CN114821391A - 一种基于改进视觉背景提取法的运动目标检测方法 - Google Patents

Abstract

本发明涉及一种基于改进视觉背景提取法的运动目标检测方法，属于图像处理技术领域。针对视频序列首帧存在运动目标时视觉背景提取算法会检测出现鬼影而降低准确度的问题，本发明提出时域区间参考模块来改进视觉背景提取法的鬼影抑制性能，该模块利用连续视频帧区间内同一位置像素的统计值，以该统计值作为二次判别前景像素的参考依据，通过比较当前帧前景候选像素与参考值的差异而去除误判为前景的鬼影像素，最终实现对视频序列中运动目标的准确检测。

Description

一种基于改进视觉背景提取法的运动目标检测方法

技术领域

本发明属于图像处理技术领域，涉及一种基于改进视觉背景提取法的运动目标检测方法。

背景技术

相机等摄影录像设备的广泛使用和互联网信息的快速传播带来了大量视频数据，目标在这些数据中占较小比例却包含有大部分信息量。运动目标检测是图像处理的重要研究课题，作为处理视频的计算机视觉任务的第一步，其为视频中运动目标“在哪里”的问题提供可靠信息，可以高效提取视频数据信息，在智能视频监控和智能交通系统等需要自动分析视频的领域有着潜在经济价值和良好应用前景。

徐赟，彭勇，胡旻涛(《一种改进的视觉背景提取算法研究》，传感器与微系统，2018，37-3，38-43)根据相邻像素具有时空一致性原理，随机选取像素邻域内的像素建立样本模型，将当前帧像素与样本模型对比而检测运动目标，针对视觉背景提取算法中出现的鬼影问题，在背景模型中加入计算像素被判定为前景次数的模块，在算法初始化中，统计出静止的前景像素点占前景块的百分比，当统计结果大于给定阈值时，则检测该像素为背景像素并将其更新到背景模型中。但该方法需提前设定全局计数阈值来判断鬼影的存在，在复杂场景下检测运动目标时鲁棒性较差。

发明内容

要解决的技术问题

利用视觉背景提取算法检测运动目标时，如果背景样本中包含有运动区域像素，当运动目标离开该区域时，该区域一系列连结的像素点会被误判为前景运动目标，即鬼影问题。为了避免现有技术的不足之处，本发明提出一种基于改进视觉背景提取法的运动目标检测方法。

技术方案

一种基于改进视觉背景提取法的运动目标检测方法，其特征在于：采用加入时域区间参考的改进视觉背景提取法，步骤如下：

步骤1：图像预处理：读取视频帧序列，若视频帧为彩色图像则对其作灰度化处理，中值滤波以过滤噪声；

步骤2：初始化背景模型：通过在视频首帧图像各像素邻域中随机选取N次像素而得到各像素容量为N的背景样本模型M(x,y)＝{v₁(x,y),v₂(x,y),…,v_N(x,y)}；

步骤3：判别前景候选像素与背景像素：判别指标是距离阈值R和决策阈值#_min，对于第t帧图像，若(x,y)处背景样本模型{v_i(x,y)|i＝1,…,N}满足下式，则判定当前像素f_t(x,y)为前景候选像素，记为fg'(x,y)，否则为背景像素；

#{v_i(x,y)|dist(f_t(x,y),v_i(x,y))＜R,i＝1,…,N}＜#_min (1)

其中，#{·}表示集合内元素个数，dist(f_t(x,y),v_i(x,y))为当前像素值f_t(x,y)与(x,y)处第i个背景样本值之间的欧氏距离；

步骤4：更新背景模型：若经步骤3后像素被判定为背景像素，则依照无记忆更新、随机时间子采样和空间扩散的样本更新策略更新其背景样本模型；无记忆更新指从背景模型中随机抽取样本，随机时间子采样指以一定的概率更新背景样本，空间扩散指更新某个像素的背景模型时其邻域像素的背景模型也会被随机更新；

步骤5：判别前景像素与鬼影像素：若经步骤3后像素被判定为前景候选像素fg'(x,y)，则根据该像素与背景参考值B_ref(x,y)的差异程度来确定其是否为前景像素，标记规则如下式所示；

其中，SegMap(x,y)为指示前景运动目标像素的二值图中(x,y)处像素，dist表示欧式距离；

步骤6：更新鬼影像素的背景模型：若经步骤5后像素被标记为鬼影像素，则以1/Φ的概率随机替换其背景模型中的某个样本为该像素值；

本步骤结束后得到了当前帧对应的指示前景运动目标像素的二值图，之后再对下一连续帧重复整个过程。

本发明进一步的技术方案：步骤5中的背景参考值B_ref(x,y)使用一定长度时域区间内的像素统计值而得到，根据长度为m的第k个时域区间获得的视频帧中(x,y)处背景像素参考值

通过下式获得：

{(x,y)}_k＝{f_t(x,y)|t＝(k-1)m+1,(k-1)m+2,...,(k-1)m+m} (4)

其中，mode、mean和median分别表示统计一组数据的众数、平均数和中位数；{(x,y)}_k表示第k个区间内m帧图像中(x,y)处像素f_t(x,y)的集合。

本发明进一步的技术方案：步骤6中的Φ＝16。

有益效果

本发明提出的一种基于改进视觉背景提取法的运动目标检测方法，提出时域区间参考模块来改进视觉背景提取法的鬼影抑制性能，该模块利用连续视频帧区间内同一位置像素的统计值，以该统计值作为判别前景与鬼影的参考依据，通过比较当前帧前景候选像素与参考值的差异而去除误判为前景的鬼影像素，最终实现对视频序列中运动目标的准确检测。

本发明与已有基于视觉背景提取的运动目标检测方法相比，加入了利用时域区间内像素统计信息的时域区间参考模块，通过步骤(5)引入像素的时域区间参考，依据像素参考值从视觉背景提取法检测到的前景中区分出鬼影像素与前景运动目标像素，将误检为前景的鬼影像素还原为背景像素，从而抑制视觉背景提取法检测运动目标时生成的鬼影，进而提高运动目标检测算法的检测准确度。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1为本发明算法流程示意图

图2为本发明算法检测结果示意图，图2(a)为原始视频帧，图2(b)为本发明的检测结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明加入时域区间参考的改进视觉背景提取法基本流程如图1所示，利用实例说明本发明的具体实施方式，但本发明的技术内容不限于所述的范围，具体实施方式包括以下步骤：

步骤一、读取待处理视频帧序列，对每帧图像作中值滤波预处理(若图像是彩色图像，先将彩色图像灰度化)，预处理后的第t帧图像记为f_t。

步骤二、利用序列第一帧图像初始化背景模型，像素的背景模型是包含N个背景样本的模型，(x,y)处像素的背景模型为M(x,y)＝{v₁(x,y),v₂(x,y),…,v_N(x,y)}，其中v_i(x,y)是在(x,y)处像素f_t(x,y)的邻域内随机抽取得到的。若当前帧不是第一帧图像，则跳转至步骤三。

步骤三、在当前帧像素f_t(x,y)的所有背景样本中，如果背景样本与像素的欧式距离小于距离阈值R，则认为像素与该背景样本匹配，背景模型M(x,y)中这样的样本的个数记为#_R，据此判别当前像素为前景候选像素或背景像素，若#_R小于决策阈值#_min，则将该像素标记为前景候选像素，并跳转至步骤五，否则标记为背景像素并跳转至步骤四。

步骤四、若经步骤四后像素被判定为背景像素，则以1/Φ的概率随机选取该位置背景模型中的一个样本，用当前像素值代替样本值，同时以相同的概率随机替换其邻域像素的背景样本。

步骤五、若经步骤四后当前像素被判定为前景候选像素，则计算该像素与时域区间参考背景值的欧氏距离。其中时域区间参考背景值通过一定长度时域区间内的像素统计值获取，设选定的时域区间长度为m，依据第k个区间获得的(x,y)处背景像素参考值

为：

公式(5)中，mode、mean和median分别表示统计一组数据的众数、平均数和中位数。{(x,y)}_k表示第k个区间内m帧图像中(x,y)处像素f_t(x,y)的集合。

步骤六、从前景候选像素中判别鬼影像素和前景像素，将步骤五所得欧氏距离与距离阈值进行比较，若欧氏距离小于距离阈值，则认为当前像素属于鬼影像素，将当前像素标记为背景，并以1/Φ的概率随机替换该位置背景模型中的某个样本为当前像素值，否则将当前像素标记为前景运动目标像素。

步骤七、若视频序列帧未遍历完毕，则继续读取下一帧进行处理，否则结束。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明公开的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于改进视觉背景提取法的运动目标检测方法，其特征在于：采用加入时域区间参考的改进视觉背景提取法，步骤如下：

步骤1：图像预处理：读取视频帧序列，若视频帧为彩色图像则对其作灰度化处理，中值滤波以过滤噪声；

步骤2：初始化背景模型：通过在视频首帧图像各像素邻域中随机选取N次像素而得到各像素容量为N的背景样本模型M(x,y)＝{v₁(x,y),v₂(x,y),…,v_N(x,y)}；

步骤3：判别前景候选像素与背景像素：判别指标是距离阈值R和决策阈值#_min，对于第t帧图像，若(x,y)处背景样本模型{v_i(x,y)|i＝1,…,N}满足下式，则判定当前像素f_t(x,y)为前景候选像素，记为fg'(x,y)，否则为背景像素；

#{v_i(x,y)|dist(f_t(x,y),v_i(x,y))＜R,i＝1,…,N}＜#_min (1)

其中，#{·}表示集合内元素个数，dist(f_t(x,y),v_i(x,y))为当前像素值f_t(x,y)与(x,y)处第i个背景样本值之间的欧氏距离；

步骤4：更新背景模型：若经步骤3后像素被判定为背景像素，则依照无记忆更新、随机时间子采样和空间扩散的样本更新策略更新其背景样本模型；无记忆更新指从背景模型中随机抽取样本，随机时间子采样指以一定的概率更新背景样本，空间扩散指更新某个像素的背景模型时其邻域像素的背景模型也会被随机更新；

步骤5：判别前景像素与鬼影像素：若经步骤3后像素被判定为前景候选像素fg'(x,y)，则根据该像素与背景参考值B_ref(x,y)的差异程度来确定其是否为前景像素，标记规则如下式所示；

其中，SegMap(x,y)为指示前景运动目标像素的二值图中(x,y)处像素，dist表示欧式距离；

步骤6：更新鬼影像素的背景模型：若经步骤5后像素被标记为鬼影像素，则以1/Φ的概率随机替换其背景模型中的某个样本为该像素值；

本步骤结束后得到了当前帧对应的指示前景运动目标像素的二值图，之后再对下一连续帧重复整个过程。

2.根据权利要求1所述的一种基于改进视觉背景提取法的运动目标检测方法，其特征在于：步骤5中的背景参考值B_ref(x,y)使用一定长度时域区间内的像素统计值而得到，根据长度为m的第k个时域区间获得的视频帧中(x,y)处背景像素参考值

通过下式获得：

{(x,y)}_k＝{f_t(x,y)|t＝(k-1)m+1,(k-1)m+2,...,(k-1)m+m} (4)

其中，mode、mean和median分别表示统计一组数据的众数、平均数和中位数；{(x,y)}_k表示第k个区间内m帧图像中(x,y)处像素f_t(x,y)的集合。

3.根据权利要求1所述的一种基于改进视觉背景提取法的运动目标检测方法，其特征在于：步骤6中的Φ＝16。

Images