專利名稱：一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種目標(biāo)檢測(cè)方法，尤其是涉及ー種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。
背景技術(shù)：
智能視頻監(jiān)控(IVS, Intelligent Video Surveillance)是計(jì)算機(jī)視覺的一個(gè)重要研究方向。近年來，隨著公共安全問題的凸顯，智能視頻監(jiān)控也越發(fā)成為研究的熱點(diǎn)。尤其是在美國2001年911事件和英國2005年倫敦地鐵爆炸案發(fā)生后，對(duì)于公共安全問題的重視更是上升到了國家高度。從國內(nèi)的情況來看，截至2010年，在我國的安防行業(yè)中，智能視頻監(jiān)控系統(tǒng)占據(jù)了安防產(chǎn)品總量的55%。目前，智能視頻監(jiān)控系統(tǒng)在部分地區(qū)的覆蓋率已經(jīng)很高，在銀行、機(jī)場(chǎng)、港口和大型超市等特殊環(huán)境中的覆蓋程度甚至可以達(dá)到100%。但 是，在大部分環(huán)境中，具體的監(jiān)控工作仍依賴于人工服務(wù)，視頻監(jiān)控系統(tǒng)只起到了畫面實(shí)時(shí)傳輸與存儲(chǔ)的作用。這使得監(jiān)控工作依然繁重，一方面需要耗費(fèi)大量的人力，另ー方面由于工作人員的疲勞和視覺特性，“漏警”狀況也時(shí)有發(fā)生。因此，視頻監(jiān)控作為公共安全領(lǐng)域中最為重要的監(jiān)控手段，其智能化、自動(dòng)化方向的研究便成為了國際上計(jì)算機(jī)視覺領(lǐng)域研究的焦點(diǎn)。智能視頻監(jiān)控系統(tǒng)包括對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)、分類、跟蹤、識(shí)別及對(duì)運(yùn)動(dòng)目標(biāo)行為的分析。其中，運(yùn)動(dòng)目標(biāo)檢測(cè)是后續(xù)過程的基礎(chǔ)，也是整個(gè)智能視頻監(jiān)控系統(tǒng)有效工作的關(guān)鍵。但是由于環(huán)境的復(fù)雜性和目標(biāo)的多祥性，實(shí)現(xiàn)有效、健壯的運(yùn)動(dòng)目標(biāo)檢測(cè)仍然面臨著巨大的挑戰(zhàn)。因此，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)展開研究具有重要的理論意義及應(yīng)用價(jià)值。運(yùn)動(dòng)目標(biāo)檢測(cè)的主要任務(wù)是將運(yùn)動(dòng)目標(biāo)從視頻監(jiān)控的序列圖像的背景中分離出來。目前，運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有三大類幀間差分法、背景減除法和光流法。幀間差分法的基本原理是將相鄰兩幀圖像對(duì)應(yīng)位置的像素點(diǎn)的灰度值相減得到差分圖像，再對(duì)得到的差分圖像進(jìn)行ニ值化處理，從而得到運(yùn)動(dòng)目標(biāo)。這種幀間差分法實(shí)現(xiàn)簡單、時(shí)間空間復(fù)雜度均比較低，而且對(duì)于光線的變化不敏感，但當(dāng)目標(biāo)快速運(yùn)動(dòng)時(shí)，容易將前ー幀圖像中目標(biāo)的“殘影”檢測(cè)為目標(biāo)，造成誤報(bào)。背景減除法是應(yīng)用最為廣泛的ー種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，它的基本原理是通過視頻序列對(duì)監(jiān)控環(huán)境背景進(jìn)行建模，然后用當(dāng)前幀圖像直接與背景相減，從而得到運(yùn)動(dòng)目標(biāo)。這種背景減除法的關(guān)鍵在于背景模型的建立，較為常用的模型是時(shí)間平均模型和高斯背景模型。由于這種背景減除法是根據(jù)建立的背景模型進(jìn)行目標(biāo)檢測(cè)的，因此檢測(cè)得到的運(yùn)動(dòng)目標(biāo)一般比較精細(xì)、完整，但是其對(duì)光照變化較為敏感，并且時(shí)間復(fù)雜度較高，對(duì)于高分辨率視頻的解析難以達(dá)到實(shí)時(shí)的效果。光流(Optical Flow)法是另外一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其反映了在單位時(shí)間間隔內(nèi)由于運(yùn)動(dòng)所造成的圖像變化，包含了目標(biāo)的運(yùn)動(dòng)信息，可以用來進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)。然而由于光流對(duì)噪聲較為敏感，且計(jì)算極其復(fù)雜，因此這種光流法難以應(yīng)用于實(shí)際的實(shí)時(shí)監(jiān)控系統(tǒng)中。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是提供ー種實(shí)現(xiàn)簡單、計(jì)算復(fù)雜度低、檢測(cè)精度高，且能夠很好地適應(yīng)光線和背景環(huán)境的變化，適用于高分辨率的實(shí)時(shí)視頻監(jiān)控系統(tǒng)的基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于包括以下步驟①采用視頻采集設(shè)備采集監(jiān)控場(chǎng)景的實(shí)時(shí)視頻監(jiān)控圖像序列，并將視頻采集設(shè)備采集到的實(shí)時(shí)視頻監(jiān)控圖像序列實(shí)時(shí)傳輸給計(jì)算機(jī)終端；②利用計(jì)算機(jī)終端對(duì)實(shí)時(shí)視頻監(jiān)控圖像序列進(jìn)行灰度化操作和去噪處理，得到待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列；
③從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成ー個(gè)訓(xùn)練圖像序列，然后提取訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的同一坐標(biāo)位置的像素點(diǎn)各自對(duì)應(yīng)的灰度特征，形成同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合，再對(duì)同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合進(jìn)行篩選，得到基于灰度特征的背景模型，具體過程為③-I、從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成ー個(gè)訓(xùn)練圖像序列；③_2、對(duì)于訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的坐標(biāo)位置均為(X，y)的像素點(diǎn)，將其構(gòu)成的集合定義為像素點(diǎn)集，其中，I < X ^ff,l ^ y ^ H, W表示視頻監(jiān)控圖像的寬度，H表示視頻監(jiān)控圖像的高度；③_3、提取像素點(diǎn)集中的各個(gè)像素點(diǎn)各自對(duì)應(yīng)的灰度特征，記為C，C = (val, f,t)，其中，val參數(shù)表示像素點(diǎn)集中的像素點(diǎn)的灰度值，f參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)的個(gè)數(shù)，t參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)在時(shí)域上最后出現(xiàn)的時(shí)間；③_4、統(tǒng)計(jì)像素點(diǎn)集對(duì)應(yīng)的若干個(gè)不同的灰度特征，將其構(gòu)成的集合定義為像素點(diǎn)集對(duì)應(yīng)的灰度特征集合；③-5、搜索像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征，判斷f值最大的灰度特征中的t參數(shù)是否滿足第一判定條件tN_t < T，如果滿足，則將像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中除f值最大的灰度特征外的其余灰度特征刪除，使像素點(diǎn)集僅由該f值最大的灰度特征表征，然后執(zhí)行步驟③_6，否則，將f值最大的灰度特征從像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，形成像素點(diǎn)集對(duì)應(yīng)的新的灰度特征集合，然后返回步驟③_5繼續(xù)執(zhí)行，其中，tN表示訓(xùn)練圖像序列中的第N幀視頻監(jiān)控圖像的時(shí)刻，T為設(shè)定的時(shí)間閾值；③-6、根據(jù)步驟③-2至步驟③-5的操作，獲得訓(xùn)練圖像序列中的所有像素點(diǎn)集各自對(duì)應(yīng)的滿足第一判定條件的f值最大的灰度特征，將每個(gè)像素點(diǎn)集僅由其對(duì)應(yīng)的滿足第一判定條件的f值最大的灰度特征表征，形成基于灰度特征的背景模型；④根據(jù)基于灰度特征的背景模型，對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，得到視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的ニ值化圖像，具體過程為④-I、對(duì)于待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中第N+V幀視頻監(jiān)控圖像即后續(xù)的第η,幀視頻監(jiān)控圖像，將其定義為當(dāng)前視頻監(jiān)控圖像，其中，n'的初始值為I;
④-2、根據(jù)基于灰度特征的背景模型，確定當(dāng)前視頻監(jiān)控圖像中的各個(gè)像素點(diǎn)為背景像素點(diǎn)或前景像素點(diǎn)，以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，對(duì)于當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，將其定義為當(dāng)前像素點(diǎn)，判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件=ClistOi, Valij) < D,如果滿足，則確定當(dāng)前像素點(diǎn)為背景像素點(diǎn)，并賦值為O,否則,確定當(dāng)前像素點(diǎn)為前景像素點(diǎn)，并賦值為1，其中，I彡i彡m，m表示當(dāng)前視頻監(jiān)控圖像中的像素點(diǎn)的個(gè)數(shù)，Vi表示當(dāng)前像素點(diǎn)的灰度值，valu表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的灰度值，L，L表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中灰度特征的個(gè)數(shù)，L的初始值為1，dist(Vi, Valij)表示Vi與valu之間的歐氏距離，D為設(shè)定的灰度值閾值；④_3、根據(jù)當(dāng)前視頻監(jiān)控圖像中的所有前景像素點(diǎn)，獲得當(dāng)前視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)，并得到當(dāng)前視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的ニ值化圖像；⑤對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目 標(biāo)的ニ值化圖像進(jìn)行形態(tài)學(xué)濾波處理，然后進(jìn)行連通區(qū)域檢測(cè)，得到運(yùn)動(dòng)目標(biāo)的輪廓和位置；⑥構(gòu)建一個(gè)與基于灰度特征的背景模型相對(duì)應(yīng)的基于灰度特征的候選模型，然后對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征或基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行更新，接著對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征和基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行篩選，再根據(jù)基于灰度特征的候選模型中的灰度特征集合中的灰度特征對(duì)基于灰度特征的背景模型中的灰度特征集合進(jìn)行更新，具體過程為⑥-I、對(duì)于基于灰度特征的背景模型，構(gòu)建ー個(gè)與其相對(duì)應(yīng)的基于灰度特征的候選模型X，X={(V }，其中，X的初始值為空集，Ci/ = (val"，fV，t" )，val"參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的灰度值，f"參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Vali/出現(xiàn)的頻數(shù)，參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Valij'在時(shí)域上最后出現(xiàn)的時(shí)間；⑥_2、根據(jù)當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，對(duì)基于灰度特征的背景模型中 的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，或?qū)诨叶忍卣鞯暮蜻x模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，將當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)定義為當(dāng)前像素點(diǎn)，如果當(dāng)前像素點(diǎn)為背景像素點(diǎn)，則更新基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的f參數(shù)和t參數(shù),f = f+l,t = tn ,如果當(dāng)前像素點(diǎn)為前景像素點(diǎn),則再判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件dist (Vi, Vali/ ) < D,如果滿足,貝U更新灰度特征候選集合X中的第j個(gè)灰度特征Ci/中的V參數(shù)和t"參數(shù)，f"=もノ +Lti/ = tnOT,如果不滿足,則向灰度特征候選集合X中新增灰度特征，并對(duì)新增的灰度特征中的Vali/參數(shù)、も/參數(shù)和t"參數(shù)進(jìn)行賦值，Vali/參數(shù)的值為當(dāng)前像素點(diǎn)的灰度值，f" =Lti/ =tnOT,其中，j的初始值為1，此處“=”為賦值符號(hào)，tnOT表示當(dāng)前視頻監(jiān)控圖像的時(shí)刻；⑥_3、對(duì)更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為捜索更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征，判斷f值最大的灰度特征中的t參數(shù)是否滿足條件tnOT-t < T，如果滿足，則將除f值最大的灰度特征外的其余灰度特征刪除，否則，將f值最大的灰度特征刪除，形成新的灰度特征集合，然后重新捜索f值最大的灰度特征；對(duì)更新后的基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為捜索更新后的基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f"值最大的灰度特征，判斷も/值最大的灰度特征中的參數(shù)是否滿足條件セ_-、/ <T，如果滿足，則將除も/值最大的灰度特征外的其余灰度特征刪除，否則，將も/值最大的灰度特征刪除，形成新的灰度特征集合，然后重新捜索も/值最大的灰度特征；在獲得更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征和更新后的灰度特征候選集合X中も/值最大的灰度特征后執(zhí)行步驟⑥_4 ；⑥_4、判斷基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fV值最大的灰度特征中的fv是否滿足條件fv >F，如果滿足，則將基于灰度特 征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fi/值最大的灰度特征加入到基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中，并將該も/值最大的灰度特征從基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，其中，F(xiàn)為設(shè)定的頻數(shù)閾值。所述的步驟②中去噪處理采用中值濾波方法。所述的步驟③中N彡50。所述的步驟③_5中設(shè)定的時(shí)間閾值Γ = $。所述的步驟④_2中設(shè)定的灰度值閾值D = 15。所述的步驟⑥_4中設(shè)定的頻數(shù)閾值F = |。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于I)本發(fā)明方法通過將訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的同一坐標(biāo)位置的像素點(diǎn)的集合形成像素點(diǎn)集，再針對(duì)每個(gè)像素點(diǎn)集獲得對(duì)應(yīng)的灰度特征集合，這種灰度特征集合是ー種壓縮的特征，大大降低了算法的空間開銷。2)本發(fā)明方法中對(duì)于前景運(yùn)動(dòng)目標(biāo)的檢測(cè)只需要在像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中進(jìn)行搜索比較，不需要復(fù)雜的參數(shù)估計(jì)與概率計(jì)算，因而不僅簡化了運(yùn)動(dòng)目標(biāo)的檢測(cè)過程，提高了檢測(cè)精度，而且大大降低了算法的時(shí)間開銷，提高了運(yùn)行效率，可以應(yīng)用于具有高分辨率的實(shí)時(shí)視頻監(jiān)控系統(tǒng)中。3)本發(fā)明方法對(duì)基于灰度特征的背景模型中的灰度特征集合進(jìn)行實(shí)時(shí)更新，能夠很好地適應(yīng)光線變化和背景環(huán)境改變等情況。


圖I為本發(fā)明方法的總體實(shí)現(xiàn)框圖；圖2a為視頻序列中的待檢測(cè)的原始圖像；圖2b為利用幀間差分法對(duì)圖2a所示的原始圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)得到的結(jié)果示意圖；圖2c為利用高斯模型背景減除法對(duì)圖2a所示的原始圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)得到的結(jié)果不意圖；圖2d為利用本發(fā)明方法對(duì)圖2a所示的原始圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)得到的結(jié)果示意圖；圖3為幀間差分法、高斯模型背景減除法和本發(fā)明方法處理速度的比較示意圖。
具體實(shí)施例方式以下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)ー步詳細(xì)描述。本發(fā)明提出的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，如圖I所示，其包括以下 步驟①采用視頻采集設(shè)備如攝像機(jī)等采集監(jiān)控場(chǎng)景的實(shí)時(shí)視頻監(jiān)控圖像序列，并將視頻采集設(shè)備采集到的實(shí)時(shí)視頻監(jiān)控圖像序列實(shí)時(shí)傳輸給計(jì)算機(jī)終端。②利用計(jì)算機(jī)終端對(duì)實(shí)時(shí)視頻監(jiān)控圖像序列進(jìn)行灰度化操作和去噪處理，得到待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列。在此，去噪處理采用現(xiàn)有的中值濾波方法。③從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成ー個(gè)訓(xùn)練圖像序列，然后提取訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的同一坐標(biāo)位置的像素點(diǎn)各自對(duì)應(yīng)的灰度特征，形成同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合，再對(duì)同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合進(jìn)行篩選，得到基于灰度特征的背景模型，具體過程為③-I、從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成ー個(gè)訓(xùn)練圖像序列。由于視頻監(jiān)控的幀率一般在20幀每秒到30幀每秒之間，而且時(shí)間長度為2秒的實(shí)時(shí)視頻監(jiān)控圖像序列一般可以提供足夠的背景信息，因此N > 50即可滿足本發(fā)明方法建立基于灰度特征的背景模型的需求，在此取N = 100，這樣可以形成較為穩(wěn)定有效的背景模型，從而保證運(yùn)動(dòng)目標(biāo)檢測(cè)的精度。③_2、對(duì)于訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的坐標(biāo)位置均為(X，y)的像素點(diǎn)，將其構(gòu)成的集合定義為像素點(diǎn)集，其中，I < X ^ff,l ^ y ^ H, W表示視頻監(jiān)控圖像的寬度，H表示視頻監(jiān)控圖像的高度。③-3、提取像素點(diǎn)集中的各個(gè)像素點(diǎn)各自對(duì)應(yīng)的灰度特征，記為C，C = (val, f,t)，其中，val參數(shù)表示像素點(diǎn)集中的像素點(diǎn)的灰度值，f參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)的個(gè)數(shù)，即像素點(diǎn)集中灰度值val出現(xiàn)的次數(shù)(出現(xiàn)的頻數(shù))，t參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)在時(shí)域上最后出現(xiàn)的時(shí)間。③_4、統(tǒng)計(jì)像素點(diǎn)集對(duì)應(yīng)的若干個(gè)不同的灰度特征，將其構(gòu)成的集合定義為像素點(diǎn)集對(duì)應(yīng)的灰度特征集合。③_5、搜索像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征，判斷f值最大的灰度特征中的t參數(shù)是否滿足第一判定條件tN_t < T，如果滿足，則將像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中除f值最大的灰度特征外的其余灰度特征刪除，使像素點(diǎn)集僅由該f值最大的灰度特征表征，然后執(zhí)行步驟③_6，否則，將f值最大的灰度特征從像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，形成像素點(diǎn)集對(duì)應(yīng)的新的灰度特征集合，然后返回步驟③-5繼續(xù)執(zhí)行，其中，tN表示訓(xùn)練圖像序列中的第N幀視頻監(jiān)控圖像的時(shí)刻，T為設(shè)定的時(shí)間閾值，在此取
Γ = !。③-6、根據(jù)步驟③-2至步驟③-5的操作，獲得訓(xùn)練圖像序列中的所有像素點(diǎn)集各自對(duì)應(yīng)的滿足第一判定條件的f值最大的灰度特征，將每個(gè)像素點(diǎn)集僅由其對(duì)應(yīng)的滿足第一判定條件的f值最大的灰度特征表征，形成基于灰度特征的背景模型。④根據(jù)基于灰度特征的背景模型，對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，得到視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的ニ值化圖像，具體過程為 ④-I、對(duì)于待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中第N+V幀視頻監(jiān)控圖像即后續(xù)的第η,幀視頻監(jiān)控圖像，將其定義為當(dāng)前視頻監(jiān)控圖像，其中，n'的初始值為I。④_2、根據(jù)基于灰度特征的背景模型，確定當(dāng)前視頻監(jiān)控圖像中的各個(gè)像素點(diǎn)為背景像素點(diǎn)或前景像素點(diǎn)，以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，對(duì)于當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，將其定義為當(dāng)前像素點(diǎn)，判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件=ClistOi, Valij) < D,如果滿足，則確定當(dāng)前像素點(diǎn)為背景像素點(diǎn)，并賦值為O,否則,確定當(dāng)前像素點(diǎn)為前景像素點(diǎn)，并賦值為1，其中，I彡i彡m，m表示當(dāng)前視頻監(jiān)控圖像中的像素點(diǎn)的個(gè)數(shù)，Vi表示當(dāng)前像素點(diǎn)的灰度值，valu表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的灰度值，L，L表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中灰度特征的個(gè)數(shù)，L的初始值為1，dist(Vi, Valij)表示Vi與valu之間的歐氏距離，D為設(shè)定的灰度值閾值。在此，設(shè)定的灰度值閾值D的值可根據(jù)具體的環(huán)境進(jìn)行調(diào)整，當(dāng)環(huán)境噪聲較大吋，可以取較大的灰度值閾值D，反之則取較小的灰度值閾值D。一般可以取D = 15。在此，dist(Vi, Valij) < D判別式是按j = 1,2,…，L順序執(zhí)行的，即在基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中尋■找滿足(Iist(VyValij) < D條件的灰度特征。④_3、根據(jù)當(dāng)前視頻監(jiān)控圖像中的所有前景像素點(diǎn)，獲得當(dāng)前視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)，并得到當(dāng)前視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的ニ值化圖像。⑤對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像(即當(dāng)前視頻監(jiān)控圖像)對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的ニ值化圖像進(jìn)行形態(tài)學(xué)濾波處理，然后進(jìn)行連通區(qū)域檢測(cè)，得到運(yùn)動(dòng)目標(biāo)的輪廓和位置。在此，形態(tài)學(xué)濾波處理采用現(xiàn)有的膨脹和腐蝕操作，連通區(qū)域檢測(cè)采用現(xiàn)有技木。⑥構(gòu)建與基于灰度特征的背景模型相對(duì)應(yīng)的基于灰度特征的候選模型，然后對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征或基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行更新，接著對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征和基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行篩選，再根據(jù)基于灰度特征的候選模型中的灰度特征集合中的灰度特征對(duì)基于灰度特征的背景模型中的灰度特征集合進(jìn)行實(shí)時(shí)更新，這樣可適應(yīng)光線變化和背景環(huán)境改變等情況，并提高運(yùn)動(dòng)目標(biāo)檢測(cè)的穩(wěn)定性，適應(yīng)背景環(huán)境中小幅度的背景波動(dòng)。具體過程為
⑥-I、對(duì)于基于灰度特征的背景模型，構(gòu)建ー個(gè)與其相對(duì)應(yīng)的基于灰度特征的候選模型Χ，Χ=ΙΑ/ }，其中，X的初始值為空集，Ci/ = (Vali/，fV，t" )，val"參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的灰度值，f"參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Vali/出現(xiàn)的頻數(shù)，參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Vali/在時(shí)域上最后出現(xiàn)的時(shí)間。⑥_2、根據(jù)當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，對(duì)基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，或?qū)诨叶忍卣鞯暮蜻x模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，將當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)定義為當(dāng)前像素點(diǎn)，如果當(dāng)前像素點(diǎn)為背景像素點(diǎn)，則更新基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的f參數(shù)和t參數(shù),f = f+l,t = tn ,如果當(dāng)前像素點(diǎn)為前景像素點(diǎn),則再判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件dist(Vi，Vali/ ) < D，如果滿足，即在基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中捜索到與當(dāng)前像素點(diǎn)的灰度值相匹配的灰度特征， 則更新基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的も/參數(shù)和t"參數(shù)，f"=もノ +1，ti/ = tnOT,如果不滿足,即在基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中搜索不到與當(dāng)前像素點(diǎn)的灰度值相匹配的灰度特征，則向基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中新增灰度特征，并對(duì)新增的灰度特征中的Vali/參數(shù)、も/參數(shù)和參數(shù)進(jìn)行賦值，val"參數(shù)的值即為當(dāng)前像素點(diǎn)的灰度值，f" = Lti/ =セ_，其中，」_的初始值為1，此處“=”為賦值符號(hào)，tnOT表示當(dāng)前視頻監(jiān)控圖像的時(shí)刻。⑥_3、對(duì)更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為捜索更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征，判斷f值最大的灰度特征中的t參數(shù)是否滿足條件tnOT-t < T，如果滿足，則將除f值最大的灰度特征外的其余灰度特征刪除，否則，將f值最大的灰度特征刪除，形成新的灰度特征集合，然后重新捜索f值最大的灰度特征；對(duì)更新后的基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為捜索更新后的基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f"值最大的灰度特征，判斷も/值最大的灰度特征中的參數(shù)是否滿足條件セ_-、/ <T，如果滿足，則將除も/值最大的灰度特征外的其余灰度特征刪除，否則，將も/值最大的灰度特征刪除，形成新的灰度特征集合，然后重新捜索も/值最大的灰度特征；在獲得更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征和更新后的灰度特征候選集合X中も/值最大的灰度特征后執(zhí)行步驟⑥_4。⑥_4、判斷基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fV值最大的灰度特征中的fv是否滿足條件fv >F，如果滿足，則將基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fi/值最大的灰度特征加入到基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中，并將該も/值最大的灰度特征從基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，其中，F(xiàn)為設(shè)定的頻數(shù)閾值，在此取F = I。圖2a給出了一幅待運(yùn)動(dòng)目標(biāo)檢測(cè)的原始圖像。圖2b、圖2c和圖2d分別給出了利用幀間差分法、高斯模型背景減除法和本發(fā)明方法對(duì)圖2a所示的原始圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)得到的結(jié)果示意圖。從檢測(cè)結(jié)果可以看出，幀間差分法得到的運(yùn)動(dòng)目標(biāo)存在較多空洞，難以形成完整的區(qū)域，而高斯模型背景減除法和本發(fā)明方法均得到了較為完整的運(yùn)動(dòng)目標(biāo)。圖3給出了幀間差分法、高斯模型背景減除法和本發(fā)明方法處理速度的比較，用Is內(nèi)處理的幀數(shù)來衡量，處理的視頻對(duì)象的分辨率為768X576。從圖3中可以看出，本發(fā)明方法與幀間差分法具有相近的處理速度，且是高斯模型背景減除法的處理速度的兩倍以上。
綜合來看，本發(fā)明方法更適合用于處理具有較高分辨率的實(shí)時(shí)視頻監(jiān)控圖像序列，而且可以取得良好的檢測(cè)效果。
權(quán)利要求
1.一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于包括以下步驟 ①采用視頻采集設(shè)備采集監(jiān)控場(chǎng)景的實(shí)時(shí)視頻監(jiān)控圖像序列，并將視頻采集設(shè)備采集到的實(shí)時(shí)視頻監(jiān)控圖像序列實(shí)時(shí)傳輸給計(jì)算機(jī)終端； ②利用計(jì)算機(jī)終端對(duì)實(shí)時(shí)視頻監(jiān)控圖像序列進(jìn)行灰度化操作和去噪處理，得到待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列； ③從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成一個(gè)訓(xùn)練圖像序列，然后提取訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的同一坐標(biāo)位置的像素點(diǎn)各自對(duì)應(yīng)的灰度特征，形成同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合，再對(duì)同一坐標(biāo)位置的像素點(diǎn)對(duì)應(yīng)的灰度特征集合進(jìn)行篩選，得到基于灰度特征的背景模型，具體過程為 ③-I、從待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中選取前N幀視頻監(jiān)控圖像構(gòu)成一個(gè)訓(xùn)練圖像序列； ③-2、對(duì)于訓(xùn)練圖像序列的所有視頻監(jiān)控圖像中的坐標(biāo)位置均為(x，y)的像素點(diǎn)，將其構(gòu)成的集合定義為像素點(diǎn)集，其中，IH，W表示視頻監(jiān)控圖像的寬度，H表不視頻監(jiān)控圖像的聞度； ③_3、提取像素點(diǎn)集中的各個(gè)像素點(diǎn)各自對(duì)應(yīng)的灰度特征，記為C，C = (val, f，t)，其中，val參數(shù)表示像素點(diǎn)集中的像素點(diǎn)的灰度值，f參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)的個(gè)數(shù)，t參數(shù)表示像素點(diǎn)集中灰度值為val的像素點(diǎn)在時(shí)域上最后出現(xiàn)的時(shí)間； ③-4、統(tǒng)計(jì)像素點(diǎn)集對(duì)應(yīng)的若干個(gè)不同的灰度特征，將其構(gòu)成的集合定義為像素點(diǎn)集對(duì)應(yīng)的灰度特征集合； ③-5、搜索像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征,判斷f值最大的灰度特征中的t參數(shù)是否滿足第一判定條件tN-t < T，如果滿足，則將像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中除f值最大的灰度特征外的其余灰度特征刪除，使像素點(diǎn)集僅由該f 值最大的灰度特征表征，然后執(zhí)行步驟③_6，否則，將f 值最大的灰度特征從像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，形成像素點(diǎn)集對(duì)應(yīng)的新的灰度特征集合，然后返回步驟③-5繼續(xù)執(zhí)行，其中，tN表示訓(xùn)練圖像序列中的第N幀視頻監(jiān)控圖像的時(shí)刻，T為設(shè)定的時(shí)間閾值； ③-6、根據(jù)步驟③-2至步驟③-5的操作，獲得訓(xùn)練圖像序列中的所有像素點(diǎn)集各自對(duì)應(yīng)的滿足第一判定條件的f 值最大的灰度特征，將每個(gè)像素點(diǎn)集僅由其對(duì)應(yīng)的滿足第一判定條件的f 值最大的灰度特征表征，形成基于灰度特征的背景模型； ④根據(jù)基于灰度特征的背景模型，對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，得到視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的二值化圖像，具體過程為 ④-I、對(duì)于待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中第N+n'幀視頻監(jiān)控圖像即后續(xù)的第n'幀視頻監(jiān)控圖像，將其定義為當(dāng)前視頻監(jiān)控圖像，其中，n'的初始值為I; ④-2、根據(jù)基于灰度特征的背景模型，確定當(dāng)前視頻監(jiān)控圖像中的各個(gè)像素點(diǎn)為背景像素點(diǎn)或前景像素點(diǎn)，以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)，對(duì)于當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，將其定義為當(dāng)前像素點(diǎn)，判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件dist(Vi，Valij) <D，如果滿足，則確定當(dāng)前像素點(diǎn)為背景像素點(diǎn)，并賦值為O,否則,確定當(dāng)前像素點(diǎn)為前景像素點(diǎn)，并賦值為1，其中，I < i <m，m表示當(dāng)前視頻監(jiān)控圖像中的像素點(diǎn)的個(gè)數(shù)，Vi表示當(dāng)前像素點(diǎn)的灰度值，valu表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的灰度值，I < j ( L，L表示基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中灰度特征的個(gè)數(shù)，L的初始值為I, dist(Vi, Valij)表示vi與valu之間的歐氏距離，D為設(shè)定的灰度值閾值； ④_3、根據(jù)當(dāng)前視頻監(jiān)控圖像中的所有前景像素點(diǎn)，獲得當(dāng)前視頻監(jiān)控圖像的運(yùn)動(dòng)目標(biāo)，并得到當(dāng)前視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的二值化圖像； ⑤對(duì)待檢測(cè)的實(shí)時(shí)視頻監(jiān)控圖像序列中后續(xù)的視頻監(jiān)控圖像對(duì)應(yīng)的包含運(yùn)動(dòng)目標(biāo)的二值化圖像進(jìn)行形態(tài)學(xué)濾波處理，然后進(jìn)行連通區(qū)域檢測(cè)，得到運(yùn)動(dòng)目標(biāo)的輪廓和位置； ⑥構(gòu)建一個(gè)與基于灰度特征的背景模型相對(duì)應(yīng)的基于灰度特征的候選模型，然后對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征或基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行更新，接著對(duì)基于灰度特征的背景模型中的灰度特征集合中的灰度特征和基于灰度特征的候選模型中的灰度特征集合中的灰度特征進(jìn)行篩選，再根據(jù)基于灰度特征的候選模型中的灰度特征集合中的灰度特征對(duì)基于灰度特征的背景模型中的灰度特征集合進(jìn)行更新，具體過程為 ⑥-I、對(duì)于基于灰度特征的背景模型，構(gòu)建一個(gè)與其相對(duì)應(yīng)的基于灰度特征的候選模型X，X={A/ }，其中，X的初始值為空集，Ci/ = (Vali/，fV)，vali/參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的灰度值，參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Vali/出現(xiàn)的頻數(shù)，參數(shù)表示基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征Ci/中的Valij'在時(shí)域上最后出現(xiàn)的時(shí)間； ⑥-2、根據(jù)當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)，對(duì)基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，或?qū)诨叶忍卣鞯暮蜻x模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行更新，將當(dāng)前視頻監(jiān)控圖像中的第i個(gè)像素點(diǎn)定義為當(dāng)前像素點(diǎn)，如果當(dāng)前像素點(diǎn)為背景像素點(diǎn)，則更新基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的第j個(gè)灰度特征中的f參數(shù)和t 參數(shù)，f = f+l,t = tn ,如果當(dāng)前像素點(diǎn)為前景像素點(diǎn),則再判斷當(dāng)前像素點(diǎn)的灰度值是否滿足條件Vali/ ) < D,如果滿足,貝U更新灰度特征候選集合X中的第j個(gè)灰度特征Ci/中的fV參數(shù)和參數(shù)，fV = fV +Lti/ = tnOT,如果不滿足,則向灰度特征候選集合X中新增灰度特征,并對(duì)新增的灰度特征中的Vali/參數(shù)、fi/參數(shù)和參數(shù)進(jìn)行賦值，Vali/參數(shù)的值為當(dāng)前像素點(diǎn)的灰度值，fi/ =Lti/ =1^ ,其中，」_的初始值為1，此處“=”為賦值符號(hào)，tnOT表示當(dāng)前視頻監(jiān)控圖像的時(shí)刻； ⑥-3、對(duì)更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為搜索更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征，判斷f值最大的灰度特征中的t參數(shù)是否滿足條件t_-t < T，如果滿足，則將除f值最大的灰度特征外的其余灰度特征刪除，否則，將f值最大的灰度特征刪除，形成新的灰度特征集合，然后重新搜索f值最大的灰度特征；對(duì)更新后的基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中的灰度特征進(jìn)行篩選，具體過程為搜索更新后的基于灰度特征的候選模型X中的第i個(gè) 像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fi/值最大的灰度特征，判斷值最大的灰度特征中的ti/參數(shù)是否滿足條 件<T，如果滿足，則將除值最大的灰度特征外的其余灰度特征刪除，否則，將值最大的灰度特征刪除，形成新的灰度特征集合，然后重新搜索fi/值最大的灰度特征；在獲得更新后的基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中f值最大的灰度特征和更新后的灰度特征候選集合X中值最大的灰度特征后執(zhí)行步驟⑥-4 ； ⑥-4、判斷基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中fi/值最大的灰度特征中的是否滿足條件4/ > F，如果滿足，則將基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中值最大的灰度特征加入到基于灰度特征的背景模型中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中，并將該值最大的灰度特征從基于灰度特征的候選模型X中的第i個(gè)像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中刪除，其中，F(xiàn)為設(shè)定的頻數(shù)閾值。
2.根據(jù)權(quán)利要求I所述的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于所述的步驟②中去噪處理采用中值濾波方法。
3.根據(jù)權(quán)利要求I或2所述的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于所述的步驟③中N彡50。
4.根據(jù)權(quán)利要求3所述的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于所述的步驟③-5中設(shè)定的時(shí)間閾值r = f。
5.根據(jù)權(quán)利要求4所述的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于所述的步驟④-2中設(shè)定的灰度值閾值D = 15。
6.根據(jù)權(quán)利要求5所述的一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于所述的步驟⑥-4中設(shè)定的頻數(shù)閾值F = |。
全文摘要
本發(fā)明公開了一種基于灰度特征的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其先利用計(jì)算機(jī)終端對(duì)實(shí)時(shí)視頻監(jiān)控圖像序列進(jìn)行灰度化操作和去噪處理，然后從圖像序列中選取多幀視頻監(jiān)控圖像構(gòu)成訓(xùn)練圖像序列，提取訓(xùn)練圖像序列中的同一坐標(biāo)位置的像素點(diǎn)各自對(duì)應(yīng)的灰度特征集合，再對(duì)各個(gè)灰度特征集合進(jìn)行篩選得到背景模型，接著對(duì)圖像序列中后續(xù)的視頻監(jiān)控圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，再對(duì)包含運(yùn)動(dòng)目標(biāo)的二值化圖像進(jìn)行形態(tài)學(xué)濾波和連通區(qū)域檢測(cè)，得到運(yùn)動(dòng)目標(biāo)的輪廓和位置，本發(fā)明方法中對(duì)于運(yùn)動(dòng)目標(biāo)的檢測(cè)只需要在像素點(diǎn)集對(duì)應(yīng)的灰度特征集合中進(jìn)行搜索比較，不需要復(fù)雜的參數(shù)估計(jì)與概率計(jì)算，因而不僅簡化了檢測(cè)過程，提高了檢測(cè)精度，而且降低了時(shí)間開銷，提高了運(yùn)行效率。
文檔編號(hào)G06K9/62GK102663362SQ20121010080
公開日2012年9月12日 申請(qǐng)日期2012年4月9日 優(yōu)先權(quán)日2012年4月9日
發(fā)明者張從連, 張家樂, 陳辰, 黃晁 申請(qǐng)人:寧波中科集成電路設(shè)計(jì)中心有限公司