一种自适应参数的运动目标检测方法
【技术领域】
[0001] 本发明属于目标检测领域，具体涉及一种自适应参数的运动目标检测方法。
【背景技术】
[0002] 目标检测技术就是从序列图像中将目标从图像背景中分割提取出来的技术，它是 目标搜索与跟踪系统中的关键技术，为后续目标识别、目标跟踪、航迹关联等技术提供初始 信息。目标检测的效果好坏直接影响整个识别与跟踪系统。
[0003] 目前，运动目标检测在图像处理领域得到了广泛关注和充分发展。但是，如何在复 杂的环境中有效地将运动目标检测出来仍然是运动目标检测方面的难点。在现在主流的 运动目标检测算法中，混合高斯背景更新算法有着显著的优点，该算法比光流法和非参数 估计实时性高，比帧差法探测率高，而且鲁棒性较好。因此，混合高斯背景更新算法在运动 目标检测领域得到了广泛的应用。但是，文献〈〈Video Object Segmentation by Fusion of Spatio-Temporal Information Based on Gaussian Mixture Model〉〉中所用的传统混合高 斯背景更新算法也有着自身的不足之处。例如，在背景更新中采用固定个数的高斯分布， 固定更新速率，而且对每一幅图像都要进行更新，这就导致该算法的三个不足之处：一是， 在背景更新完成，达到稳定之后，混合高斯背景模型还继续对图像进行背景更新，造成不必 要的时间浪费，在一定程度上影响了运动目标检测的实时性；二是，当目标由静止变为运动 时，会有拖影现象；三是，当目标在场景中由运动变为静止时，目标会逐渐融入到背景中，造 成目标丢失，从而造成漏检。
【发明内容】
[0004] 本发明的目的在于提供一种自适应参数的运动目标检测方法，能够有效地抑制拖 影现象和漏检现象。
[0005] 为了解决上述技术问题，本发明提供一种自适应参数的运动目标检测方法，括以 下步骤：
[0006] 步骤一：将视频序列图像中的任意一帧图像作为当前帧图像，对当前帧图像构造 混合高斯背景模型，并对混合高斯背景模型中的每个高斯分布的权值、均值以及方差值进 行初始化，得到初始化之后的混合高斯背景模型；
[0007] 步骤二：在步骤一得到的混合高斯背景模型基础之上，用与当前帧图像相邻的后 一帧图像中的每个像素点的像素值依次与对应位置的所有高斯分布进行匹配，通过匹配进 一步更新混合高斯背景模型中全部高斯分布的权重值、均值和方差值，获得更新后的混合 高斯背景模型；
[0008] 步骤三：对步骤二获得的更新后的混合高斯背景模型特征进行分析，判断背景是 否存在突变，得到变化区域和非变化区域，并对变化区域和非变化区域选用不同的高斯分 布个数和不同的更新速率进行背景更新处理，获得背景图像数据；
[0009] 步骤四：使用步骤三得到的背景图像数据提取出运动目标。
[0010] 本发明与现有技术相比，其显著优点在于：（1)本发明通过前景点像素的个数在 整幅图像中所占比例发生变化的大小来判断场景是否发生变化，将背景分为变化区域和非 变化区域，针对变化区域和非变化区域采取不同的更新速率与高斯分布个数，获取新的混 合高斯背景模型对背景进行选择性背景更新处理，从而便于在新的混合高斯背景模型中获 取运动目标；（2)本发明方法对背景的不同区域采用选择性更新，对于不同情况，采用选择 性更新，能够有效地将运动目标从背景中识别出来，从而有效地抑制了漏检现象；（3)本发 明方法只针对性地对需要进行更新的区域进行背景更新处理，能够有效提高背景更新的效 率，提高本发明方法处理的实时性，从而有效地抑制拖影现象。
【附图说明】
[0011] 图1是本发明自适应参数的运动目标检测方法流程图。
[0012] 图2是本发明用于仿真实验的视频序列中的三帧图像。
[0013] 图3是本发明仿真实验中使用传统方法处理图2所示的三帧图像获得处理结果 图。
[0014] 图4是本发明仿真实验中使用本发明方法处理图2所示的三帧图像获得处理结果 图。
【具体实施方式】
[0015] 对于一段视频图像序列，采用本发明方法进行混合高斯背景更新的自适应参数的 运动目标检测步骤如下：
[0016] 步骤一：将视频序列图像中的任意一帧图像作为当前帧图像，对当前帧图像构造 混合高斯背景模型，并对混合高斯背景模型中的每个高斯分布的权值、均值以及方差值进 行初始化，得到初始化之后的混合高斯背景模型。具体操作步骤如下：
[0017] (1)用k个高斯分布去量化图像中的每个像素值，即每个像素点的高斯分布个数 为k，k的取值一般为3到5,每个像素点的高斯分布个数k的大小表示了背景模型细节复 杂程度，k的值越大，背景模型的细节表示的越详细，运算量也迅速增大，本发明中取k的初 始值为k = 4。
[0018] (2)用当前帧图像的像素值对该图像每个像素点处的所有高斯分布进行初始化， 对图像中的每个高斯分布进行初始化时，需要初始化高斯分布的权重值、均值以及方差三 个参数。对任意一帧图像中第N个像素的第M个高斯分布初始化后的权重为
权重值应满足条件
均值为μ _ = Π ，方差为
其中均值Π 和方差τ 的值由人为设定，一般均值赋初值〇,方差赋大于〇的值，一般取几十即可。
[0019] 由此，得到了当前帧图像中每个像素点处的四个高斯分布模型，由这些高斯分布 模型共同组成了图像的混合高斯背景模型，这样，图像中各个像素点的特征便能由多个高 斯模型来表征。
[0020] 步骤二：在步骤一得到的混合高斯背景模型基础之上，用与当前帧图像相邻的后 一帧图像中的每个像素点的像素值Ι Ν,Μ,Τ依次与对应位置的所有高斯分布进行匹配，通过匹 配进一步更新混合高斯背景模型中的高斯分布的权重值、均值和方差值，从而得到新的混 合高斯背景模型。具体操作步骤如下：
[0021] (1)用后一帧图像中的每个像素点的像素值IN,M, T依次与对应像素点处的每个高 斯分布进行匹配，匹配条件如式（1)所示：
[0022] I y N，M，T I I〈入· σ Ν，Μ，Τ 1 ⑴
[0023] 其中，T-I表示视频中的第T-I帧图像，T表示视频中的第T帧图像，T的取值范围 满足U < n，T e Ζ}，η为视频图像的总帧数，本发明中将当前帧图像记为第T-I帧图 像，将后一帧图像记为第T帧图像。λ为一设定值，一般取λ =2. 5，以_,11和σΝ,Μ,τ1* 别指第T-I帧图像中任意像素点处包含的k个高斯分布中的任意一个高斯分布的均值与方 差。
[0024] (2)当后一帧图像中的每个像素点的像素值IN,M, T依次与对应像素点处的每个高 斯分布进行匹配时，对于不同的匹配结果，每个高斯分布的权重值、均值和方差的更新方式 不同，具体可以分为以下几种情况：
[0025] (a)对满足式⑴条件的高斯分布，其权重值、均值和方差按照如下三个公式更 新，
[0029] 其中，α为权值更新速率，本实施例取a = 10 β。
[0030] (b)对于不满足式（1)条件的高斯分布按照式（2)更新其权重值，均值和方差值不 进行更新。
[0031] (c)对于该像素点处的像素值与该像素点处的k个高斯分布之间均不满足式（1) 的情况，则找