专利名称：一种针对复杂背景的运动目标检测方法
技术领域：
本发明涉及一种针对复杂背景的目标检测方法。
背景技术：
视频技术在科学研究和工程领域有着广阔的前景。在视频图像处理的各种研究和 应用中，运动目标的检测技术是一项关键的技术。通常运动目标检测的目的是为了把运动 目标从背景中分离出来，是运动目标与背景的二元决策问题。视频图像处理的首要任务是从视频图像中检测出运动的目标，通过时间和空间上 的冗余信息，将背景和运动目标分割出来，如何有效的对背景和目标进行分割是目前研究 的重点。复杂条件(或背景)下的运动目标检测一直是视频图像处理和理解领域的难点， 也日益成为视频图像处理系统实用性和可靠性的严重障碍。由于各种视频应用的场合不尽 相同，运动目标所处的环境和背景千变万化，这对运动目标检测方法的适应性和稳健性提 出了更高的要求。但是从目前的条件和技术水平来说，建立抗干扰性强、能适应各种场合各 种条件的、稳健的运动目标检测方法非常困难。目前已出现了很多在特定条件下具有良好 性能的运动目标检测和跟踪的方法。针对不同的应用场合的检测方法，其可靠性和稳定性 较易实现，然而如何提高检测方法对于复杂条件(或背景)的适应性和鲁棒性是一个充满 挑战的课题。
发明内容
本发明是为了解决现有的检测方法在复杂条件下的适应性差、鲁棒性差的问题， 从而提供一种针对复杂背景的运动目标检测方法。一种针对复杂背景的运动目标检测方法，它由以下步骤实现步骤一、获取待测场景的视频，根据视频内容获得M帧场景图像。M为大于或等于 2的整数；步骤二、对步骤一获得的M帧场景图像作帧间差分，获得场景图像中的每一个像 素点的差分序列；步骤三、对步骤二获得的场景图像中的每一个像素点的差分序列建立混合高斯模 型；步骤四、设置要求的虚警率，并根据步骤三获得的混合高斯模型计算场景图像中 的每一个像素点的检测门限；步骤五、根据步骤四获得的检测门限对差分序列帧中的每一个像素点做二值化处 理，从而获得运动目标的轮廓。步骤一中所述待测场景的视频Px,y(t)的表达式为Px,y(t) =Tx,y(t)+Bx,y(t)+Lx,y(t)式中，χ, y是像素的坐标，t为待测场景的视频的时间，Tx,y(t)表示运动目标，Bx,
3y(t)为背景，Lx,y(t)表示光照的强度。 步骤三中所述的混合高斯模型的具体含义为一个以概率1- ε从#(0,σ〗)得到的 随机变量，以及以概率ε从#(0,σ22)得到的随机变量之和的概率密度函数，混合高斯模型 的概率密度函数定义为 _6] Uy ( = (1-s)gx y (ζ) + 枝W (Z)其中，^ (ζ) ~ #(0,σι2)和^ (ζ) ~ #(0,σ22)分别是两个零均值不等方差的高斯模 型，ε e W，1]，是两个高斯分量的比率；对于每组差分序列ζ [η]，η = 1，2···，N，N为正整数，将上述公式改写为
-ε) ( z2\n\\ sf 儿“1、
ζ \n\
ν 2^y步骤四中所述设置混合高斯模型的虚警率的方法为如果以Th作为区分运动目 标与背景的阈值，则大于Th的像素点为运动目标，小于或等于Th的像素点为背景；那么虚
+00-Th+00
警率为·Λα = f fX,y + j L,y ( ^Ζ = 2 j fx，y (z)dz
Th-OOTh
O步骤四所述根据所述虚警率计算每帧场景图像中的每一个像素点的检测门限采 用Q函数法。有益效果本发明的检测方法在复杂条件下的适应性强、鲁棒性强，尤其适合亮度 变化、阴影、树叶摆动、恶劣的气象环境条件下的运动目标检测。
图1是本发明的流程示意图2是两个零均值不等方差的高斯模型示意图； 图3是混合高斯模型示意图； 图4是虚警率的示意图。
具体实施例方式具体实施方式
一、结合图1说明本具体实施方式
，一种针对复杂背景的运动目标 检测方法，它由以下步骤实现步骤一、获取待测场景的视频，根据视频内容获得M帧场景图像，M为大于或等于2 的整数；步骤二、对步骤一获得的M帧场景图像作差分，获得每帧场景图像中的每一个像 素点的差分序列；步骤三、根据步骤二获得的每帧场景图像中的每一个像素点的差分序列建立混合 高斯模型；步骤四、设置步骤三获得的混合高斯模型的虚警率，并根据所述虚警率计算每帧 场景图像中的每一个像素点的检测门限；步骤五、根据步骤四获得的检测门限对步骤一获得每帧场景图像中的每一个像素点做二值化处理，从而获得运动目标的轮廓。步骤一中所述待测场景的视频Px,y(t)的表达式为
权利要求
1.一种针对复杂背景的运动目标检测方法，其特征是它由以下步骤实现步骤一、获取待测场景的视频，根据视频内容获得M帧场景图像，M为大于或等于2的 整数；步骤二、对步骤一获得的M帧场景图像作帧间差分，获得场景图像中的每一个像素点 的差分序列；步骤三、对步骤二获得的场景图像中的每一个像素点的差分序列建立混合高斯模型；步骤四、设置要求的虚警率，并根据步骤三获得的混合高斯模型计算场景图像中的每 一个像素点的检测门限；步骤五、根据步骤四获得的检测门限对差分序列帧中的每一个像素点做二值化处理， 从而获得运动目标的轮廓。
2.根据权利要求1所述的一种针对复杂背景的运动目标检测方法，其特征在于步骤一 中所述待测场景的视频Px, y(t)的表达式为Px,y(t) =Tx,y(t)+Bx,y(t)+Lx,y(t)式中，χ，y是像素的坐标，t为待测场景的视频的时间，Tx,y(t)表示运动目标，Bx,y(t) 为背景，Lx,y(t)表示光照的强度。
3.根据权利要求1所述的一种针对复杂背景的运动目标检测方法，其特征在于步骤三 中所述的混合高斯模型的具体含义为一个以概率1- ε从#(0,σι2)得到的随机变量，以及 以概率ε从#(0,σ22)得到的随机变量之和的概率密度函数，混合高斯模型的概率密度函数 定义为fx,y(z) = (l~ + Sgx^z)其中，Α,⑷ #(0,σ/)和良厂#(0,σ22)分别是两个零均值不等方差的高斯模型， ε e W，1]，是两个高斯分量的比率；对于(x，y)像素差分序列z[n]，n= 1,2,…，N，N为正整数，将上述公式改写为/ (-[; ]. )= (l~g) cxp Λη\λ ! g ( ζ2[η]、 x^ ' Ct1V^ Iv 2af J a2yf2jr Iv Io11 yο
4.根据权利要求1所述的一种针对复杂背景的运动目标检测方法，其特征在于步骤四 中所述设定的虚警率和检测门限的关系为如果以Th作为区分运动目标与背景的阈值，则大于Th的像素点为运动目标，小于或等+00-Th+00于1 的像素点为背景；那么虚警率为·λα= \ LAz￥z+ j LAz)dz=2\ fxAz￥zTh-ooThO
5.根据权利要求1所述的一种针对复杂背景的运动目标检测方法，其特征在于步骤四 所述根据设定的虚警率计算每帧场景中的每一个像素点的检测门限采用Q函数法。
全文摘要
一种针对复杂背景的运动目标检测方法，涉及一种针对复杂背景中动目标的检测，解决了现有的检测方法在复杂条件下的适应性差、鲁棒性差的问题。其方法获取待测场景的视频的M帧场景图像，并作帧间差分，对于每个像素点的差分序列建立混合高斯模型；设置混合高斯模型的虚警率，计算每个像素点的检测门限；根据检测门限对每帧场景图像中的每一个像素点做二值化处理，获得运动目标的轮廓。本发明适用于复杂背景下的运动目标检测。
文档编号G06T7/20GK102129688SQ201110044730
公开日2011年7月20日 申请日期2011年2月24日 优先权日2011年2月24日
发明者吴立刚, 李旭涛, 杨成胡, 赵鸿燕 申请人:哈尔滨工业大学