基于可見光和紅外檢測結(jié)果融合的運動目標(biāo)檢測方法
【專利摘要】本發(fā)明公開了一種基于可見光和紅外檢測結(jié)果融合的運動目標(biāo)檢測方法，用于解決現(xiàn)有運動目標(biāo)檢測方法檢測效果差的技術(shù)問題。技術(shù)方案是首先利用ViBe的背景提取方法提取可見光圖像的前景圖。得到前景圖后，將其轉(zhuǎn)換到LUV空間進(jìn)行陰影判斷；其次，通過顯著性檢測的方法提取紅外圖像的顯著圖；最后，融合兩者的檢測結(jié)果，提取最終的運動目標(biāo)。本發(fā)明方法可以有效應(yīng)對陰影及光照強度環(huán)境變化導(dǎo)致目標(biāo)檢測效果差的技術(shù)問題，達(dá)到全天候檢測的效果。
【專利說明】基于可見光和紅外檢測結(jié)果融合的運動目標(biāo)檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種運動目標(biāo)檢測方法，特別是涉及一種基于可見光和紅外檢測結(jié)果 融合的運動目標(biāo)檢測方法。

【背景技術(shù)】
[0002] 運動目標(biāo)檢測作為視頻監(jiān)控的基礎(chǔ)工作，它的主要任務(wù)是從視頻序列中將運動變 化的區(qū)域從背景圖像中分割提取出來，以備后續(xù)的目標(biāo)跟蹤、行為分析使用。目標(biāo)檢測方法 能夠有效克服光照變化，背景運動，相機抖動等多重影響，準(zhǔn)確提取運動目標(biāo)，具有重要的 意義?，F(xiàn)有方法多數(shù)在單源傳感器成像上研究，主要檢測方法有基于像素的檢測方法和基 于特征的檢測方法。
[0003] 文獻(xiàn)''ViBe:a powerful random technique to estimate the background in video sequence. ICASSP，2009, 4:945-948"公開了一種基于像素的目標(biāo)檢測方法，提取目 標(biāo)背景區(qū)域。該方法采用隨機選擇策略和像素空間一致性原則，進(jìn)行前景檢測。該方法首 先用第一幀圖像初始化樣本容量為N的背景模型；然后計算當(dāng)前像素點與樣本點間距離滿 足閾值的次數(shù)來判斷前景點；最后以隨機策略更新背景樣本點及樣本點的領(lǐng)域。該方法具 有內(nèi)存容量小，速度快的特點，但是當(dāng)光照強度較強，存在大量陰影時，檢測效果會下降，而 且當(dāng)光照強度變化，比如陰雨、夜晚等弱光環(huán)境下，不能實時檢測目標(biāo)，實現(xiàn)全天候檢測。


【發(fā)明內(nèi)容】

[0004] 為了克服現(xiàn)有運動目標(biāo)檢測方法檢測效果差的不足，本發(fā)明提供一種基于可見光 和紅外檢測結(jié)果融合的運動目標(biāo)檢測方法。該方法首先利用ViBe的背景提取方法提取可 見光圖像的前景圖。得到前景圖后，將其轉(zhuǎn)換到LUV空間進(jìn)行陰影判斷；其次，通過顯著性 檢測的方法提取紅外圖像的顯著圖；最后，融合兩者的檢測結(jié)果，提取最終的運動目標(biāo)。本 發(fā)明方法可以有效應(yīng)對陰影及光照強度環(huán)境變化導(dǎo)致目標(biāo)檢測效果差的技術(shù)問題，達(dá)到全 天候檢測的效果。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于可見光和紅外檢測結(jié)果融 合的運動目標(biāo)檢測方法，其特點是包括以下步驟：
[0006] 步驟一、對于可見光第一幀圖像，從像素點（X，y)八領(lǐng)域中隨機選取N個像素值，
[0007] 初始化背景模型{Βη，η = 12, . . .，N}對應(yīng)位置點。
[0008] 從第二幀圖像開始進(jìn)行像素點匹配。在時刻t，判斷當(dāng)前幀Γ在（x，y)處像素 i (X，y)與背景樣本Bn的像素 b (X，y)匹配狀態(tài)：
[0009] fl, dis(i(x,y),b(x,y))<Dd W = k其他 （）
[0010] 其中，dis〇表示當(dāng)前像素與背景像素之間的歐式距離，Dd = 20表示距離閾值。 [0011] 當(dāng)滿足距離閾值比的次數(shù)小于T。時，Te = 2,標(biāo)記該像素點為前景；否則標(biāo)記該像 (2) 素點為背景。

【權(quán)利要求】
1. 一種基于可見光和紅外檢測結(jié)果融合的運動目標(biāo)檢測方法，其特征在于包括以下步 驟： 步驟一、對于可見光第一幀圖像，從像素點（x，y)八領(lǐng)域中隨機選取N個像素值，初始 化背景模型{Βη，η = 12,...，N}對應(yīng)位置點； 從第二幀圖像開始進(jìn)行像素點匹配；在時刻t，判斷當(dāng)前幀Γ在（X，y)處像素 i (X，y) 與背景樣本Bn的像素 b (x，y)匹配狀態(tài)：
Π ) 其中，dis〇表示當(dāng)前像素與背景像素之間的歐式距離，Dd = 20表示距離閾值； 當(dāng)滿足距離閾值Dd的次數(shù)小于T。時,Τ。= 2,標(biāo)記該像素點為前景；否則標(biāo)記該像素點 為背景；
(2) 其中，VP是一個二值圖，表示前景像素時，值為255 ;表示背景像素時，值為0 ; 設(shè)定背景更新概率為Φ，當(dāng)像素 i(x，y)被標(biāo)記背景像素時，有1/Φ的概率更新其背 景模型；假設(shè)該像素的某個背景模型Bn要更新，首先用i(x，y)更新背景模型Bn對應(yīng)位置像 素 b(x，y);然后在樣本Bn對應(yīng)位置的八領(lǐng)域內(nèi)隨機選取一個像素位置使用i(x，y)更新對 應(yīng)像素； 步驟二、通常在LUV空間陰影區(qū)域中像素的亮度L會低于背景區(qū)域的亮度L，陰影區(qū)域 與背景區(qū)域的色度相似，但是差值的取值范圍較大；像素 i (X，y)被判斷為陰影點時，要滿 足下述條件： a. Θ j ^ 〇L ^ Θ 2, 〇L = iL (χ, y) /bL (x, y) (3)
(4) 這里，為亮度變化，(T為色度變化，Θ p Θ 2, β是判定閾值； 當(dāng)像素經(jīng)陰影判定函數(shù)判斷為陰影后，分別對該像素的〇S ουν分量進(jìn)行混合高斯建模， 進(jìn)一步對陰影點進(jìn)行驗證，以降低陰影的錯檢率； 步驟三、使用一個組合的DoG濾波器計算圖像的高頻和低頻信息，單個DoG濾波器表示 如下：
(5) DoG濾波器的帶寬由P = σ 1；/ σ 2決定，σ σ 2表示高斯標(biāo)準(zhǔn)差（σ i > σ 2) ; σ i決 定著低頻信息的選取，σ 2決定著高頻信息的選取；考慮M個DoG的組合濾波器： M-1 (C(.v, V, p'"!'cr2) - G'(.v, ν, ρ'"σ;)) = G(x, v, p(? σ2) - G(.v,cr2) (6) m=0 其中，M表示大于0的整數(shù)，式（6)被簡化成兩個高斯函數(shù)的差；組合濾波器的帶寬由 K = p M決定； 計算紅外視頻序列的顯著性特征，令Μ = c?，使得K值盡可能大，這時G (x，y，P M〇 2)就 是對整個圖像的平均；紅外圖像的顯著性計算如下： Sal(x,y) = ||i/a -HMhc (x,y)\\ (7) 計算顯著性之前，將顏色空間轉(zhuǎn)換到CIELAB空間；Hu為圖像平均值，#是像素 在高斯平滑后的顏色特征，Μ · I I為L2范式； 提取紅外顯著圖之后，進(jìn)行二值分割得到顯著前景圖SR ; 步驟四、融合紅外和可見光檢測結(jié)果； 記融合結(jié)果圖為If，s，以可見光和紅外兩種檢測結(jié)果標(biāo)記像素點， 會產(chǎn)生三種可能的情況： (a) 可見光前景檢測結(jié)果和紅外前景檢測結(jié)果都表明該像素為前景點；即 YFl (x, y) = 255, SF1 (x, y) = 255, (8) 此時標(biāo)記 If，s(x, y) = 255 ; (b) 可見光前景檢測結(jié)果表明該像素為前景點，紅外前景檢測表明該像素不是前景點 或可見光前景檢測結(jié)果表明該像素不是前景點，紅外前景檢測表明該像素是前景點；這里 采用對可見光圖和紅外顯著圖對應(yīng)位置點加權(quán)平均的方式標(biāo)記該像素值；此時融合像素點 值標(biāo)記為
當(dāng)顯著圖像素點8領(lǐng)域的平均值大于原圖均值的2倍時λ = 1，否則為〇 ;
(10) 其中，mean()表示均值，2neig8()表示8領(lǐng)域的和； (c) 可見光前景檢測結(jié)果和紅外前景檢測結(jié)果都表明該像素為非前景點；這里標(biāo)記該 像素點值為紅外顯著圖對應(yīng)位置點的三分之一；
(11) 經(jīng)過以上步驟得到融合結(jié)果圖If，s后，進(jìn)行二值分割，并作形態(tài)學(xué)處理，得到最終目標(biāo) 檢測結(jié)果。
【文檔編號】G06T7/20GK104123734SQ201410350758
【公開日】2014年10月29日 申請日期:2014年7月22日 優(yōu)先權(quán)日:2014年7月22日
【發(fā)明者】郗潤平, 張艷寧, 張?？? 申請人:西北工業(yè)大學(xué)