本发明具体涉及一种改进的相邻帧差法。
背景技术：
智能视频监控就是利用计算机视觉技术，在不需要认为干涉的情况下对采集到的视频信号进行分析和判断，从而实现对监控场景中的景物变化进行识别、定位、跟踪及报警等操作。
运动目标检测在智能视频监控领域是备受关注的前沿方向，有着非常广阔的应用前景。目前，运动目标检测的方法主要有相邻帧差法、光流法、减背景法等。相邻帧差法是针对相邻的两三帧图像，通过阈值化处理进而提取出图像中的运动区域。光流法是根据图像序列的时间和空间梯度来对运动场进行估算，通过这种估算进而对运动目标进行场景的检测和分割，计算量较大，不能满足实时性要求。背景减除法是利用背景图像的参数模型来近似背景图像的像素值，将背景图像的像素与当前图像帧的像素进行对比和差值运算，其中差值比较大的像素区域被判定是运动目标，差值较小的被判定为背景区域。
技术实现要素：
本发明要解决的技术问题是提供一种改进的相邻帧差法。
一种改进的相邻帧差法，包括以下步骤：
S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；
S2：将两帧图像通过高频滤波器进行滤波处理；
S3：利用积分图像法和平方积分法计算其均值和方差；
S4：计算均数和方差的差值；
S5：与阈值进行判断；
S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。
进一步的，所述高频滤波器如下：
引入算子变换关系为：
其中，Zx，y为滤波后的图像，Fx，y为原始图像，λ1、λ2为权重因子。
进一步的，利用积分图像法和平方积分法计算其均值和方差具体如下：
S3-1：积分图像法：
设G(i，j)为积分图像，代表所采集到的图像中的积分图像点阴影区域的灰度总和，F(x，y)为原始图像，则：
迭代公式如下：
其中，g(i，j)表示第j列的灰度总和；
设阴影部分为D，则D的积分图像可有四个顶点求出，公式如下：
G(D)＝G(4)+G(1)-G(2)-G(3)；
S3-2：平方积分法：
设S(i，j)为平方积分图像，表示图中阴影部分灰度值的平方和，F(x，y)为原始图像，则：
S(i，j)表示图中阴影部分灰度值的平方和，计算公式如下：
其中，L(i，j)表示第i列的平方积分；
阴影部分为D的平方积分计算公式如下：
S(D)＝S(4)+S(1)-S(2)-S(3)；
S3-3：计算均值与方差：
本发明的有益效果是：
本发明提出了一种改进的相邻帧差法，该方法利用积分图像法和平方积分法，实现了计算速率的提升和精度的增加，该方法不用设全局阈值，适应性强且计算量小，改进了传统帧差法中环境较差时出现的图像模糊，可识别性不高的缺点，具有全数字化、智能化、实时可靠监控运动目标的特点。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
一种改进的相邻帧差法，包括以下步骤：
S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；
S2：将两帧图像通过高频滤波器进行滤波处理；
S3：利用积分图像法和平方积分法计算其均值和方差；
S4：计算均数和方差的差值；
S5：与阈值进行判断；
S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。
所述高频滤波器如下：
引入算子变换关系为：
其中，Zx，y为滤波后的图像，Fx，y为原始图像，λ1、λ2为权重因子。
利用积分图像法和平方积分法计算其均值和方差具体如下：
S3-1：积分图像法：
设G(i，j)为积分图像，代表所采集到的图像中的积分图像点阴影区域的灰度总和，F(x，y)为原始图像，则：
迭代公式如下：
其中，g(i，j)表示第j列的灰度总和；
设阴影部分为D，则D的积分图像可有四个顶点求出，公式如下：
G(D)＝G(4)+G(1)-G(2)-G(3)；
S3-2：平方积分法：
设S(i，j)为平方积分图像，表示图中阴影部分灰度值的平方和，F(x，y)为原始图像，则：
S(i，j)表示图中阴影部分灰度值的平方和，计算公式如下：
其中，L(i，j)表示第i列的平方积分；
阴影部分为D的平方积分计算公式如下：
S(D)＝S(4)+S(1)-S(2)-S(3)；
S3-3：计算均值与方差：