基于結(jié)構(gòu)相似背景建模的運動目標檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于結(jié)構(gòu)相似背景建模的運動目標檢測方法，用于公共安全與防 范以及視頻分析與理解。屬于智能信息處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著攝像頭的日益普及，大量攝像機被廣泛應(yīng)用于公共安全與防范以及視頻分析 與理解，海量視頻信息亟待處理，其中，運動目標檢測是處理、分析和理解視頻內(nèi)容的關(guān)鍵 和基礎(chǔ)。運動目標檢測的運用，可以極大減少人類的工作量，從而將人類從繁重的勞動中解 放出來。
[0003] 正是由于運動目標檢測的重要性，使其一直受到國內(nèi)外研究人員的廣泛關(guān)注，而 復(fù)雜多樣場景中的運動目標高效自動檢測，迄今為止仍是一項極具挑戰(zhàn)性工作。其中，運動 目標檢測主要包括：背景建模和前景分割。目前，背景建模方法主要有前向型和反饋型兩 種。前向型背景建模方法，由于采用統(tǒng)一的學習率更新背景，因而，背景模型中易引入前景 特征；反饋型背景建模方法，在識別前景的基礎(chǔ)上對背景進行更新，但由于前景的誤判，仍 然易導(dǎo)致背景引入前景特征中。在前景分割方面，所采用的主要特征包括：亮度、色彩、紋理 等，其中，亮度特征難有效壓制陰影，而色彩特征則難有效區(qū)分偽裝，紋理特征卻在前景分 割時，容易產(chǎn)生空洞。因此，如何實現(xiàn)復(fù)雜多樣場景中的運動目標高效自動檢測，迄今為止 仍是一項亟待解決的挑戰(zhàn)性難題。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對目前運動目標檢測存在的問題與不足，提供一種基于結(jié)構(gòu) 相似背景建模的運動目標檢測方法，根據(jù)視頻場景中的物體結(jié)構(gòu)對光照變化具有強的魯棒 性，利用結(jié)構(gòu)相似性，更新背景模型，并采用多模態(tài)特征融合策略，提取視頻前景運動目標， 實現(xiàn)復(fù)雜多變視頻場景中的前景運動目標檢測。
[0005] 為達到上述目的，本發(fā)明的構(gòu)思是：利用結(jié)構(gòu)相似性，更新背景模型，并采用多模 態(tài)特征融合策略，提取視頻前景運動目標。
[0006] 根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案：
[0007] -種基于結(jié)構(gòu)相似背景建模的運動目標檢測方法，其特征在于：根據(jù)視頻場景中 的物體結(jié)構(gòu)對光照變化具有強的魯棒性，利用結(jié)構(gòu)相似性，更新背景模型，并采用多模態(tài)特 征融合策略，提取視頻前景運動目標，實現(xiàn)復(fù)雜多變視頻場景中的運動目標檢測；具體操作 步驟如下：
[0008] 1)啟動視頻米集系統(tǒng)：米集視頻圖像序列；
[0009] 2)背景初始化：采用前η幀圖像的平均值，作為初始背景圖像F ;
[0010] 3)計算當前幀圖像與初始背景圖像的結(jié)構(gòu)相似系數(shù)；
[0011] 4)根據(jù)結(jié)構(gòu)相似性，進行背景更新；
[0012] 5)基于多模態(tài)特征融合，提取前景運動目標。
[0013] 上述步驟3)的具體操作步驟如下：
[0014] (1)計算當前幀圖像仁與初始背景圖像F之間的亮度失真S"(F，It)和對比度失真 Sv (F, It)：
[0017] 其中，μ JP μ 2分別是F和I t的區(qū)域均值，σ JP σ 2分別是F和I t的區(qū)域方差， σ 1ι2是F和I t之間的區(qū)域協(xié)方差，c JP c 2為常數(shù)；
[0018] (2)確定當前幀圖像仁與初始背景圖像F之間的結(jié)構(gòu)相似圖M(F，I t):
[0019] M(F, It) = Sn (F, It) XSV(F, It)；
[0020] (3)根據(jù)步驟（2)所得的結(jié)構(gòu)相似圖M(F，It)，計算當前幀圖像仁與初始背景圖像 F之間的結(jié)構(gòu)相似性mt:mt= (M(F，It))Y，其中，γ為常數(shù)；
[0021] 上述步驟4)的具體操作步驟如下：
[0022] (1)根據(jù)步驟3)獲得的結(jié)構(gòu)相似性系數(shù)叫，計算運動區(qū)域的反饋系數(shù)dt:d t = (l-α )dt fa (l-mt)，其中，dt i為t-1時刻運動區(qū)域反饋系數(shù)，α為學習率；
[0023] (2)計算當前t時刻的反饋系數(shù)β t:
[0024] (3)根據(jù)步驟（2)，更新背景，確定當前t時刻的背景Bt:Bt= (l-β tXa) Bt !+PtX a XIt,
[0025] 其中，Bt丨為t-1時刻的背景；
[0026] 上述步驟5)的具體操作步驟如下：
[0027] (1)色彩空間轉(zhuǎn)換：由RGB彩色空間的紅R、綠G、藍B三分量，分別確定YUV色彩 空間的亮度分量Y、色度分量U和V :
[0028] Y = O. 299R+0. 587G+0. 114B
[0029] U = -0. 147R-0. 289G+0. 436B
[0030] V = 0. 615R-0. 515G-0. 100B ；
[0031] (2)分別計算當前幀圖像It的亮度分量Y t、色度分量Ut、Vt與當前t時刻的背景 Bt的亮度分量YB t、UBt、VBt之間的差距If t、cft:
[0032] Ift=Ift= IYt-YBt
[0033] cft:Cft= IUt-UBt I+ I Vt_VBt|，其中，I I 為絕對值運算符。
[0034] (3)計算當前幀圖像It與當前t時刻的背景Bt之間的結(jié)構(gòu)相似性tf t:tft = mt(It，Bt);
[0035] (4)根據(jù)步驟⑵和步驟（3)，分別確定初始前景運動目標的二值圖mlt、mc t、mtt:

[0039] 其中，HT3S閾值；
[0040] (5)根據(jù)步驟（4)獲得的mlt、mCJP mt t，確定最終的前景運動目標的二值圖kt:k t =mtt& (mlt I mct)，其中，符號"&"為邏輯與運算符，符號" I "為邏輯或運算符。
[0041] 本發(fā)明的原理如下：
[0042] 根據(jù)視頻場景中的物體結(jié)構(gòu)對光照變化具有強的魯棒性，因此，可利用結(jié)構(gòu)相似 圖，減少基于視頻場景中的物體紋理差異進行前景運動目標檢測所導(dǎo)致的運動目標分割不 完整現(xiàn)象。同時，采用結(jié)構(gòu)相似圖，可獲取當前幀圖像與背景模型之間的差異情況，從而使 得利用結(jié)構(gòu)相似圖進行背景建模與更新可行。
[0043] 根據(jù)上述原理，背景更新模型如下：
[0044] Bt= (l-β tX a )Bt !+β tX a XIt
[0045] 其中，1,為當前幀圖像，B t i為t-1時刻的背景，α為一級學習率，β t為二級學習 率。α由視頻幀率、視場中物體運動速度等因素決定，Pt可表示為：
[0047] 其中，dt= (l-α )d t !+a (l-mt)，mt表示當前幀和當前背景的結(jié)構(gòu)相似圖。
[0048] mt值越大，表明當前幀與背景模型之間的相似度越高，，則其為前景運動目標的概 率則越低，因而，需提高背景更新速度；屯代表當前運動區(qū)域的反饋系數(shù)，其值越大，則表明 存在運動或者出現(xiàn)新的背景物體，此時，應(yīng)加快背景更新速度；d t i則為t-Ι時刻的運動區(qū) 域反饋系數(shù)。
[0049] 為確定上述值，并獲取視頻場景中有效的前景運動目標，首先，米用初始前η幀圖 像的平均值，作為初始背景圖像。
[0050] 按下式分別計算當前幀圖像仁與初始背景圖像F之間的亮度失真S "(F，It)和對 比度失真\沉1,):
[0053] 其中，μ JP μ 2分別是F和I t的區(qū)域均值，σ JP σ 2分別是F和I t的區(qū)域方差， σ 1ι2是F和I t之間的區(qū)域協(xié)方差，c JP c 2為常數(shù)。
[0054] 確定當前幀圖像仁與初始背景圖像F之間的結(jié)構(gòu)相似圖：
[0055] M(F, It) = Sn (F, It) XSV(F, It)
[0056] 根據(jù)上述所得的結(jié)構(gòu)相似圖M(F，It)，計算當前幀圖像仁與初始背景圖像F之間 的結(jié)構(gòu)相似性：
[0057] mt= (M(F, I t)) γ
[0058] 其中，γ為常數(shù)。
[0059] 根據(jù)結(jié)構(gòu)相似性系數(shù)mt，計算運動區(qū)域的反饋系數(shù)屯以及當前t時刻的反饋系數(shù)
[0062] 其中，dt i為t-1時刻運動區(qū)域反饋系數(shù)，α為學習率。
[0063] 在此基礎(chǔ)上，更新背景，確定當前t時刻的背景：
[0064] Bt= (l-β tX a )Bt !+β tX a XIt
[0065] 其中，Bt i為t-1時刻的背景。
[0066] 根據(jù)YUV色彩空間中亮度分量和色度分量不僅相互分離，而且可以避免相互干 擾。其中，在YUV色彩中，Y分量表示亮度信息，U和V分量表示色度信息。從RGB空間轉(zhuǎn)換 到Y(jié)UV色彩空間的轉(zhuǎn)換公式如下：
[0068] 由此分別計算當前幀圖像It的亮度分量Y t、色度分量Ut、Vt與當前t時刻的背景 Bt的亮度分量YB t、UBt、VBt之間的差距：
[0069] Ift= IYt-YBt
[0070] cft= |Ut-UBt I+ IVt-VBt
[0071] 其中，I I為絕對值運算符。
[0072] 計算當前幀圖像It與當前t時刻的背景B t之間的結(jié)構(gòu)相似性：
[0073] tft= m t(It, Bt)
[0074] 在此基礎(chǔ)上，分別確定初始前景運動目標的二值圖：
[0078] 其中，InI^T3為閾值。
[0079] 通過上述獲取的初始前景運動目標的二值圖，采用如下多模態(tài)融合策略，確定最 終