专利名称：一种基于跟踪反馈的非参数运动目标检测方法
技术领域：
本发明涉及一种基于跟踪反馈的非参数运动目标检测方法，特别是涉及一种光电产品应用技术领域的基于跟踪反馈的非参数运动目标检测方法。
背景技术：
从二十世纪六十年代至今，可见光成像的目标自动跟踪系统与雷达探测、红外热像技术相结合，已成为全天候作战系统的重要组成部分。利用可见光获取视频信号进行对象自动跟踪的方法，在低空性能方面较雷达优越，在跟踪冷对象方面又较红外优越，特别是在跟踪近距离对象时，具有显示直观、有利于截获和精确跟踪对象等特点。因而在对地或对空监视、成像制导武器、机载或弹载前视红外图像等方面具有广泛的应用。
在运动目标检测中，局部阴影的普遍存在使得运动检测算法很容易将阴影分割为运动目标的一部分，从而造成运动目标的误检测现象研究者一般先根据当前帧与背景模型进行运动目标的检测，然后再对运动目标进行阴影抑制来消除局部阴影对运动目标的影响。阴影模型的构建增加了运动目标检测的复杂性，而且视频运动场景的变化会让阴影模型的抗干扰性下降，因此背景模型的建立和更新方法至关重要，它直接影响背景模型对场景变化和运动目标的适应性。但是动态场景中背景模型的更新与保持都受到多种因素的影响，寻找理想的背景模型往往非常困难。因此亟需提供一种新型的基于跟踪反馈的非参数运动目标检测方法。发明内容
本发明要解决的技术问题是提供一种能消除局部阴影对运动目标检测影响的基于跟踪反馈的非参数运动目标检测方法。
为解决上述技术问题，本发明一种基于跟踪反馈的非参数运动目标检测方法，依次包括以下步骤
第一步、在拍摄设备静止状态下采集视频序列图像，共M帧；
第二步、选取从第I帧到第N帧的视频序列图像，计算N帧视频序列图像背景像素点β i (i = 1，2，· · ·，N)的色度属性和饱和度属性；
第三步、采用sobel算子计算得到背景像素点β i的色度属性水平垂直梯度，背景像素点的饱和度属性水平垂直梯度；
第四步、利用背景像素点β i的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量；
第五步、选取N帧以后的视频序列图像，计算M-N帧视频序列图像背景像素点 β t(t = N+l, N+2, . . .，M)的色度属性和饱和度属性；
第六步、采用SObel算子计算得到背景像素点β t的色度属性水平垂直梯度，背景像素点的饱和度属性水平垂直梯度；
第七步、用背景像素点β t的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量// ；
第八步、通过非参数模型得到背景的概率密度分布Pr(bt)，
权利要求
1.一种基于跟踪反馈的非参数运动目标检测方法，依次包括以下步骤第一步、在拍摄设备静止状态下采集视频序列图像，共M帧；第二步、选取从第I帧到第N帧的视频序列图像，计算N帧视频序列图像背景像素点= 1,2, ... ,N)的色度属性和饱和度属性；第三步、采用sobel算子计算得到背景像素点β ,的色度属性水平垂直梯度，背景像素点的饱和度属性水平垂直梯度；第四步、利用背景像素点Pi的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量；第五步、选取N帧以后的视频序列图像，计算M-N帧视频序列图像背景像素点i3t(t =N+l，N+2, . . .，Μ)的色度属性和饱和度属性；第六步、采用sobel算子计算得到背景像素点β t的色度属性水平垂直梯度，背景像素点的饱和度属性水平垂直梯度；第七步、用背景像素点的水平位置坐标和垂直位置坐标，色度属性水平和垂直梯度，饱和度属性的水平和垂直梯度组成特征向量// ;第八步、通过非参数模型得到背景的概率密度分布Pr (bt)，
全文摘要
本发明涉及一种基于跟踪反馈的非参数运动目标检测方法，依次包括一、在拍摄设备静止状态下采集视频序列图像；二、选取前N帧的图像，计算N帧图像背景像素点的色度属性和饱和度属性；三、得到背景像素点的色度属性水平垂直梯度，饱和度属性水平垂直梯度；四、组成特征向量五、重复上述步骤，得到N帧图像以后的特征向量六、得到背景的概率密度分布；七、重复上述步骤，得到运动目标的概率密度分布；八、得到跟踪区域内运动目标的概率密度分布；九、采用似然比分类器检测出N帧以后视频序列图像中的运动目标。本发明能消除局部阴影对运动目标检测的影响，同时不需要知道目标形状和尺寸等任何先验信息，能够在复杂背景条件下提取运动目标。
文档编号G06K9/32GK103020982SQ20111030120
公开日2013年4月3日 申请日期2011年9月28日 优先权日2011年9月28日
发明者杨文佳, 石春雷, 王楠 申请人:中国航天科工集团第二研究院二〇七所