基于混合高斯與邊緣檢測的運動目標檢測方法
【專利摘要】本發(fā)明公開了一種基于混合高斯與邊緣檢測的運動目標檢測方法，包括以下步驟：從攝像頭拍攝的視頻中讀取當前圖像幀；利用混合高斯模型，初始化背景，并不斷更新背景，同時分離出運動目標并二值化；利用canny邊緣檢測方法提取運功目標；將得到的運動目標進行或運算并填補空洞；陰影消除；進行必要的后處理，得到最后結果；循環(huán)處理直至所有圖像幀處理結束。本發(fā)明利用混合高斯模型提取的運動目標與canny算子提取的運動目標的或運算，解決了常規(guī)方法在運動目標與背景顏色相似情況下提取的運動目標嚴重缺失的問題。同時利用基于HSL和基于YCrCb結合的陰影消除法，在有效去除陰影的同時，又盡可能的減少陰影誤判區(qū)。
【專利說明】基于混合高斯與邊緣檢測的運動目標檢測方法
【技術領域】
[0001]本發(fā)明涉及運動目標檢測的【技術領域】，特別涉及一種基于混合高斯與邊緣檢測的運動目標檢測方法。
【背景技術】
[0002]運動目標的檢測處理是計算機視覺處理的一個重要組成部分，也是數(shù)字視頻技術中的一個重要基礎。隨著人類科學技術的發(fā)展，運動目標的檢測這一重要技術不斷地得到充分利用，人們把它運用到各種場景中，實現(xiàn)各種預期目標，如戰(zhàn)場警戒、安全檢測、交通管制、視頻監(jiān)控等都方面。由于運動目標所處環(huán)境的復雜性和多態(tài)性，如何實現(xiàn)各種環(huán)境下有效的目標檢測一直是個困擾我們的難點問題?，F(xiàn)有的運動目標檢測方法，通常只考慮能否檢測出運動目標，忽略了運動目標檢測的完整性，其存在的問題是:在運動目標與背景顏色相似情況下，由于運動目標在色度上與背景極其相似，容易被判為背景，從而降低了運動目標檢測的準確率和完整性，大大限制了運動目標檢測的有效性。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于克服現(xiàn)有技術的缺點與不足，提供一種保證在運動目標與背景相似情況下能有效檢測出運功目標，并確保其完整性的，基于混合高斯與邊緣檢測的運動目標檢測方法。 [0004]本發(fā)明的目的通過下述技術方案實現(xiàn):
[0005]一種基于混合高斯與邊緣檢測的運動目標檢測方法，包括以下步驟:
[0006]步驟1:從攝像頭拍攝的視頻中讀取當前圖像幀；
[0007]步驟2:利用混合高斯模型，初始化背景，并不斷更新背景，同時分離出運
[0008]動目標并二值化；
[0009]步驟3:利用canny邊緣檢測方法提取運功目標；
[0010]步驟4:將步驟2和3得到的運動目標進行或運算并填補空洞；
[0011]步驟5:陰影消除；
[0012]步驟6:進行必要的后處理，得到最后結果；
[0013]步驟7:循環(huán)處理步驟1-6直至所有圖像幀處理結束。
[0014]優(yōu)選的，步驟2中還包括背景選取的步驟，背景選取的方法為:
[0015]按ω t/σ i>t的大小將每個像素點的K個高斯分布進行排序，越在前面的分布越能表示穩(wěn)定的背景，取前B個高斯分布作為背景，閾值H用來確定作為背景模型的B的取值，公式為:
[0016]B = arg minb( Σ^=ι ω?,?) > H 。
[0017]優(yōu)選的，步驟2中，背景更新采用如下方法進行:
[0018]利用當前幀的像素點的值Xt+1，與該點的K個高斯分布進行比較，如果滿足xt+1-yn,t <2.501^，則認為1+1與該高斯分布nk相匹配，如果不滿足，則為不匹配；如果xt+1與混合高斯模型存在匹配，則對于第一個相匹配的參數(shù)進行如下更新:
[0019]ωη ?+1=(1-α).ωη“+α
[0020]μn,t+1=(1-p).μη,?+ρ.xt+1
【權利要求】
1.一種基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:包括以下步驟: 步驟1:從攝像頭拍攝的視頻中讀取當前圖像幀； 步驟2:利用混合高斯模型，初始化背景，并不斷更新背景，同時分離出運 動目標并二值化； 步驟3:利用canny邊緣檢測方法提取運功目標； 步驟4:將步驟2和3得到的運動目標進行或運算并填補空洞； 步驟5:陰影消除； 步驟6:進行必要的后處理，得到最后結果； 步驟7:循環(huán)處理步驟1-6直至所有圖像幀處理結束。
2.根據(jù)權利要求1所述的基于混合高斯與邊緣檢測的運動目標檢測方法， 其特征在于:步驟2中還包括背景選取的步驟，背景選取的方法為: 按ω i, t/ σ i, t的大小將每個像素點的K個高斯分布進行排序，越在前面的分布越能表示穩(wěn)定的背景，取前B個高斯分布作為背景，閾值H用來確定作為背景模型的B的取值，公式為:
3.根據(jù)權利要求1或2所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:步驟2中，背景更新采用如下方法進行: 利用當前幀的像素點的值Xt+1，與該點的K個高斯分布進行比較，如果滿足|Xt+1-yn，t<2.5σ n，t，則認為Xt+2與該高斯分布nk相匹配，如果不滿足，則為不匹配；如果Xt+1與混合高斯模型存在匹配，則對于第一個相匹配的參數(shù)進行如下更新:un,t+i=(l-a ).ωη, t+a
4.根據(jù)權利要求1所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:所述步驟3中，所述利用canny邊緣檢測方法提取運動目標包括以下步驟: (3.1)利用canny邊緣檢測方法，對混合高斯提取的背景和當前輸入圖像分別進行邊緣檢測； (3.2)由于檢測的邊緣不連續(xù)，存在間斷點，無法形成封閉輪廓直接進行填充，所以，對于檢測到的邊緣，先查找其外輪廓，并以區(qū)域內(nèi)的任一點為種子點，以外輪廓為邊界區(qū)域進行區(qū)域生長，以此填充區(qū)域；這樣經(jīng)過一次區(qū)域填充后，其邊緣已基本連續(xù)，可形成封閉區(qū)域； (3.3)對步驟(3.2)的結果再進行一次輪廓查找與填充操作； (3.4)將經(jīng)過兩次輪廓查找與填充后的當前輸入圖像與背景圖像進行與差操作，得到運動目標。
5.根據(jù)權利要求1所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:所述步驟4的空洞填補方法包括以下步驟: (4.1)用一個矩形模板遍歷圖像，如果在該模板內(nèi)的有效區(qū)域達到閾值，則找到該有效區(qū)域的質(zhì)心；否則，繼續(xù)下一次遍歷； (4.2)根據(jù)質(zhì)心將該有效區(qū)域劃分為八個有效區(qū)域，在每個區(qū)域中尋找離質(zhì)心最遠的點，然后順次連接每個區(qū)域內(nèi)找到的點，形成一個封閉的輪廓，最后將輪廓內(nèi)的像素點置為有效點。
6.根據(jù)權利要5所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:步驟(4.1)中，所述矩陣模板為10*8的矩形模板，有效區(qū)域的像素值為1，閾值為35%。
7.根據(jù)權利要求1所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:所述步驟5的陰影消除方法包括以下步驟: (5.1)利用基于HSL彩色空間的陰影消除方法檢測出陰影區(qū)，其陰影判別函數(shù)為:
8.根據(jù)權利要求1所述的基于混合高斯與邊緣檢測的運動目標檢測方法，其特征在于:步驟6的具體方法為: 使用步驟4提出的空洞填補方法，進行空洞填補，同時利用面積閾值法，去除狹小噪點，得到干凈、完整的運動目標。
【文檔編號】G06T7/20GK103942812SQ201410090199
【公開日】2014年7月23日 申請日期:2014年3月12日 優(yōu)先權日:2014年3月12日
【發(fā)明者】徐雪妙, 王麗 申請人:華南理工大學