一種基于c-均值聚類法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，提供了一種基于C-均值聚類法的運(yùn)動(dòng)目標(biāo)檢測(cè) 方法。
【背景技術(shù)】
[0002] 圖像處理技術(shù)始于20世紀(jì)50年代。1964年美國(guó)噴射推進(jìn)實(shí)驗(yàn)室（JPL)使用計(jì)算 機(jī)對(duì)太空船送回的大批月球照片處理后得到了清晰逼真的圖像，標(biāo)志著這門技術(shù)發(fā)展的重 要里程碑。此后，圖像處理技術(shù)在空間研究方面得到了廣泛的應(yīng)用。20世紀(jì)70年代初，由 于大量的研究和應(yīng)用，數(shù)字圖像處理已具有自己的技術(shù)特色，并形成了較完的學(xué)科體系，從 而成為一門獨(dú)立的新科學(xué)。
[0003] 圖像識(shí)別所討論的問(wèn)題，是研究用計(jì)算機(jī)代替人自動(dòng)地處理大量的物理信息，解 決人類生理器官所不能識(shí)別的問(wèn)題，從而部分代替人的腦力勞動(dòng)。隨著計(jì)算機(jī)技術(shù)的發(fā)展， 圖像處理技術(shù)在20世紀(jì)80年代至90年代取得了迅速的發(fā)展，圖像處理與識(shí)別技術(shù)的發(fā)展 更為深入、廣泛?，F(xiàn)在人們已充分認(rèn)識(shí)到數(shù)字圖像處理是認(rèn)識(shí)世界、改造世界的重要手段， 目前，圖像處理與識(shí)別技術(shù)已應(yīng)用于許多的領(lǐng)域，已成為21世紀(jì)信息時(shí)代的一門重要的高 新科學(xué)技術(shù)。其中運(yùn)動(dòng)目標(biāo)檢測(cè)，是計(jì)算機(jī)視覺(jué)、視頻處理領(lǐng)域的一個(gè)重要研究課題，其在 國(guó)防、軍事、民用等領(lǐng)域具有廣泛的實(shí)用價(jià)值和應(yīng)用前景。
[0004] 目前，人體運(yùn)動(dòng)的視覺(jué)分析廣泛應(yīng)用在智能監(jiān)控、人機(jī)交互、基于內(nèi)容的圖像檢 索、計(jì)算機(jī)動(dòng)畫等領(lǐng)域；人體運(yùn)動(dòng)的視覺(jué)分析包括運(yùn)動(dòng)人物的檢測(cè)、跟蹤、與識(shí)別，所以運(yùn)動(dòng) 人體的檢測(cè)和提取是人體運(yùn)動(dòng)分析的第一步，也是關(guān)鍵的一步，對(duì)后面的處理有著重要的 影響。目標(biāo)檢測(cè)就是從動(dòng)態(tài)圖像序列中檢測(cè)出運(yùn)動(dòng)的人體，并將其與背景分離。首先檢測(cè) 提取運(yùn)動(dòng)人體區(qū)域，消除非人體區(qū)域的噪聲是至關(guān)重要的。動(dòng)態(tài)目標(biāo)檢測(cè)的背景有兩種類 型：靜態(tài)的背景和運(yùn)動(dòng)的背景。在靜態(tài)背景中只有目標(biāo)在動(dòng)，而動(dòng)態(tài)背景情況下目標(biāo)物和背 景都在動(dòng)，這時(shí)檢測(cè)的困難在于背景的動(dòng)態(tài)變化，以及光照、影子、天氣、攝像機(jī)的抖動(dòng)、運(yùn) 動(dòng)目標(biāo)之間的遮擋等現(xiàn)象，都給運(yùn)動(dòng)目標(biāo)的正確檢測(cè)和跟蹤帶來(lái)了極大的挑戰(zhàn)。針對(duì)圖像 處理中常用的運(yùn)動(dòng)目標(biāo)檢測(cè)，目前主要研究的方法主要有以下幾種：1.基于檢測(cè)變化區(qū)域 的分割[8]，即通過(guò)全局運(yùn)動(dòng)估計(jì)和補(bǔ)補(bǔ)償后，認(rèn)為相鄰間的背景是靜止的，可通過(guò)幀間的 差分檢測(cè)到運(yùn)動(dòng)區(qū)域。Neri認(rèn)為噪聲具有高斯特性而運(yùn)動(dòng)對(duì)象具有很強(qiáng)的結(jié)構(gòu)，可采用互 幀差的四次高階統(tǒng)計(jì)量預(yù)分割出運(yùn)動(dòng)區(qū)域和背景區(qū)域，但是在運(yùn)動(dòng)對(duì)象的內(nèi)部容易產(chǎn)生空 洞。Mech則提出一種基于變換檢測(cè)模板的分割算法，即閥值化相鄰幀差獲得變化檢測(cè)模板， 然后采用松弛技術(shù)平滑邊緣，再利用對(duì)象形狀的空間連貫性得到變化檢測(cè)模板，通過(guò)去除 未覆蓋的背景獲得運(yùn)動(dòng)對(duì)象模板。這類方法計(jì)算雖簡(jiǎn)單，但對(duì)象的運(yùn)動(dòng)不能太快，對(duì)噪聲有 一定的敏感性。2.基于光流場(chǎng)和基于運(yùn)動(dòng)參數(shù)估計(jì)的方法[2]，即通過(guò)計(jì)算光流場(chǎng)和估計(jì) 運(yùn)動(dòng)參數(shù)，找出符合運(yùn)動(dòng)模型的像素區(qū)域，進(jìn)而合并區(qū)域來(lái)構(gòu)成運(yùn)動(dòng)對(duì)象。利用光流方法， 從運(yùn)動(dòng)速度上區(qū)分不同目標(biāo)和背景，即利用運(yùn)動(dòng)目標(biāo)隨時(shí)間變化的光流場(chǎng)特性，有效地提 取和跟蹤運(yùn)動(dòng)目標(biāo)。該方法的優(yōu)點(diǎn)是在攝像機(jī)運(yùn)動(dòng)存在的前提下也能檢測(cè)出獨(dú)立的目標(biāo)。 而缺點(diǎn)是計(jì)算方法相當(dāng)復(fù)雜，抗噪性能差，如果沒(méi)有特別的硬件裝置則不能被應(yīng)用于全幀 視頻流的實(shí)時(shí)處理。3.背景減除法[2]是目前運(yùn)動(dòng)分割中最常用的一中方法，它是利用當(dāng) 前圖像與背景圖像的差分來(lái)檢測(cè)出運(yùn)動(dòng)區(qū)域的一種技術(shù)。我們一般能夠提供最完全的特征 數(shù)據(jù)，而且速度快，能適合實(shí)時(shí)系統(tǒng)的要求，但對(duì)于動(dòng)態(tài)場(chǎng)景的變化，例如室內(nèi)窗簾的飄動(dòng)， 室外樹葉的搖擺等都會(huì)造成提取的運(yùn)動(dòng)物體與實(shí)際的差別很大。4.幀間差分法[8]，即利 用相鄰幀作減法，從而獲得運(yùn)動(dòng)目標(biāo)。對(duì)于動(dòng)態(tài)環(huán)境具有較強(qiáng)的適應(yīng)性，但是一般不能完全 提取出所有相關(guān)的特征像素點(diǎn)。本方法對(duì)噪聲比較敏感，在運(yùn)動(dòng)物體運(yùn)動(dòng)較慢，相鄰幀圖像 重疊的情況下，提取出的運(yùn)動(dòng)物體不太完整，在運(yùn)動(dòng)實(shí)體可看出，運(yùn)動(dòng)信息在運(yùn)動(dòng)檢測(cè)中占 有重要的地位。進(jìn)行運(yùn)動(dòng)估計(jì)時(shí)，要使用空間約束以得到合適的參數(shù)模型。但由于選用的 區(qū)域及紋理模式的限制，使估計(jì)質(zhì)量降低，而且對(duì)外界環(huán)境和時(shí)間相關(guān)性相當(dāng)敏感。雖然采 用時(shí)間和空間相結(jié)合的方法在處理問(wèn)題上取得了一定的效果，但計(jì)算比較復(fù)雜。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提高了分類精度和準(zhǔn)確性。能夠?qū)崟r(shí)穩(wěn)定的對(duì)目標(biāo)分割提取， 分割效果，判斷目標(biāo)精確的一種基于C-均值聚類法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
[0006] 本發(fā)明為了實(shí)現(xiàn)上述目的采用以下技術(shù)方案：
[0007] 步驟1、讀入連續(xù)兩幀場(chǎng)景圖像序列；
[0008] 步驟2、圖像預(yù)處理，首先，取出相鄰兩幀圖像，轉(zhuǎn)化成灰度圖像，并對(duì)圖像些圖像 進(jìn)行直方圖增強(qiáng)，極值中值法濾去噪聲處理；
[0009] 步驟3、將這兩幀處理后的灰度圖像相減，求出它們的幀差圖像。
[0010] 步驟4,選用canny算子對(duì)這幅幀間差圖像進(jìn)行邊緣提取，對(duì)邊緣提取后得到的二 值圖像取其絕對(duì)值；
[0011] 步驟5、對(duì)圖像進(jìn)行C-均值聚類圖像分割，得到運(yùn)動(dòng)物體的框架了；
[0012] 步驟6、對(duì)圖像進(jìn)行膨脹與腐蝕，先通過(guò)多次膨脹處理，使得在該小車內(nèi)部區(qū)域完 全連通，再進(jìn)行與剛才膨脹次數(shù)相同次數(shù)的腐蝕處理，得到的結(jié)果圖像為一個(gè)完全連通的 區(qū)域，而且為運(yùn)動(dòng)物體所在區(qū)域；
[0013] 步驟7:得出結(jié)果圖像，最后，對(duì)所得到的結(jié)果圖像與原圖進(jìn)行比較，在結(jié)果圖像 中像素值為〇的點(diǎn)，在原圖中對(duì)應(yīng)位置的點(diǎn)的像素的值也賦為〇 ;在結(jié)果圖像中像素值為1 的點(diǎn)，在原圖中對(duì)應(yīng)位置的點(diǎn)的像素的值不變，得到了只包含運(yùn)動(dòng)物體的圖像，其背景為黑 色。
[0014] 上述技術(shù)方案中，對(duì)圖像進(jìn)行C-均值聚類圖像分割包括以下步驟：
[0015] 步驟21 :從0至255中任意選取c個(gè)不同大小的值作為圖像分割成c類的中心值， 即采用0至255的整數(shù)初始化…的值，令k = 0 ;
[0016] 步驟22 :將圖像中所有不同位置像素的灰度值g (X，y) (X = 1，2,…，M, y = 1，2,…，N)逐個(gè)按最小距離原則分劃給c類中的某一類，即
[0017] 如果
存在一個(gè)Ie {1,2,… ,c}；
[0018] 則判定
為聚類，；
[0019] 式中
的距離，上角標(biāo)表示迭 代次數(shù)，于是產(chǎn)生新的聚類
[0020] 步驟23 :計(jì)算重新分類后的各類中心
[0022] 式中<+1)為<#類中所含模式的個(gè)數(shù)；
[0023] 步驟24、如果
則結(jié)束；否則，k = k+Ι，轉(zhuǎn)至步驟22。
[0024] 上述技術(shù)方案中，中值濾波包括以下步驟：
[0025] 綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：
[0026] 采用本申請(qǐng)的分割方法邊緣更加清晰，分割結(jié)果既突出了目標(biāo)，又保留了細(xì)節(jié)信 息，達(dá)到了較好的分割效果。因此，本算法可以有效地對(duì)灰度圖像進(jìn)行分割，從分割后的圖 像中可獲取更多的目標(biāo)信息。
【具體實(shí)施方式】
[0027] 本說(shuō)明書中公開的所有特征，或公開的所有方法或過(guò)程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。
[0028] -幅圖像中的信息包括目標(biāo)物體，背景和噪聲三個(gè)部分，圖像的二值化是為了得 到圖像中的目標(biāo)物體而產(chǎn)生的一種圖像處理方法，二值化以后圖像中所有的像素點(diǎn)將會(huì)變 為白或黑。當(dāng)圖像中只包含前景和背景兩部分信息時(shí)，就可以將前景的像素值置為1，背景 的像素值置為〇,這樣圖像就被二值化了。二值化的方法有很多種，一般分為全局閾值法和 局部閾值法
[0029] 全局閾值法是指在二值化過(guò)程中只使用一個(gè)全局閾值T的方法。它將圖像的每 個(gè)像素的灰度值與T進(jìn)行比較，若大于T，則取為前景色（白色）；否則，取為背景色。根據(jù) 文本圖像的直方圖或灰度空間分布確定一個(gè)閾值，以此實(shí)現(xiàn)灰度文本圖像到二值圖像的轉(zhuǎn) 化。其中全局閾值法又可分為基于點(diǎn)的閾值法和基于區(qū)域的閾值法。閾值分割法的結(jié)果很 大程度上依賴于對(duì)閾值的選擇，因此該方法的關(guān)鍵是如何選擇合適的閾值。
[0030] 步驟1、讀入連續(xù)兩幀場(chǎng)景圖像序列；
[0031] 步驟2、圖像預(yù)處理，首先，取出相鄰兩幀圖像，轉(zhuǎn)化成灰度圖像，并對(duì)圖像些圖像 進(jìn)行直方圖增強(qiáng)，極值中值法濾去噪聲處理；
[0032] 步驟3、將這兩幀處理后的灰度圖像相減，求出它們的幀差圖像。
[0033] 步驟4,選用canny算子對(duì)這幅幀間差圖像進(jìn)行邊緣提取，對(duì)邊緣提取后得到的二 值圖像取其絕對(duì)值；
[0034] 步驟5、對(duì)圖像進(jìn)行C-均值聚類圖像分割，得到運(yùn)動(dòng)物體的框架了；
[0035] 步驟6、對(duì)圖像進(jìn)行膨脹與腐蝕，先通過(guò)多次膨脹處理，使得在該小車內(nèi)部區(qū)域完 全連通，再進(jìn)行