CN104751484A - 一种运动目标检测方法及实现运动目标检测方法的检测系统 - Google Patents

Abstract

本发明公开了一种运动目标检测方法及实现运动目标检测方法的检测系统，在检测前景像素时，通过对当前像素的邻域像素进行统计，并引入置信因子来判断当前像素是否为前景像素，检测出来的前景目标可靠、空洞较少，可以消除鬼影等影响；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，很好的适应光照的突然变化，克服了场景动态变化对背景图像的影响，使所建立的背景图像具有较好的鲁棒性。对于此算法，本发明还采用并行结果和多级流水线技术，用硬件的方式实现，提高了检测的实时性。

Description

一种运动目标检测方法及实现运动目标检测方法的检测系统

技术领域

本发明属于视频检测技术领域，涉及一种运动目标检测方法，还涉及实现上述运动目标检测方法的检测系统。

背景技术

运动目标检测也称为运动目标分割，是将运动的目标从监控视频序列中提取出来的一项智能分析技术，是整个视频监控系统的关键一步，也是目标跟踪、识别及行为理解等后续处理的基础。受环境、光线以及噪声等影响，运动目标检测极具挑战，是机器视觉领域一直研究的热点。传统的运动目标检测算法包括帧间差分法、光流法和背景差分法三大类。背景差分法是通过当前帧图像与背景模型图像差分来检测运动目标的，其关键是如何构造一个鲁棒性的背景图像。与帧间差分法和光流法相比较，背景差分法由于建模不需要先验知识、运算速度快、目标检测精准等优点，而成为研究的焦点。现有技术中的检测方法容易出现鬼影或阴影，而且在光照变化的运动目标检测过程中，背景是不断变化的，目前的运动目标检测算法大多对光线的变化不能适应，背景更新不及时，导致运动目标检测结果不好。现有技术中一般是采用计算机实现运动目标的检测的，但是随着视频图像分辨率的提升，计算机计算能力有限，处理速度慢，实时性差。

发明内容

本发明的目的是提供一种运动目标检测方法，克服了现有技术中的检测方 法存在的检测的运动目标会出现阴影且不能适应光线的变化造成的运动目标检测质量低的技术问题。

本发明的另一目的是提供实现上述运动目标检测方法的检测系统，提高了检测的实时性。

本发明采用的第一技术方案是，一种运动目标的检测方法，具体按照以下步骤实施：

步骤1：输入待检测视频帧图像转化成的灰度图像；

步骤2：进行运动目标检测，具体过程如下：

2.1，通过像素空间法计算当前帧图像F_t(x,y)像素q的邻域像素和背景图像B_t(x,y)对应像素的灰度差值统计出像素q的置信因子，通过置信因子的大小判断像素为背景像素还是前景像素，得到当前帧运动目标的检测结果；

2.2，通过计算当前背景图像B_t(x,y)像素和当前帧图像F_t(x,y)像素的CSLBP纹理特征值更新背景图像B_t(x,y)为B_t+1(x,y)，更新后的背景图像B_t+1(x,y)供检测下一帧图像F_t+1(x,y)的运动目标时使用；

2.3，对当前帧图像F_t(x,y)检测结果进行后处理，使用数学形态学开运算去除小噪点和断裂部分；

步骤3：将当前帧检测到的运动目标图像输出；

重复上述步骤，直至检测完毕所有的视频帧图像。

本发明采用的第一技术方案的特点还在于，

步骤2.1的具体过程如下：

2.1.1，初始背景图像B₁(x,y)选用第一帧图像F₁(x,y)；

2.1.2，对于当前帧图像F_t(x,y)像素q的邻域像素k_n的邻域像素u_m做如下统 计，n＝1,2,3,4，m＝1,2,3,4：

其中，count表示像素k_n的邻域像素u_m中，abs(F_t(u)(i,j)-B_t(u)(i,j))<T₁的像素的个数，初始值为0，F_t(u)(i,j)表示当前帧图像k_n的邻域像素u_m的灰度值，B_t(u)(i,j)表示当前背景图像k_n的邻域像素u_m的灰度值，abs(·)为取绝对值函数，T₁为灰度值差阈值；

当前帧图像F_t(x,y)像素q的邻域像素k_n是指：根据图像像素的处理顺序，将像素q的8邻域像素中处理顺序在像素q之前的像素作为像素q的邻域像素k_n；将像素k_n的8邻域像素中处理顺序在像素k_n之前的像素作为像素k_n的邻域像素u_m；

由于k_n的邻域像素u_m有4个，所以最后得到的统计值count∈[0,4]；

2.1.3，根据count的取值引入如下的分段置信因子：

$F_{k_n}=\left\{\begin{array}{cc}{t}_1& H_{\mathrm{num}}<\mathrm{count}\&le;4\\ t_2& L_{\mathrm{num}}\&le;\mathrm{count}\&le;H_{\mathrm{num}}\\ t_3& 1\&le;\mathrm{count}<L_{\mathrm{num}}\end{array}\right.;$

其中，t₁,t₂,t₃是三个不同的置信因子，取值为t₁＝0.5,t₂＝1,t₃＝2，L_num、H_num是分段时设定的阈值，分别为1和3；

重复步骤2.1.2～2.1.3，直至将q的邻域像素k_n的置信因子均求出；

2.1.4，将q的邻域像素k_n的置信因子相加，得到判断当前处理像素q是否为背景的置信因子S_b，即：

$S_b=\underset{n=1}{\overset{4}{\mathrm{\&Sigma;}}}{F}_{k_n};$

由于q的邻域像素k_n有4个，所以置信因子的取值范围为S_b∈[2,8]；

2.1.5，得到置信因子S_b后，进行前景检测：

即S_b大于阈值T₂的为前景像素，将其灰度值赋为255，否则为背景像素，其灰度值赋为0，得到当前帧图像F_t(x,y)运动目标的检测结果。

步骤2.2中计算当前背景图像B_t(x,y)像素和当前帧图像F_t(x,y)像素的CSLBP纹理特征值的计算方法为：

$\mathrm{CSLBP}(x,y)=\underset{p=0}{\overset{(P/2)-1}{\mathrm{\&Sigma;}}}S(g_p-g_{p+P/2})\&CenterDot;2^p;$

式中，P为邻域像素点的个数，g_p表示像素z的邻域像素l的灰度值，g_p+P/2表示与l中心对称的像素z的邻域像素点的灰度值，S(·)是比较函数，描述为：

$S\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right..$

步骤2.2中更新背景的方法为：

(1)，计算背景更新概率P_t(x,y)，如下式所示：

$P_t(x,y)=2*\mathrm{ones}(\mathrm{CSLBP}\left(B_t(x,y)\right)\&CirclePlus;\mathrm{CSLBP}\left(F_t(x,y)\right))\text{/P}$

其中，CSLBP(F_t(x,y))表示当前帧图像像素的CSLBP纹理特征值，CSLBP(B_t(x,y))表示与当前帧图像像素对应的当前背景图像像素的CSLBP纹理特征值，表示异或运算，ones(·)是计算二进制表示中的1的个数；

(2)，更新背景，更新方法如下：

当是与当前帧图像F_t(x,y)检测出来的前景像素对应的当前背景图像B_t(x,y)像素，背景更新如下：B_t+1(x,y)＝P_t(x,y)B_t(x,y)+(1-P_t(x,y))F_t(x,y))；

当是与当前帧图像F_t(x,y)检测出来的背景像素对应的当前背景图像B_t(x,y)像素，背景更新如下：B_t+1(x,y)＝B_t(x,y)；

B_t+1(x,y)表示更新后的背景图像。

本发明所采用的第二技术方案是，实现上述运动目标检测方法的运动目标检测系统，其包括当前帧图像缓存装置和背景图像缓存装置，当前帧图像缓存装置和背景图像缓存装置均与前景检测装置和背景更新装置连接，前景检测装置分别与后处理装置和背景更新装置连接；背景图像缓存装置还连接有存储器。

本发明所采用的第二技术方案的特点还在于，

所述当前帧图像缓存装置包括第一行缓存器，其依次连接有第二行缓存器、第三行缓存器、第四行缓存器，第一行缓存器、第二行缓存器、第三行缓存器、第四行缓存器分别连接有第一列缓存器、第二列缓存器、第三列缓存器、第四列缓存器；

所述背景图像缓存装置包括第五行缓存器，其依次连接有第六行缓存器、第七行缓存器、第八行缓存器，第五行缓存器、第六行缓存器、第七行缓存器、第八行缓存器分别连接有第五列缓存器、第六列缓存器、第七列缓存器、第八列缓存器；第八行缓存器和存储器相连。

所述前景检测装置包括第一减法器，第二减法器，第三减法器，第四减法器，第五减法器，第六减法器，第七减法器，第八减法器，第九减法器，其分别连接有第一比较器，第二比较器，第三比较器，第四比较器，第五比较器，第六比较器，第七比较器，第八比较器，第九比较器；第一比较器和第六比较器与第一加法器连接，第二比较器和第三比较器连接有第二加法器，第三比较器和第四比较器连接有第三加法器，第四比较器和第器比较器连接有第四加法器，第五比较器和第八比较器连接有第六加法器，第六比较器和第七比较器连接有第五加法器，第八比较器和第九比较器连接有第七加法器；第一加法器和 第二加法器连接有第八加法器，第二加法器和第四加法器连接有第九加法器，第三加法器和第五加法器连接有第十加法器，第六加法器和第七法器连接有第十一加法器；第八加法器、第九加法器、第十加法器、第十一加法器分别连接有第一查找表、第二查找表、第三查找表、第四查找表；第一查找表和第二查找表连接有第十二加法器，第三查找表和第四查找表连接有第十三加法器；第十二加法器和第十三加法器连接有第十四加法器，第十四加法器连接有第十比较器；

其中，前景检测装置的各减法器分别与当前帧图像缓存装置和背景图像缓存装置连接。

背景更新装置包括第十一比较器，第十二比较器，第十三比较器，第十四比较器，第十五比较器，第十六比较器，第十七比较器，第十八比较器，第十一比较器和第十五比较器连接有第一异或门，第十二比较器第十六比较器连接有第二异或门，第十三比较器和第十七比较器连接有第三异或门，第十四比较器和第十八比较器连接有第四异或门；第一异或门和第二异或门与第第十五加法器相连，第三异或门和第四异或门与第第十六加法器相连，第十五加法器和第十六加法器和第十七加法器相连；第十七加法器分别连接有第一触发器和第十减法器，第一触发器连接有第一乘法器，第十减法器连接有第二乘法器，第一乘法器和第二乘法器均与第十八加法器连接，第十八加法器依次连接有移位单元，多路复用器；第一乘法器还依次连接有第二触发器、第三触发器、第四触发器、第五触发器、第六触发器；第二乘法器还依次连接有第七触发器，第八触发器，第九触发器，第十触发器，第十一触发器；第十减法器还连接寄存器；多路复用器还依次连接有第十三触发器、第十二触发器，第十一触发器和 第十二触发器相连；

其中，背景更新装置的各比较器分别与当前帧图像缓存装置和背景图像缓存装置连接，多路复用器与前景检测装置连接。

后处理装置包括第九行缓存器，其依次连接有第十行缓存器、第十一行缓存器、第十二行缓存器，第九行缓存器、第十行缓存器、第十一行缓存器分别连接有第九列缓存器、第十列缓存器、第十一列缓存器；第九列缓存器、第十列缓存器、第十一列缓存器均与第二寄存器连接，第二寄存器依次连接第五异或门、第一反相器、第十九比较器、第十四行缓存器、第十三行缓存器、第十二行缓存器，第五异或门还连接有第三寄存器，第十二行缓存器、第十三行缓存器、第十四行缓存器分别连接第十二列缓存器、第十三列缓存器、第十四列缓存器；第十二列缓存器、第十三列缓存器、第十四列缓存器均与第四寄存器连接，第四寄存器依次连接第六异或门、第二反相器、第二十比较器，第六异或门还连接有第五寄存器；

其中，第十一行缓存器和前景检测装置相连接。

本发明的有益效果是，本发明的检测方法在检测前景像素时，通过对当前像素的邻域像素进行统计，并引入置信因子来判断当前像素是否为前景，检测出来的前景目标可靠、空洞较少，不会出现鬼影或阴影；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，所建立的背景模型可以适应光照的突然变化，克服了场景动态变化对背景模型的影响，使所建立的背景图像具有较好的鲁棒性。因此，本发明的运动目标检测方法具有高效的视频处理能力，运动目标检测结果完整，对缓慢变化的光照具有 鲁棒性。实现检测方法的检测系统处理速度快，实时性好。

附图说明

图1是本发明中的q的k邻域(a)和k的u邻域(b)的示意图；

图2是本发明中的CSLBP纹理特征值计算方法示意图；

图3是本发明运动目标检测算法流程图；

图4是本发明的检测系统示意图；

图5是本发明的运动目标检测系统中图像缓存装置示意图；

图6是本发明的运动目标检测系统中的前景检测装置示意图；

图7是本发明的运动目标检测系统中的背景更新装置示意图；

图8是本发明的运动目标检测系统中的后处理装置示意图；

图9是本发明与现有技术的运动目标检测方法测试结果对比图。

其中，图(a)是原始视频帧1，图(b)是原始视频帧2，图(c)是采用混合高斯模型检测结果图，图(d)是采用LBP方法的检测结果图，图(e)是采用本发明的方法检测结果图。

具体实施方式

以下结合附图和具体实施方式对本发明作进一步详细的说明。

一种运动目标的检测方法，具体按照以下步骤实施：

步骤1，输入待检测视频帧图像转化成的灰度图像；

步骤2，对图像进行运动目标检测，具体过程如下：

2.1，通过像素空间法计算当前帧图像F_t(x,y)像素q的邻域像素和背景图像B_t(x,y)对应像素的灰度差值来统计出像素q的置信因子，通过置信因子的大小判决像素为背景像素还是前景像素，得到当前帧运动目标的检测结果，具体过程 如下：

2.1.1，初始背景图像B₁(x,y)选用第一帧图像F₁(x,y)；

2.1.2，对于当前帧图像F_t(x,y)的像素q的邻域像素k_n的邻域像素u_m做如下统计，n＝1,2,3,4，m＝1,2,3,4：

其中，count表示像素k_n的邻域像素u_m中，abs(F_t(u)(i,j)-B_t(u)(i,j))<T₁的像素的个数，初始值为0，F_t(u)(i,j)表示当前帧图像k_n的邻域像素u_m的灰度值，B_t(u)(i,j)表示当前背景图像k_n的邻域像素u_m的灰度值，abs(·)为取绝对值函数，T₁为灰度值差阈值，本文取16；

像素q的k邻域是指像素q的8邻域像素中处理顺序在像素q之前的像素组成的区域，那么像素q的k邻域内的像素记为像素q的邻域像素k_n，如图1(a)所示，选择这几个像素是因为图像处理的顺序是从上往下、从左往右扫描的，所以当处理到q时，其k邻域已经全部处理完成；而对于k邻域的每一个像素k_n，又有自己的k邻域，这里称为u邻域，那么像素k_n的u邻域内的像素记为像素k_n的邻域像素u_m，如图1(b)所示；

由于k_n的邻域像素u_m有4个，所以最后得到的统计值count∈[0,4]；

2.1.3，根据count的取值引入如下的分段置信因子：

$F_{k_n}=\left\{\begin{array}{cc}{t}_1& H_{\mathrm{num}}<\mathrm{count}\&le;4\\ t_2& L_{\mathrm{num}}\&le;\mathrm{count}\&le;H_{\mathrm{num}}\\ t_3& 1\&le;\mathrm{count}<L_{\mathrm{num}}\end{array}\right.;$

其中，t₁,t₂,t₃是三个不同的置信因子，取值为t₁＝0.5,t₂＝1,t₃＝2，L_num、H_num是分段时设定的阈值，分别为1和3；

重复步骤2.1.2～2.1.3，直至将q的邻域像素k_n的置信因子均求出；

2.1.4，将q的邻域像素k_n的置信因子相加，得到判断当前处理像素q是否为背景的置信因子S_b，即：

$S_b=\underset{n=1}{\overset{4}{\mathrm{\&Sigma;}}}{F}_{k_n}$

由于q的邻域像素k_n有4个，所以置信因子的取值范围为S_b∈[2,8]；

2.1.5，得到置信因子S_b后，通过设定阈值T₂，这里取4，按如下公式进行前景检测：

即S_b大于等于4的为前景像素，将其灰度值赋为255，否则为背景像素，其灰度值赋为0，得到当前帧F_t(x,y)运动目标图像的检测结果。

2.2，通过计算当前背景图像B_t(x,y)像素和当前帧图像F_t(x,y)像素的CSLBP纹理特征值更新背景图像B_t(x,y)为B_t+1(x,y)，具体过程如下：

2.2.1，CSLBP纹理特征值的计算方法如下：

$\mathrm{CSLBP}(x,y)=\underset{p=0}{\overset{(P/2)-1}{\mathrm{\&Sigma;}}}S(g_p-g_{p+P/2})\&CenterDot;2^p$

式中，P为邻域像素点的个数，g_p表示像素z的邻域像素l的灰度值，g_p+P/2表示与l中心对称的像素z的邻域像素点的灰度值，S(·)是比较函数，描述为：

$S\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.;$

如图2所示，是CSLBP纹理特征值的计算过程，以左上角为起始点，最终得到的CSLBP纹理特征值二进制模式为“0011”，转换成十进制后的3为最终CSLBP纹理特征值。

CSLBP相比LBP具有以下优点：(a)计算复杂性降低，CSLBP的计算次数 是LBP的一半；(b)特征维数大大降低，如果采用直方图对区域纹理特征进行描述，LBP直方图的维数为2^P，而CSLBP的特征维数为2^P/2；(c)CSLBP由于采用对称方式计算纹理特征值，其对摄像头晃动引起的图像边缘偏差，具有较强的抗噪能力，能更好的适应环境的变化。由于CSLBP纹理特征计算的简单性，特别是其对光照的不敏感性，当光照发生突变时其CSLBP特征不变，因此将该纹理特征引用到背景建模中，可以解决光照突变时背景模型的快速更新问题。

2.2.2，通过当前帧图像和当前背景图像像素的CSLBP纹理特征值，获取背景更新概率P_t(x,y)，如下式所示：

$P_t(x,y)=2*\mathrm{ones}(\mathrm{CSLBP}\left(B_t(x,y)\right)\&CirclePlus;\mathrm{CSLBP}\left(F_t(x,y)\right))\text{/P}$

其中，CSLBP(F_t(x,y))表示当前帧图像像素的CSLBP纹理特征值，CSLBP(B_t(x,y))表示与当前帧图像像素对应的当前背景图像像素的CSLBP纹理特征值，表示异或运算，ones(·)是计算二进制表示中的1的个数。

2.2.3，更新背景，更新方法如下：

当是与当前帧图像F_t(x,y)检测出来的前景像素对应的当前背景图像B_t(x,y)像素时，背景更新如下：B_t+1(x,y)＝P_t(x,y)B_t(x,y)+(1-P_t(x,y))F_t(x,y))；

当是与当前帧图像F_t(x,y)检测出来的背景像素对应的当前背景图像B_t(x,y)像素时，背景更新如下：B_t+1(x,y)＝B_t(x,y)；

B_t+1(x,y)表示更新后的背景图像，更新后的背景图像B_t+1(x,y)供检测下一帧图像F_t+1(x,y)的运动目标时使用。

2.3，对当前帧图像F_t(x,y)检测结果进行后处理，使用数学形态学开运算去除小噪点；

步骤3：将检测到的运动目标图像输出。

重复上述步骤，直至检测完毕所有的视频帧图像。

本发明中实现上述运动目标检测方法的检测系统如下：

其包括当前帧图像缓存装置和背景图像缓存装置，当前帧图像缓存装置和背景图像缓存装置均与前景检测装置和背景更新装置连接，前景检测装置分别与后处理装置和背景更新装置连接；背景图像缓存装置还连接有存储器。

当前帧图像缓存装置包括第一行缓存器，其依次连接有第二行缓存器、第三行缓存器、第四行缓存器，第一行缓存器、第二行缓存器、第三行缓存器、第四行缓存器分别连接有第一列缓存器、第二列缓存器、第三列缓存器、第四列缓存器；

背景图像缓存装置包括第五行缓存器，其依次连接有第六行缓存器、第七行缓存器、第八行缓存器，第五行缓存器、第六行缓存器、第七行缓存器、第八行缓存器分别连接有第五列缓存器、第六列缓存器、第七列缓存器、第八列缓存器；第八行缓存器和存储器相连。

根据运动目标检测算法，运算在4×5的窗口内进行，所以需要对图像数据流进行缓存得到4行5列的图像处理窗口数据。当前帧数据流首先输入到当前帧缓存装置的第四行缓存器，从第四行缓存器读出的数据流分别输入到第三缓存器和第四列缓存器，从第三缓存器读出的数据流再分别输入到第二行缓存器和第三列缓存器，从第二缓存器读出的数据流再分别输入到第一行缓存器和第二列缓存器，第一行缓存器数据流输入到第一列缓存器。因为背景图像比较大，内部资源有限，所以每次更新的背景图像均需存入存储器，当背景图像缓存装置从外部存储器获取背景图像时，背景图像数据流首先输入到背景图像缓存装置的第八行缓存器，从第八缓存器读出的数据流分别输入到第七缓存器和第八 列缓存器，从第七缓存器读出的数据流再分别输入到第六行缓存器和第七列缓存器，从第六缓存器读出的数据流再分别输入到第五行缓存器和第六列缓存器，第五行缓存器数据流输入到第五列缓存器。

前景检测装置包括第一减法器，第二减法器，第三减法器，第四减法器，第五减法器，第六减法器，第七减法器，第八减法器，第九减法器，其分别连接有第一比较器，第二比较器，第三比较器，第四比较器，第五比较器，第六比较器，第七比较器，第八比较器，第九比较器；第一比较器和第六比较器与第一加法器连接，第二比较器和第三比较器连接有第二加法器，第三比较器和第四比较器连接有第三加法器，第四比较器和第器比较器连接有第四加法器，第五比较器和第八比较器连接有第六加法器，第六比较器和第七比较器连接有第五加法器，第八比较器和第九比较器连接有第七加法器；第一加法器和第二加法器连接有第八加法器，第二加法器和第四加法器连接有第九加法器，第三加法器和第五加法器连接有第十加法器，第六加法器和第七法器连接有第十一加法器；第八加法器、第九加法器、第十加法器、第十一加法器分别连接有第一查找表、第二查找表、第三查找表、第四查找表；第一查找表和第二查找表连接有第十二加法器，第三查找表和第四查找表连接有第十三加法器；第十二加法器和第十三加法器连接有第十四加法器，第十四加法器连接有第十比较器。

第一列缓存器和第五列缓存器均与第一减法器，第二减法器，第三减法器，第四减法器，第五减法器连接；第二列缓存器和第六列缓存器均与第六减法器，第七减法器，第八减法器连接；第三列缓存器和第七列缓存器均与第九减法器，连接。

当前处理点有4个k邻域，每个k邻域有自己的4个u邻域，所以总共有 16个数据，但是由于相互重叠，这样就会有9个不同的数据，需要参与减法运算，所以在前景检测装置设置9个减法器：第一减法器，第二减法器，第三减法器，第四减法器，第五减法器，第六减法器，第七减法器，第八减法器和第九减法器用于计算当前帧图像和当前背景图像对应像素之间的灰度值值差；得到的九个结果经过第一比较器，第二比较器，第三比较器，第四比较器，第五比较器，第六比较器，第七比较器，第八比较器和第九比较器分别和16作比较输出0或1；九个比较器的输出通过第一加法器，第二加法器，第三加法器，第四加法器，第五加法器，第六加法器，第七加法器，第八加法器，第九加法器，第十加法器和第十一加法器计算算法中每个k邻域的u邻域的差值结果输出的累加和；第八加法器，第九加法器，第十加法器和第十一加法器输出的累加和分别输入到事先确定好的第一查找表，第二查找表，第三查找表和第四查找表，四个查找表输出对应的分段置信因子的值；四个分段置信因子的值通过第十二加法器，第十三加法器和第十四加法器进行相加得到四个k邻域的置信因子之和；置信因子的和通过第十比较器和设定的置信因子阈值4进行比较，输出运动目标检测结果，置信因子和大于阈值，输出1，否则小于的话输出0。

背景更新装置包括第十一比较器，第十二比较器，第十三比较器，第十四比较器，第十五比较器，第十六比较器，第十七比较器，第十八比较器，第十一比较器和第十五比较器连接有第一异或门，第十二比较器第十六比较器连接有第二异或门，第十三比较器和第十七比较器连接有第三异或门，第十四比较器和第十八比较器连接有第四异或门；第一异或门和第二异或门与第第十五加法器相连，第三异或门和第四异或门与第第十六加法器相连，第十五加法器和第十六加法器和第十七加法器相连；第十七加法器分别连接有第一触发器和第 十减法器，第一触发器连接有第一乘法器，第十减法器连接有第二乘法器，第一乘法器和第二乘法器均与第十八加法器连接，第十八加法器依次连接有移位单元，多路复用器；第一乘法器还依次连接有第二触发器、第三触发器、第四触发器、第五触发器、第六触发器；第二乘法器还依次连接有第七触发器，第八触发器，第九触发器，第十触发器，第十一触发器；第十减法器还连接第一寄存器；多路复用器还依次连接有第十三触发器、第十二触发器，第十一触发器和第十二触发器相连。

其中，第二列缓存器与第四列缓存器与第十一比较器、第十二比较器、第十三比较器连接，第三列缓存器与第十四比较器连接，第六列缓存器与第八列缓存器与第十五比较器、第十六比较器、第十七比较器连接，第七列缓存器与第十八比较器连接；多路复用器与第十比较器连接。

第十一比较器，第十二比较器，第十三比较器和第十四比较器计算当前帧图像像素CSLBP纹理，结果是一个4位的数；第十五比较器，第十六比较器，第十七比较器和第十八比较器计算当前背景图像像素的CSLBP纹理，结果同样是一个4位的数；这两个四位数按位分别输入到第一异或门，第二异或门，第三异或门和第四异或门对当前帧图像像素的CSLBP纹理和当前背景图像像素的CSLBP纹理特征值进行按位异或；按位异或结果经过第十五加法器，第十六加法器和第十七加法器对异或结果按位求和，计算出异或结果中1的个数；求和的结果一方面经过第一触发器并和经过第二触发器、第三触发器、第四触发器、第五触发器、第六触发器的当前帧图像Fdata33像素同时输入到第一乘法器相乘，另一方面和第一寄存器中存储的4经过第十减法器输入到第二乘法器，和依次经过第七触发器、第八触发器、第九触发器、第十触发器、第十一触发器 的背景像素Bdata33相乘，第一乘法器和第二乘法器的输出经过第十八加法器相加后经过移位得到最终的背景更新的结果并输入到多路复用器；Bdata33依次经过第七触发器、第八触发器、第九触发器、第十触发器、第十一触发器、第十二触发器、第十三触发器后也输入到路复用器；根据前景检测输出的Fdata_ot，如果是1，多路复用器输出最终的背景更新的结果，若果是0，则输出依次经过第七触发器，第八触发器，第九触发器，第十触发器，第十一触发器，第十二触发器，第十三触发器的Bdata33，即保持原值不变。

后处理装置包括第九行缓存器，其依次连接有第十行缓存器、第十一行缓存器、第十二行缓存器，第九行缓存器、第十行缓存器、第十一行缓存器分别连接有第九列缓存器、第十列缓存器、第十一列缓存器；第九列缓存器、第十列缓存器、第十一列缓存器均与第二寄存器连接，第二寄存器依次连接第五异或门、第一反相器、第十九比较器、第十四行缓存器、第十三行缓存器、第十二行缓存器，第五异或门还连接有第三寄存器，第十二行缓存器、第十三行缓存器、第十四行缓存器分别连接第十二列缓存器、第十三列缓存器、第十四列缓存器；第十二列缓存器、第十三列缓存器、第十四列缓存器均与第四寄存器连接，第四寄存器依次连接第六异或门、第二反相器、第二十比较器，第六异或门还连接有第五寄存器；

其中，第十一行缓存器和前景检测装置相连接。

后处理装置本质为数学形态学开运算，即先腐蚀后膨胀。由于腐蚀和膨胀运算均是在3×3的窗口内进行，所以需要对图像数据流需要进行两次缓存得到3行3列的图像处理窗口数据。前景检测装置的输出输入到后处理装置中的第十一行缓存器，从第十一缓存器读出的数据流再分别输入到第十行缓存器和第十 一列缓存器，从第十行缓存器读出的数据流再分别输入到第九行缓存器和第十列缓存器，第九行缓存器数据流输入到第九列缓存器。这样得到的九个数据全部存储在第二寄存器组成一个九位的寄存器，第三寄存器为提前存储好的腐蚀操作的结构元素，是一个9位的寄存器。这两个九位的寄存器经过第五异或门进行异或操作，异或结果再经过第一反相器进行取反操作，取反的结果经过第十九比较器和第三寄存器中存储的结构元素进行比较，如果二者相等就输出1，否则输出0，此时完成了输出形态学腐蚀操作。经过腐蚀操作的结果输入到第十四行缓存器开始进行膨胀的操作过程。从第十四缓存器读出的数据流再分别输入到第十三行缓存器和第十四列缓存器，从第十三行缓存器读出的数据流再分别输入到第十二行缓存器和第十三列缓存器，第十二行缓存器数据流输入到第十二列缓存器。这样得到的九个数据全部存储在第四寄存器组成一个九位的寄存器，第五寄存器为提前存储好的膨胀操作的结构元素，是一个9位的寄存器。这两个九位的寄存器经过第六异或门进行异或操作，异或结果再经过第二反相器进行取反操作，取反的结果输入第二十比较器和0进行比较，如果和0相等就输出0，否则输出1，此时完成了输出形态学膨胀操作。整个过程是一个先腐蚀后膨胀的操作过程，连起来就完成数学形态学开运算。

如图9所示，在室内室外光线稳定的环境中，如图中第一行和第二行场景，混合高斯模型和本发明方法均有好的结果，但混合高斯模型有一些误检区域，LBP算法有空洞出现；在室内室外光线变化的环境中，如图中第三行和第四行场景，混合高斯模型出现大量误检区域，LBP仍然存在误检和一些拖影，本发明方法算法效果最好。

本发明的检测方法在检测前景像素时，通过对当前像素的邻域像素进行统 计，并引入置信因子来判断当前像素是否为前景，检测出来的前景目标可靠、空洞较少，不会出现鬼影或阴影；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，所建立的背景模型可以适应光照的突然变化，克服了场景动态变化对背景模型的影响，使所建立的背景图像具有较好的鲁棒性。因此，本发明的运动目标检测方法具有高效的视频处理能力，运动目标检测结果完整，对缓慢变化的光照具有鲁棒性。实现检测方法的检测系统处理速度快，实时性好。

Claims (9)

1.一种运动目标的检测方法，其特征在于，具体按照以下步骤实施：

步骤1：输入待检测视频帧图像转化成的灰度图像；

步骤2：进行运动目标检测，具体过程如下：

2.1，通过像素空间法计算当前帧图像F_t(x,y)像素q的邻域像素和背景图像B_t(x,y)对应像素的灰度差值统计出像素q的置信因子，通过置信因子的大小判断像素为背景像素还是前景像素，得到当前帧运动目标的检测结果；

2.2，通过计算当前背景图像B_t(x,y)像素和当前帧图像F_t(x,y)像素的CSLBP纹理特征值更新背景图像B_t(x,y)为B_t+1(x,y)，更新后的背景图像B_t+1(x,y)供检测下一帧图像F_t+1(x,y)的运动目标时使用；

2.3，对当前帧图像F_t(x,y)检测结果进行后处理，使用数学形态学开运算去除小噪点和断裂部分；

步骤3：将当前帧检测到的运动目标图像输出；

重复上述步骤，直至检测完毕所有的视频帧图像。

2.根据权利要求1所述的一种运动目标的检测方法，其特征在于，步骤2.1的具体过程如下：

2.1.1，初始背景图像B₁(x,y)选用第一帧图像F₁(x,y)；

2.1.2，对于当前帧图像F_t(x,y)像素q的邻域像素k_n的邻域像素u_m做如下统计，n＝1,2,3,4，m＝1,2,3,4：

其中，count表示像素k_n的邻域像素u_m中，abs(F_t(u)(i,j)-B_t(u)(i,j))<T₁的像素的个数，初始值为0，F_t(u)(i,j)表示当前帧图像k_n的邻域像素u_m的灰度值，B_t(u)(i,j)表示当前背景图像k_n的邻域像素u_m的灰度值，abs(·)为取绝对值函数，T₁为灰度值差阈值；

当前帧图像F_t(x,y)像素q的邻域像素k_n是指：根据图像像素的处理顺序，将像素q的8邻域像素中处理顺序在像素q之前的像素作为像素q的邻域像素k_n；将像素k_n的8邻域像素中处理顺序在像素k_n之前的像素作为像素k_n的邻域像素u_m；

由于k_n的邻域像素u_m有4个，所以最后得到的统计值count∈[0,4]；

2.1.3，根据count的取值引入如下的分段置信因子：

$F_{k_n}=\left\{\begin{array}{cc}{t}_1& H_{\mathrm{num}}<\mathrm{count}\&le;4\\ t_2& L_{\mathrm{num}}\&le;\mathrm{count}\&le;H_{\mathrm{num}}\\ t_3& 1\&le;\mathrm{count}<L_{\mathrm{num}}\end{array}\right.;$

其中，t₁,t₂,t₃是三个不同的置信因子，取值为t₁＝0.5,t₂＝1,t₃＝2，L_num、H_num是分段时设定的阈值，分别为1和3；

重复步骤2.1.2～2.1.3，直至将q的邻域像素k_n的置信因子均求出；

2.1.4，将q的邻域像素k_n的置信因子相加，得到判断当前处理像素q是否为背景的置信因子S_b，即：

$S_b=\underset{n=1}{\overset{4}{\mathrm{\&Sigma;}}}{F}_{k_n};$

由于q的邻域像素k_n有4个，所以置信因子的取值范围为S_b∈[2,8]；

2.1.5，得到置信因子S_b后，进行前景检测：

即S_b大于阈值T₂的为前景像素，将其灰度值赋为255，否则为背景像素，其灰度值赋为0，得到当前帧图像F_t(x,y)运动目标的检测结果。

3.根据权利要求1所述的一种运动目标的检测方法，其特征在于，步骤2.2中计算当前背景图像B_t(x,y)像素和当前帧图像F_t(x,y)像素的CSLBP纹理特征值的计算方法为：

$\mathrm{CSLBP}(x,y)=\underset{p=0}{\overset{(P/2)-1}{\mathrm{\&Sigma;}}}S(g_p-g_{p+P/2})\&CenterDot;2^p;$

式中，P为邻域像素点的个数，g_p表示像素z的邻域像素l的灰度值，g_p+P/2表示与l中心对称的像素z的邻域像素点的灰度值，S(·)是比较函数，描述为：

$S\left(x\right)=\left\{\begin{array}{cc}1,& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right..$

4.根据权利要求1所述的一种运动目标的检测方法，其特征在于，步骤2.2中更新背景的方法为：

(1)计算背景更新概率P_t(x,y)，如下式所示：

$P_t(x,y)=2*\mathrm{ones}(\mathrm{CSLBP}\left(B_t(x,y)\right)\&CirclePlus;\mathrm{CSLBP}\left(F_t(x,y)\right))/P$

其中，CSLBP(F_t(x,y))表示当前帧图像像素的CSLBP纹理特征值，CSLBP(B_t(x,y))表示与当前帧图像像素对应的当前背景图像像素的CSLBP纹理特征值，表示异或运算，ones(·)是计算二进制表示中的1的个数；

(2)，更新背景，更新方法如下：

当是与当前帧图像F_t(x,y)检测出来的前景像素对应的当前背景图像B_t(x,y)像素，背景更新如下：B_t+1(x,y)＝P_t(x,y)B_t(x,y)+(1-P_t(x,y))F_t(x,y))；

当是与当前帧图像F_t(x,y)检测出来的背景像素对应的当前背景图像B_t(x,y)像素，背景更新如下：B_t+1(x,y)＝B_t(x,y)；

B_t+1(x,y)表示更新后的背景图像。

5.实现权利要求1～4任一项所述的运动目标检测方法的运动目标检测系统，其特征在于，其包括当前帧图像缓存装置和背景图像缓存装置，当前帧图像缓存装置和背景图像缓存装置均与前景检测装置和背景更新装置连接，前景检测装置分别与后处理装置和背景更新装置连接；背景图像缓存装置还连接有存储器。

6.根据权利要求5所述的运动目标检测系统，其特征在于，所述当前帧图像缓存装置包括第一行缓存器，其依次连接有第二行缓存器、第三行缓存器、第四行缓存器，第一行缓存器、第二行缓存器、第三行缓存器、第四行缓存器分别连接有第一列缓存器、第二列缓存器、第三列缓存器、第四列缓存器；

所述背景图像缓存装置包括第五行缓存器，其依次连接有第六行缓存器、第七行缓存器、第八行缓存器，第五行缓存器、第六行缓存器、第七行缓存器、第八行缓存器分别连接有第五列缓存器、第六列缓存器、第七列缓存器、第八列缓存器；第八行缓存器和存储器相连。

7.根据权利要求5所述的运动目标检测系统，其特征在于，所述前景检测装置包括第一减法器，第二减法器，第三减法器，第四减法器，第五减法器，第六减法器，第七减法器，第八减法器，第九减法器，其分别连接有第一比较器，第二比较器，第三比较器，第四比较器，第五比较器，第六比较器，第七比较器，第八比较器，第九比较器；第一比较器和第六比较器与第一加法器连接，第二比较器和第三比较器连接有第二加法器，第三比较器和第四比较器连接有第三加法器，第四比较器和第器比较器连接有第四加法器，第五比较器和第八比较器连接有第六加法器，第六比较器和第七比较器连接有第五加法器，第八比较器和第九比较器连接有第七加法器；第一加法器和第二加法器连接有第八加法器，第二加法器和第四加法器连接有第九加法器，第三加法器和第五加法器连接有第十加法器，第六加法器和第七法器连接有第十一加法器；第八加法器、第九加法器、第十加法器、第十一加法器分别连接有第一查找表、第二查找表、第三查找表、第四查找表；第一查找表和第二查找表连接有第十二加法器，第三查找表和第四查找表连接有第十三加法器；第十二加法器和第十三加法器连接有第十四加法器，第十四加法器连接有第十比较器；

其中，前景检测装置的各减法器分别与当前帧图像缓存装置和背景图像缓存装置连接。

8.根据权利要求5所述的运动目标检测系统，其特征在于，背景更新装置包括第十一比较器，第十二比较器，第十三比较器，第十四比较器，第十五比较器，第十六比较器，第十七比较器，第十八比较器，第十一比较器和第十五比较器连接有第一异或门，第十二比较器第十六比较器连接有第二异或门，第十三比较器和第十七比较器连接有第三异或门，第十四比较器和第十八比较器连接有第四异或门；第一异或门和第二异或门与第第十五加法器相连，第三异或门和第四异或门与第第十六加法器相连，第十五加法器和第十六加法器和第十七加法器相连；第十七加法器分别连接有第一触发器和第十减法器，第一触发器连接有第一乘法器，第十减法器连接有第二乘法器，第一乘法器和第二乘法器均与第十八加法器连接，第十八加法器依次连接有移位单元，多路复用器；第一乘法器还依次连接有第二触发器、第三触发器、第四触发器、第五触发器、第六触发器；第二乘法器还依次连接有第七触发器，第八触发器，第九触发器，第十触发器，第十一触发器；第十减法器还连接寄存器；多路复用器还依次连接有第十三触发器、第十二触发器，第十一触发器和第十二触发器相连；

其中，背景更新装置的各比较器分别与当前帧图像缓存装置和背景图像缓存装置连接，多路复用器与前景检测装置连接。

9.根据权利要求8所述的运动目标检测系统，其特征在于，后处理装置包括第九行缓存器，其依次连接有第十行缓存器、第十一行缓存器、第十二行缓存器，第九行缓存器、第十行缓存器、第十一行缓存器分别连接有第九列缓存器、第十列缓存器、第十一列缓存器；第九列缓存器、第十列缓存器、第十一列缓存器均与第二寄存器连接，第二寄存器依次连接第五异或门、第一反相器、第十九比较器、第十四行缓存器、第十三行缓存器、第十二行缓存器，第五异或门还连接有第三寄存器，第十二行缓存器、第十三行缓存器、第十四行缓存器分别连接第十二列缓存器、第十三列缓存器、第十四列缓存器；第十二列缓存器、第十三列缓存器、第十四列缓存器均与第四寄存器连接，第四寄存器依次连接第六异或门、第二反相器、第二十比较器，第六异或门还连接有第五寄存器；

其中，第十一行缓存器和前景检测装置相连接。