專利名稱：一種基于混合高斯模型的運動目標檢測方法
技術領域：
本發明屬于數字圖像處理技術領域，具體涉及一種改進的基于混合高斯模型的運動目標檢測方法。
背景技術：
運動目標檢測是指從圖像序列中將變化區域從背景中分割出來。傳統的運動目標檢測主要有光流法、相鄰幀差法、背景減法等。其中，背景減法是目前研究最多的一種運動目標檢測和分割方法，也是一種被廣泛運用于智能視頻監控技術的方法。背景減法主要包括背景模型建立、背景模型更新、背景差分和后處理等步驟，其具有方法簡單、易于實現、 能提供比較完整的運動目標的特征數據、具有較好的檢測效果等優點。但是，背景減法是基于固定、靜態的背景，然而實際環境總是復雜多變的，動態背景(光照變化、背景擾動以及攝像頭的輕微抖動等)會影響運動目標檢測的靈敏度和正確率。背景減法的關鍵是背景模型的建立，混合高斯背景模型算法復雜度低、步驟簡單，能夠滿足動態實時背景的要求。提取初始背景幀是背景建模中的關鍵一環，背景幀提取的好壞直接影響到運動目標檢測的準確度，關系到進一步分析視頻圖像信息的可靠性。另外，在進行運動目標檢測時，由于運動目標的陰影特性與背景截然不同，而陰影與運動目標卻有相同的運動特征，導致運動目標檢測時常常將陰影錯誤地理解為運動目標，陰影的存在使得物體的分割以及物體的形狀和顏色都受到了很大的影響。
發明內容
本發明的目的是提供一種改進的基于混合高斯模型的運動目標檢測方法，該方法以混合高斯背景模型為基礎，采用結合中值法和眾數法的改進方法(ΜΕΑΜ0方法)對其在初始背景幀提取時存在的不足進行改進；同時結合混合高斯陰影模型進行陰影檢測和去除；該方法能夠適應動態背景擾動和光照變化影響的，能實時進行更新，有效去除陰影，同時具有很好的魯棒性。本發明的技術方案是一種基于混合高斯模型的運動目標檢測方法，其步驟包括S1 采集視頻幀；S2 提取初始背景幀，進行背景模型的初始化，建立HSV分量模型； S3 當前幀跟背景幀相差分，得前景幀；S4 對所得到的前景幀進行二值化處理；S5 根據所述步驟S3的前景幀，引入更新因子更新混合高斯背景模型的權值、均值和方差；S6 利用 Jeffrey值判斷是否為運動目標前景；S7 利用混合高斯陰影模型去除所述運動目標前景的陰影。所述步驟S2的具體步驟為
5201采用MEMAO方法提取初始背景幀；
5202對每一個像素建立其一段時間內采樣直方圖，并對直方圖進行濾波處理；
5203獲取濾波后的直方圖的尖峰所在位置；
5204對步驟S203中每個尖峰所對應的高斯分布的參數進行初始化；
5205建立HSV模型。
所述步驟S203的具體步驟為
通過直方圖的一階差分獲取直方圖中所有波峰波谷的位置，對所得的波峰進行篩選， 若-Ι)+_^^η_/Τρ+Ι)>Γ，則該波峰ρ所在的位置為尖峰的位置，其中f是常數。本發明的有益效果是采用結合中值法和眾數法的改進方法(ΜΕΑΜ0方法)對其在初始背景幀提取時存在的不足進行改進；同時結合混合高斯陰影模型進行陰影檢測和去除；實現了一個能夠適應背景場景輕微擾動和環境光照影響、實時更新的、陰影去除的、魯棒的目標檢測算法。采用這種方法可以克服把混合高斯模型運用到交通智能視頻監控時存在的不足之處，有效提高了運動目標檢測的靈敏度和正確率。
圖1是改進的基于混合高斯模型的運動目標檢測算法流程圖； 圖2是視頻采集的流程圖3是改進的混合高斯背景模型建立及初始化的流程圖。
具體實施例方式本發明的改進的基于混合高斯模型的運動目標檢測算法如圖1所示，其具體步驟如下
步驟Sl為采集視頻幀，該步驟采用的硬件設備包括CCD攝像機、DSP數字信號處理器和PC機，DSP數字信號處理器的一端連接CXD攝像機，另一端連接PC機。視頻采集的流程如圖2所示，其詳細步驟如下
步驟S101，通過CXD攝像頭采集視頻幀；
步驟S102，將采集的視頻幀序列數據進行模數轉換；
步驟S103，將轉換得到的視頻幀序列向DSP申請緩沖空間并入隊列；
步驟S104，讀取緩沖區中的視頻幀序列。步驟S2為提取初始背景幀，進行背景模型的初始化，建立HSV分量模型，該流程如圖3所示，其詳細的步驟如下
步驟S201，采用MEMAO方法提取初始背景幀。假設在很小的一段時間間隔內(如100幀時間間隔)，像素點(x，y)的像素值隨著
時間的變化為Aky),Zfd(^K)….^ (.υκ)。現將中值和眾數值的加權值(在這取平均) 作為該像素點的當前背景像素值，計算式為
這=(metSa^I/x,y)) + mod ^ I/x.y),..!^ Xt y})}/ 2
式中，為該段時間間隔內的中值， ! orf8(7,(1.^--4.^(^^ 段時間間隔內的眾數值。步驟S202，對每一個像素建立其一段時間內采樣直方圖，并對直方圖進行濾波處理。灰度直方圖描述的是圖像中該灰度級的像素個數或該灰度級像素出現的頻率，本發明通過直方圖中波峰和波谷來確定該像素的分布狀態；濾波處理的操作是去除直方圖中高頻分量并用高斯函數進行平滑，目的是便于計算波峰所在位置。
步驟S203，獲取濾波后的直方圖的尖峰所在位置；
分為兩步(1)通過直方圖的一階差分獲取直方圖中所有波峰波谷的位置。設1代表像素點的像素值，/T衫代表樣本中像素點的像素值等于X的像素點的數目，X= 0-255 ,則該直方圖的差分形式為
D(x} = f(x+1)- f( χ)
Jx點所在位置為波峰 因雌t>:點所在位置為波谷 (2)對上式所得的波峰進行篩選，波峰所在位置用P表示。若 /O-則該波峰所在的位置就是所需求尖峰的位置。其中 ·是一個常數，其大小根據采樣點數目的多少來設定相應的值。步驟S204，對步驟S203中每個尖峰所對應的高斯分布的參數進行初始化。設尖峰所在位置為1 ,與該尖峰相鄰兩個波谷的位置為巧、6 (F1KjPCF2 )，則
該尖峰對應高斯分布所依賴的樣本區域為Pr1^r2/ ,即像素值在PVF2J內的所有像素點。 得到樣本區域之后計算出每個高斯分布的均值和方差有，以及每個樣本區域的樣本數
JT
，則每個高斯分布的權值可初始化為辦= ^/Σ (為高斯分布的個數，一般取3到 "sj^i K
5之間，當所獲得的尖峰數目大于5時則取所對應樣本區域中樣本數目最大的前5個。)。步驟S205，建立HSV模型。用上述方法對圖像的明度分量V和色度分量H建立模型，分別得到的I個明度分量V模型,記作
權利要求
1.一種基于混合高斯模型的運動目標檢測方法，其特征在于包括以下步驟Si 采集視頻幀；S2 提取初始背景幀，進行背景模型的初始化，建立HSV分量模型；S3 當前幀跟背景幀相差分，得前景幀；S4 對所得到的前景幀進行二值化處理；S5 根據所述步驟S3的前景幀，引入更新因子更新混合高斯背景模型的權值、均值和方差；S6 利用Jeffrey值判斷是否為運動目標前景；S7 利用混合高斯陰影模型去除所述運動目標前景的陰影。
2.根據權利要求1所述的一種基于混合高斯模型的運動目標檢測方法，其特征在于， 所述步驟S2的具體步驟為5201采用MEMAO方法提取初始背景幀；5202對每一個像素建立其一段時間內采樣直方圖，并對直方圖進行濾波處理；5203獲取濾波后的直方圖的尖峰所在位置；5204對步驟S203中每個尖峰所對應的高斯分布的參數進行初始化；5205建立HSV模型。
3.根據權利要求1所述的一種基于混合高斯模型的運動目標檢測方法，其特征在于， 所述步驟S203的具體步驟為通過直方圖的一階差分獲取直方圖中所有波峰波谷的位置，對所得的波峰進行篩選， 若-1)+弁對+并口+1);>1\則該波峰ρ所在的位置為尖峰的位置，其中f是常數。
4.根據權利要求1所述的一種基于混合高斯模型的運動目標檢測方法，其特征在于， 所述步驟S7的具體步驟為5701根據疑似陰影模型，判斷像素值是否可能為陰影，若是則SP(x，y)置為1，否則置為0 ；疑似陰影模型的公式為
全文摘要
本發明公開一種基于混合高斯模型的運動目標檢測方法，首先采集視頻幀；提取初始背景幀，進行背景模型的初始化，建立HSV分量模型；當前幀跟背景幀相差分，得前景幀；對所得到的前景幀進行二值化處理；根據所述的前景幀，引入更新因子更新混合高斯背景模型的權值、均值和方差；利用Jeffrey值判斷是否為運動目標前景；利用混合高斯陰影模型去除所述運動目標前景的陰影。該方法能夠適應動態背景擾動和光照變化影響的，能實時進行更新，有效去除陰影，同時具有很好的魯棒性。
文檔編號G06T7/20GK102568005SQ201110447408
公開日2012年7月11日 申請日期2011年12月28日 優先權日2011年12月28日
發明者吳問云, 宋雪樺, 王昌達, 謝桂瑩, 閆振, 顧金 申請人:江蘇大學