基于高斯混合背景模型的运动目标检测方法及装置与流程
本发明实施例涉及图像识别技术领域，特别是涉及一种基于高斯混合背景模型的运动目标检测方法及装置。
背景技术：
随着数字化视频技术的发展，人们可以对监控视频中的运动物体进行检测、跟踪、识别和分析等操作。利用这些技术，人们可以快速获得需要检测的运动目标的位置、轨迹以及行为等有效信息。运动目标检测是运动目标跟踪、行为识别和场景描述等技术的基础，检测的结果直接影响后续算法的准确性。因此，如何提高目标检测的准确性和鲁棒性，成为计算机视觉领域的主要研究方向之一。目前，运动目标检测方法主要有:帧间差分法、背景减除法和光流法。
光流法是根据检测到的目标图像的亮度信息进行检测的方法，该方法计算复杂度高，抗干扰能力弱，故而一般不采用。
帧间差分法是用连续视频帧图像进行差分运算，实现运动目标的提取，对背景变化的适应能力比较强，但是检测到的目标存在空洞现象，且对于运动缓慢的目标存在漏检。
背景减除法是使用最广泛的方法，背景减法是先建立背景模型，然后将当前帧图像与背景模型做差来提取运动目标，该方法主要依靠稳定的背景模型来得到比较完整的前景特征，通过比较当前帧和背景模型得到运动目标。高斯混合背景模型法gmm属于背景减法的一种，为最受欢迎的背景减除算法，但是其也存在着在动态背景下运动目标检测的准确性不高的问题。
技术实现要素：
有鉴于此，本发明实施例提供一种基于高斯混合背景模型的运动目标检测方法及装置，主要解决的技术问题是高斯混合背景模型法对运动目标检测的准确性不高。
为达到上述目的，本发明实施例主要提供如下技术方案：
一方面，本发明的实施例提供一种基于高斯混合背景模型的运动目标检测方法，包括：
基于视频图像像素建立高斯混合背景模型；
基于当前帧图像像素更新高斯混合背景模型的参数，并对当前帧图像像素分析获得前景像素；
采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像；
采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。
本发明实施例的目的及解决其技术问题还可采用以下技术措施进一步实现。
可选的，前述的基于高斯混合背景模型的运动目标检测方法，其中所述小波阈值去噪方法为小波半阈值去噪方法、小波软阈值去噪方法、小波硬阈值去噪方法中的任意一种。
可选的，前述的基于高斯混合背景模型的运动目标检测方法，其中基于视频图像像素建立高斯混合背景模型，包括：
对所述视频图像划分为m个子区域，m为大于等于2的正整数；
分别求取每个子区域像素的均值；
根据每个子区域像素的均值用多个高斯分布构建每个子区域不同像素的混合高斯模型。
可选的，前述的基于高斯混合背景模型的运动目标检测方法，其中基于当前帧图像像素更新高斯混合背景模型的参数，具体为：
基于当前帧图像每个像素更新每个像素的高斯混合背景模型的参数。
可选的，前述的基于高斯混合背景模型的运动目标检测方法，其中对所述视频图像划分为m个子区域，之前包括：
获取执行基于高斯混合背景模型的运动目标检测方法的装置的硬件配置信息，根据所述硬件配置信息确定m值。
另一方面，本发明的实施例提供一种基于高斯混合背景模型的运动目标检测装置，包括：
建立单元，用于基于视频图像像素建立高斯混合背景模型；
分析单元，用于基于当前帧图像像素更新高斯混合背景模型的参数，并对当前帧图像像素分析获得前景像素；
第一去燥单元，用于采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像；
第二去燥单元，用于采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。
本发明实施例的目的及解决其技术问题还可采用以下技术措施进一步实现。
可选的，前述的基于高斯混合背景模型的运动目标检测装置，其中建立单元包括：
划分模块，用于对所述视频图像划分为m个子区域，m为大于等于2的正整数；
求取模块，用于分别求取每个子区域像素的均值；
构建模块，用于根据每个子区域像素的均值用多个高斯分布构建每个子区域不同像素的混合高斯模型。
可选的，前述的基于高斯混合背景模型的运动目标检测装置，其中建立单元包括：
确定模块，用于获取执行基于高斯混合背景模型的运动目标检测方法的装置的硬件配置信息，根据所述硬件配置信息确定m值。
另一方面，本发明的实施例提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的运动目标检测方法。
另一方面，本发明的实施例提供一种基于高斯混合背景模型的运动目标检测装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行上述的运动目标检测方法。
借由上述技术方案，本发明技术方案提供的基于高斯混合背景模型的运动目标检测方法及装置至少具有下列优点：
本发明实施例提供的技术方案中，基于视频图像像素建立的高斯混合背景模型对当前帧图像像素分析获得前景像素后，先采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像，再采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。相对于现有技术，可以消除动态背景下产生的噪声干扰，使得检测到的运动目标更加完整，从而提高运动目标检测准确性。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1是本发明的实施例提供的一种基于高斯混合背景模型的运动目标检测方法的流程示意图；
图2是本发明的实施例提供的另一种基于高斯混合背景模型的运动目标检测方法的流程示意图；
图3是本发明的实施例提供的一种基于高斯混合背景模型的运动目标检测装置的单元结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明实施例目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明实施例提出的基于高斯混合背景模型的运动目标检测方法及装置其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
第一方面，图1为本发明提供的基于高斯混合背景模型的运动目标检测方法一实施例，请参阅图1，本发明的一个实施例提出的基于高斯混合背景模型的运动目标检测方法，包括：
101、基于视频图像像素建立高斯混合背景模型；
高斯混合背景模型使对视频图像中的每个像素点用多个高斯分布构建形成。例如，在一些实施例中，可以分别依次计算并构建每个像素点的多个高斯分布，但不局限于此。
102、基于当前帧图像像素更新高斯混合背景模型的参数，并对当前帧图像像素分析获得前景像素；
前景像素的分析可以采用更新后的高斯混合背景模型，也可以采用更新前的高斯混合背景模型，将像素值与高斯混合背景模型的高斯分布进行匹配，若存在匹配，则该像素点为背景像素，否则该像素点被检测为前景像素，具体的匹配方法可参见现有的高斯混合背景模型法，本实施例中不做特别限定。
103、采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像；
其中，所述小波阈值去噪方法可以为小波半阈值去噪方法、小波软阈值去噪方法、小波硬阈值去噪方法中的任意一种。其中，选用小波半阈值去噪方法能够对图像的高频分量产生更好的去噪效果。在运动目标检测阶段，为了有效的去除噪声的干扰，采用小波半阈值函数去噪方法与数学形态学去噪方法相结合来去除噪声对检测效果的影响。
104、采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。
第一滤波图像中仍然存在着较多的空洞，通过数学形态中的闭运算处理，将空洞填充，可以消除动态背景产生的噪声干扰。
本发明实施例提供的技术方案中，基于视频图像像素建立的高斯混合背景模型对当前帧图像像素分析获得前景像素后，先采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像，再采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。相对于现有技术，可以消除动态背景下产生的噪声干扰，使得检测到的运动目标更加完整，从而提高运动目标检测准确性。
第二方面，其中，对于视频画面的质量逐步提升，像素点的个数也具有了大数据的的特点，由此带来的问题是，高斯混合背景模型的构建的计算量呈指数增长，导致高斯混合背景模型法难以完成新的高质量的视频画面的快速建模。为此，为了适用高质量的视频画面的快速建模，图2为本发明提供的基于高斯混合背景模型的运动目标检测方法一实施例，请参阅图2，本发明的一个实施例提出的基于高斯混合背景模型的运动目标检测方法，包括：
基于视频图像像素建立高斯混合背景模型，包括：
201、获取执行基于高斯混合背景模型的运动目标检测方法的装置的硬件配置信息，根据所述硬件配置信息确定m值。
在一些实施例中，硬件配置信息包括处理器处理速率、内存容量等信息，综合硬件配置信息的处理能力确定m值，实施中，m值与处理器处理速率、内存容量呈正相关。其中，需要说明的是，上述的步骤201中，处理器处理速率、内存容量也可为其他的信息，用来确定m值，例如，在一些实施例中，硬件配置信息包括显示器的尺寸或分辨率等参数，实施中，m值与显示器的尺寸或分辨率呈负相关。或是，步骤201中m值的确定方法也可为其他的方法，例如，根据视频图像中每帧图像的像素数量确定m值，实施中，m值与视频图像中每帧图像的像素数量呈负相关。当然，步骤201为非必须采取的步骤，m的值也可以采用预先设定数值，或是通过用户输入变更的数值。
202、对所述视频图像划分为m个子区域，m为大于等于2的正整数；
每个子区域中包含有至少2个像素。其中，m个子区域中包含的像素的个数可以相同，例如，每个子区域为3×3的9像素阵列或4×4的16像素阵列。在一些实施例中，m个子区域中包含的像素的个数也可以不同，对于视频图像预先划分为第一区域和第二区域，第一区域和第二区域为不同区域。子区域划分中，第一区域的区域划分的子区域中包含的像素的个数小于第二区域的区域划分的子区域中包含的像素的个数，第一区域可以是判断为运动目标活动较少或不活动的区域，第二区域可以是判断为运动目标活动较多的区域。
203、分别求取每个子区域像素的均值；
具体的，对于1个子区域像素的均值的计算过程为：计算1个子区域中所有像素的和后，再将计算的结果除该子区域中像素的总个数。
204、根据每个子区域像素的均值用构建每个子区域不同像素的混合高斯模型。
计算中，对图像中的每个子区域xi，t用多个高斯分布构成的混合高斯模型来建模，
205、基于当前帧图像每个像素更新每个像素的高斯混合背景模型的参数，并对当前帧图像像素分析获得前景像素；
在背景的高斯混合背景模型更新步骤中，采用自适应背景更新的方法更新高斯混合背景模型的参数。
206、采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像；
207、采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。
在背景建模阶段步骤204中，为了易于计算和提高建模的速度，先对视频帧图像进行分块划分子区域处理，然后用图像块子区域像素的均值代替图像块子区域像素的值，最后用图像块子区域均值法去重构背景模型。
第三方面，依据图1或图2所示的方法，本公开的另一个实施例还提供了一种运动目标检测装置，如图3所示，所述装置主要包括：
建立单元10，用于基于视频图像像素建立高斯混合背景模型；
分析单元20，用于基于当前帧图像像素更新高斯混合背景模型的参数，并对当前帧图像像素分析获得前景像素；
第一去燥单元30，用于采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像；
第二去燥单元40，用于采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。
在一些实施例中，建立单元包括：
划分模块，用于对所述视频图像划分为m个子区域，m为大于等于2的正整数；
求取模块，用于分别求取每个子区域像素的均值；
构建模块，用于根据每个子区域像素的均值用多个高斯分布构建每个子区域不同像素的混合高斯模型。
在一些实施例中，建立单元包括：
确定模块，用于获取执行基于高斯混合背景模型的运动目标检测方法的装置的硬件配置信息，根据所述硬件配置信息确定m值。
所述装置包括处理器和存储介质，上述建立单元、分析单元、第一去燥单元、第二去燥单元等均作为程序单元存储在存储介质中，由处理器执行存储在存储介质中的上述程序单元来实现相应的功能。
上述处理器中包含内核，由内核去存储介质中调取相应的程序单元。内核可以设置一个或以上。
本发明实施例提供的技术方案中，基于视频图像像素建立的高斯混合背景模型对当前帧图像像素分析获得前景像素后，先采用小波阈值去噪方法对所述前景像素进行去噪生成第一滤波图像，再采用数学形态中的闭运算对所述第一滤波图像进行去噪生成当前帧图像的运动目标。相对于现有技术，可以消除动态背景下产生的噪声干扰，使得检测到的运动目标更加完整，从而提高运动目标检测准确性。
第三方面的实施例提供的基于高斯混合背景模型的运动目标检测装置，可以用以执行第一方面或第二方面的实施例所提供的基于高斯混合背景模型的运动目标检测方法，相关的用于的含义以及具体的实施方式可以参见第一方面或第二方面的实施例中的相关描述，在此不再详细说明。
第四方面，本公开的实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面或第二方面所述的基于高斯混合背景模型的运动目标检测方法。
存储介质可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。
第五方面，本公开的实施例提供了基于高斯混合背景模型的运动目标检测装置，所述装置包括存储介质；及一个或者多个处理器，所述存储介质与所述处理器耦合，所述处理器被配置为执行所述存储介质中存储的程序指令；所述程序指令运行时执行第一方面或第二方面所述的基于高斯混合背景模型的运动目标检测方法。
本公开的实施例在提高检测图像的峰值信噪比的同时降低了图像的均方根误差，并获得了更好的视觉效果。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开的实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照本公开的实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本公开的实施例可提供为方法、系统或计算机程序产品。因此，本公开的实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本公开的实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
- 还没有人留言评论。精彩留言会获得点赞！