基于切比雪夫像素估计的多目标检测算法
【技术领域】
[0001] 本发明设及图像处理与多目标跟踪领域，具体设及基于切比雪夫像素估计的多目 标检测算法。
【背景技术】
[0002] 在多目标检测中，对于运动目标而言，场景的变化会导致目标的位置、大小发生改 变，从而影响目标检测的效果。其因素包括光照变化、摄像机抖动、复杂背景干扰、目标类型 多样化、目标运动速度较快等问题。此外，当背景光源发生变化时，视频序列中的目标物体 的颜色分布会产生变化，该导致提取的底层颜色特征也随之发生变化，从而影响目标检测 的准确率。目前，存在=种经典的多运动目标检测与分割技术：帖差分法、光流法和背景差 分法。
[0003] 帖差分法是运动物体检测方法中实现最简单的一种算法，计算量小，对背景的变 化有一定的抑制作用，但该方法由于思想简单，没有考虑到监控视频序列中的光照变化 等多变的外部环境。Kameda和Minoh提出了 "双差分法"，其主要是将t和t-1时刻的差 分与t-1和t-2时刻的差分进行逻辑与运算，但其目标位置不能实时检测（参考文件1 ; Y. Kameda and M. Minoh. A human motion estimation method using 3-successive viedo frames. In ICVSM，pagesl35-140, 1996.)。用光流法进行检测时，可W不用提前知道环境 场景中的先验信息，就能够较为准确的检测出运动物体，但光流场的分布对于光照变化等 噪声非常敏感，而且光流法计算复杂，很难实现系统的实时处理。Kui liu等人用主成分分 析光流的方法对运动进行检测（参考文件2 ;K. Liu,比Yang, B.Ma，et al. A joint optical flow and principal component analysis approach for motion detection. Acoustics Speech and Si即al Processing, 2010,1178-1181. )，T.Huang 等人已经将光流成功应 用在车辆跟踪上取得了很好的效果，但对光流计算复杂，而且抗干扰能力差（参考文件 3 ；T. Huang, D. Roller, J. Malik, et al. , Automatic symbolic traffic scene analysis using belief networks. AAAI-94Proceedings, 1995:966-966)。Brox，T Kanade 等人提出 一种光流密度与SIFT特征点匹配相结合的区域跟踪算法，其光流点矢量计算精确，但在 实际运用中，难W准确的是识别运动目标，且只有当图像捕获的间隔很短时才适合（参考 文件 4 ;Y. Sheikh, 0. Javed and T. Kanade, Background subtraction for freely moving cameras. Computer Vision, 2009:1219-1225)。背景差分法可W得到比较完整的前景图像， 但在实际中背景差分法对场景中光照的变化、树叶的摆动、摄像机的抖动等外部条件的变 化比较敏感，因此容易造成目标物体的误判现象，从而大大降低检测的精度。
【发明内容】
[0004] 本发明的目的是为了解决上述在多目标密集度、光照强度、目标运动状态、背景复 杂等场景下，多目标检测不具有实时性、缺乏精度、稳定性不高的缺点。本发明提出一种切 比雪夫像素估计的多目标检测算法，旨在提高保证多目标检测的实时性，提高多目标检测 的精度，增加多目标检测的鲁椿性。
[0005] 本发明提出的一种基于切比雪夫像素估计的多目标检测算法，具体包括如下步 骤：
[0006] 步骤一；背景模型的初始化。W视频的第一帖作为初始帖，根据相邻像素点拥有相 近像素值的空间分布特性，对于初始帖的每个像素，选取该像素点的八连通区域的像素值 作为该像素值的模板，利用该些像素值模板构建初始化背景模型。
[0007] 步骤二；对于前N帖的视频帖cur,通过计算当前帖cur的像素点与背景模型对应 像素点模板的相似度，如果相似度大于等于阔值t虹eshold，则认为该像素点与背景模型对 应像素点相似，故用视频帖cur当前的像素点更新背景模型对应像素点的模板；否则如果 相似度小于阔值t虹eshold，则认为像素点与背景模型像素点不相似，即当前像素点是前景 模型。
[000引步骤S ;对于N帖W后的视频帖cur (cur〉N)，由于有了第cur-N帖到第cur-l帖 前N帖视频的数据，则可W利用切比雪夫不等式对cur帖快速判别背景或前景特征显著的 像素点，区分出前景点和背景点，对于那些特征不显著的像素点则认为是可疑点。对于切比 雪夫不等式估计获得的可疑像素点，则计算可疑像素点与背景模型对应像素点模板的相似 度，根据前N帖的背景模型的更新算法去更新当前背景模型。对于切比雪夫不等式估计获 得的背景像素点，则当前的像素点更新背景模型对应像素点。
[0009] 本发明方法的优点和积极效果在于：本发明在动态背景、摄像头抖动、目标间歇性 运动、阴影和热气的场景下都具有较好的检测精度，同时具有较快的检测速度，能保证检测 的实时性。本发明算法与传统的目标检测算法相比，精确率precision、召回率recall W及 F1值都有明显提升，而同时能保证较低的错误分类比PWC。
【附图说明】
[0010] 图1是本发明的切比雪夫像素估计的多目标检测算法结构框图；；
[0011] 图2是本发明的切比雪夫像素估计的多目标检测算法初始化背景模型的流程图；
[0012] 图3是本发明的切比雪夫像素估计的多目标检测算法更新背景模型的流程图；
[0013] 图4是本发明中复杂场景下使用该算法的实验室效果图；
【具体实施方式】
[0014] 下面将结合附图和实施例对本发明的技术方案作进一步的详细说明。
[0015] 本发明提出一种基于切比雪夫像素估计的多目标检测算法，W视频的第一帖作为 初始帖，对于初始帖的每个像素，选取该像素点的八连通区域的像素值作为该像素值的模 板，利用该些像素值模板构建初始化背景模型，该样相比传统方法不需要前N帖的训练数 据。该方法利用了相邻像素点拥有相近像素值的空间分布特性。本发明还通过比较当前像 素点与背景模型对应像素点模板的相似度，来确定该像素点是否是背景点。对于N帖W后 视频，由于积累了前N帖视频数据，可W根据前N帖像素点的期望和方差，利用切比雪夫不 等式快速判别当前像素点是背景点，还是前景点，或者可疑点。对于可疑点，则计算可疑点 与背景模型对应像素点模板的相似度，根据前N帖的背景模型的更新算法去更新当前背景 模型。对于背景点，直接更新当前背景模型。实验结果显示，该方法与传统的目标检测算法 相比，精确