景估计方法，包括以下步骤：
[0007] (1)获取包含待检测目标的图像序列；
[0008] (2)得到每个坐标点像素在整个图像序列中的亮度值数组；
[0009] (3)计算每个坐标点像素的分形特征值；
[0010] (4)分类得到背景、前景及干扰像素点；
[0011] (5)针对像素类型逐点进行相应背景估计计算；
[0012] (6)利用得到的背景估计值代替原值，得到最终的背景图像数据。
[0013] 所述步骤(1)中还包括逐帧对获取的图像序列的每帧图像进行滤波预处理去除干 扰点的步骤。
[0014] 所述步骤(2)具体为:遍历图像中的每一个像素点，使用获得包含待检测目标的图 像序列数据，提取图像序列中每帧图像对应同一坐标位置点的像素亮度值，即得到该坐标 点像素在整个图像序列中的亮度值数组。
[0015] 所述步骤(3)具体为:对每个坐标像素点的亮度数组进行分形特征值计算，得到分 形特征值，遍历所有像素点后，得到了分形特征值数组。
[0016] 所述步骤(4)具体为:根据亮度值分布的规律性，将所有像素点根据其分形特征值 分类，分为前景像素点、背景像素点和干扰像素点。
[0017] 所述步骤(5)具体为:对所有像素点进行逐点背景估计，根据该像素点的类型选择 不同的背景估计方法进行背景估计计算，得到每个像素的估计值;其中，对于背景点，使用 该点对应的亮度值数组进行背景像素值估计;对于前景点，使用该点对应的亮度值数组及 分形特征值进行背景像素值估计;对于干扰点，使用该点对应的亮度值数组进行背景像素 值估计。
[0018] 所述步骤(6)中还包括对畸变点进行局域处理的步骤。
[0019] 有益效果
[0020] 由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效 果:本发明实现了在随机且可能存在不确定干扰因素的使用环境下，估计得到当前背景数 据，实时性强、可靠性高，为后续的目标检测提供了有效的背景数据依据，提高了目标的检 测准确度。本发明不需要进行大量的数据采集，抗干扰性强、速度快，可实现系统的实时性， 特别适合在机器视觉、实时监控和智能安防系统这种实时性有效性要求较高的环境。
【附图说明】
[0021] 图1是本发明的流程图；
[0022] 图2是本发明中获取包含待检测目标的图像序列的流程图；
[0023] 图3是本发明中计算的分形特征值的示意图；
[0024]图4是本发明中分类得到背景、前景及干扰像素点的流程图；
[0025] 图5是本发明【具体实施方式】中获取的前景和背景示意图。
【具体实施方式】
[0026] 下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明 而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人 员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定 的范围。
[0027] 图1为本发明一种基于分形理论的目标检测背景估计算法的流程图，如图1所示， 所述方法，包括下列步骤：
[0028] 步骤100:获取包含待检测目标的图像序列；
[0029]步骤200:得到每个坐标点像素在整个图像序列中的亮度值数组；
[0030]步骤300:计算每个坐标点像素的分形特征值；
[0031]步骤400:分类得到背景、前景及干扰像素点；
[0032]步骤500:针对像素类型逐点进行相应背景估计计算；
[0033]步骤600:得到背景图像数据。
[0034] 图2为本发明中获取包含待检测目标的图像序列的结构示意图，说明了获取包含 待检测目标的图像序列数据及滤波预处理方法。
[0035] 步骤101:获取最原始的获取包含待检测目标的图像序列N{1，2，. . .，n}，n2 9。
[0036] 步骤102:对获取的原始的图像序列N进行滤波预处理，去除干扰噪点，特别是电子 干扰噪声点。滤波预处理方法一般取M*M中值滤波，Μ=3、5、或其他数值。
[0037]步骤103:得到滤波预处理后获得图像序列数据。
[0038] 在步骤200中，遍历图像中的每一个像素点，使用获得包含待检测目标的图像序列 数据，提取图像序列中每帧图像对应同一坐标位置点的像素亮度值，即得到该坐标点像素 在整个图像序列中的亮度值数组V[l，2, ...，η]，其中η为图像序列包含的图像帧数。η-般 只需满足大于或等于9帧即可正常使用。