一种针对扰动目标的检测及抑制方法
【专利摘要】本发明公开了一种针对扰动目标的检测及抑制方法，包括以下步骤：背景相册生成、背景相册更新、背景相册替换、时空连续属性建立、目标运动轨迹建立以及扰动目标判断。该方法能够有效抑制动态场景中随机噪声、光影迅速变化、背景物体轻微扰动带来的干扰，有效地检测出运动目标，并通过在时间序列上对运动目标建立初始运动轨迹，加强了前景目标进入后续识别过程的条件，降低了算法复杂度，增加了目标识别模块的效率和精度。
【专利说明】一种针对扰动目标的检测及抑制方法
【技术领域】
[0001 ] 本发明涉及运动目标检测和识别中的图像处理方法，特别是一种针对扰动目标的检测及抑制方法。
【背景技术】
[0002]基于前景检测算法分割出运动目标，再通过识别算法对运动目标进行识别的方法是在静态摄像头下运动目标识别的主要途径。对前景检测算法提供的候选运动目标进行筛选的机制，在很大程度上影响了后续判别过程的效率和精度。在智能视频监控、道路交通监控、铁道行人监控等许多应用中，由随机噪声、场景光影迅速变化、物体轻微变化带来的扰动目标给识别过程带来了很大的困难。这几类扰动目标具有以下三个重要的特征:1.从时间上看，目标位置存在着细微变化。2.从空间上看，目标外观存在着细微变化。3.从目标在时间序列上形成的外观序列上看，目标灰度级存在着不同程度的波动。正是由于这三个原因，为了满足一定检测率的前景检测算法会不可避免的带来这类目标，从而导致后续识别过程中需要识别目标的数目庞大，并因为这类扰动目标外观的随机性以及识别算法存在一定误差而造成的错误识别。因此，此类扰动目标的判别及消除非常有意义。
[0003]目前，在抑制扰动目标的问题上主要存在着两种思路，第一种着手于改进前景检测算法，从根本上消除扰动目标。这类方法通过优化背景建模中描述场景的模型，考虑图像的局部信息对单个像素计算条件概率，来分割出图像中显著区别于背景的运动目标。基于时空域模型的算法充分考虑了图像颜色分布的时空一致性，在时空联合建模进行运动目标检测，在处理动态场景中背景扰动时表现出了较好的性能。基于时空建模的算法由于需要处理大量的时空域数据，计算复杂度高，内存需求大，算法实时性差，由于孤立噪声干扰影响，最终的检测结果还需要进行形态学滤波和图像分割等后处理才能得到较好的检测结果。第二种思路着手于后续更正机制，对通过前景检测算法产生的每一个目标进行一定程度的抑制，根据前后两帧之间目标在色调、饱和度、亮度等属性差别，确定抑制前后目标的特征是否达到要求，达到要求则检测为前景目标。这类算法能够较好的去除那些在外观上没有较大变化的目标，但对于迅速光影变化的鲁棒性较差，例如，无法消除云彩飘过带来的阴影影响。
[0004]随着视频监控系统由模拟时代向网络时代发展，摄像机也向着智能化方向发展，越来越多的智能视频处理算法包括运动目标检测算法，需要向智能摄像机移植，在摄像机上进行嵌入式实现。但是，现有的能够处理动态场景中环境噪声的视频运动目标检测算法，不仅计算复杂度高，而且内存需求非常大，难以在嵌入式智能摄像机平台上应用。
【发明内容】
[0005]针对计算视觉应用尤其是智能视频监控系统中面向动态场景的运动目标检测，容易受到随机噪声、光影迅速变化、背景物体轻微扰动带来的干扰问题，本发明旨在提供一种针对扰动目标的检测及抑制方法，以提高识别过程的效率和检测精度，从而能够迅速检测识别出特定的运动目标。
[0006]为实现上述目的，本发明采用以下技术方案:
[0007]一种针对扰动目标的检测及抑制方法，包括以下步骤:
[0008]背景相册生成步骤:建立容量为N的图像集来保存一段时间内处于N个随机节点上的背景图像，用以保存背景随机变化信息，所保存的N幅图像均是灰度图像，N^2；
[0009]背景相册更新步骤:每读入一帧图像，通过灰度变换将其转换为待选背景图像，并基于一个预设的更新概率Pupdato来判断是否将这一帧背景图像加入所述背景相册中；
[0010]背景相册替换步骤:在当前背景图像被判断为加入到背景相册中的情况下，将背景相册中的某一张图像替换为当前背景图像；
[0011]时空连续属性建立步骤:针对于前景检测算法在当前图像中检测到的每一个前景目标，通过提取其连通域的外接矩形来表征该目标，在标准的矩形参数Rect (x, y, w, h)上添加一个时间参数t，其中(X，y)分别代表目标在二维图像上的横纵坐标，w和h代表矩形的宽以及高，在这个四个参数基础上添加一个时间参数t，建立新的结构体TRectix, Y, w，h, t}，它含有目标在空间上的位置与大小信息，以及在时间上的连续度，是具有时空连续性的目标矩形框；
[0012]目标运动轨迹建立步骤:利用前景检测算法获取目标序列，以最小距离准则规定前后帧中目标间的继承性，并由目标间的继承性来更新所述的时间参数t ；
[0013]非扰动目标确定步骤:通过目标与背景相册的匹配，判定目标在当前一帧中是否存在扰动，并根据判断结果更新当前帧中目标的t值，然后，将目标的t值与预先设定的阈值进行比较，如果目标的t值超过预先设定的阈值，则判定为非扰动目标，并送至后续过程处理。
[0014]优选地，获得一个新的目标后，依据其位置(x，y，w，h)在背景相册中获得相同位置的匹配目标进行匹配运算，通过定义的匹配系数，判定目标在当前一帧中是否存在扰动，根据扰动判定结果，结合设定的最大继承阈值T1来更新当前帧目标。对于当前帧的目标序列，如果存在目标的值超过所述预先设定的阈值，则确定它为非扰动目标，并送至后续识别过程进行识别。
[0015]优选地，在所述背景相册更新步骤中，以[0-1]的等概率条件取一个随机数rand，当rand≥Pupdate时，判断将当前背景图像加入到背景相册中。
[0016]优选地，在所述背景相册替换步骤中，当前背景图像替换掉背景相册中的某一张图像，所采用的是等概率随机替换的机制。
[0017]优选地，在所述目标运动轨迹建立步骤中，所使用的距离准则为两目标矩形中心的欧氏距离。
[0018]优选地:
[0019]在所述时空连续属性建立步骤中:
[0020]通过前景检测算法检测到若干连通域构成的目标序列为IObj1,T, Obj2,τ，…，0bjm，T}，其中0bji;T表示在时刻T (即第T帧)的目标序列中的第i个目标，每个目标具体可以由一个TRect (X，y, w, h, t)表示；
[0021 ] 在所述目标运动轨迹建立步骤中:
[0022]对于目标序列IObj1^, Obj2, τ,…，Objm, τ}初始化目标的t值为Ob j^.t = I,通过最近邻继承准则，将前一帧目标的t值传递给当前帧目标，
[0023]其中，对于前一帧目标序列{Obj1,T_1; Obj2H,…，0bjn，T_1}的目标Obj.T-1，如果在当前帧目标序列中相对于目标Objk1的预定范围D内存在一个或多个目标，则在这些目标中
找到与目标Obj1H距离最近的目标，
【权利要求】
1.一种针对扰动目标的检测及抑制方法，其特征在于，包括以下步骤: 背景相册生成步骤:建立容量为N的图像集来保存一段时间内处于N个随机节点上的背景图像，用以保存背景随机变化信息，所保存的N幅图像均是灰度图像，N≥2； 背景相册更新步骤:每读入一帧图像，通过灰度变换将其转换为待选背景图像，并基于一个预设的更新概率Pupdato来判断是否将这一帧背景图像加入所述背景相册中； 背景相册替换步骤:在当前背景图像被判断为加入到背景相册中的情况下，将背景相册中的某一张图像替换为当前背景图像； 时空连续属性建立步骤:针对于前景检测算法在当前图像中检测到的每一个前景目标，通过提取其连通域的外接矩形来表征该目标。一个标准的目标可以由矩形Rect (X，y, W，h)来描述，其中(x, y)分别代表目标在二维图像上的横纵坐标，w和h代表矩形的宽以及高，在这个四个参数基础上添加一个时间参数t，建立新的结构体TRect {x, y, w, h, t}，它含有目标在空间上的位置与大小信息，以及在时间上的连续度，是具有时空连续性的目标矩形框； 目标运动轨迹建立步骤:利用前景检测算法获取目标序列，以最小距离准则规定前后帧中目标间的继承性，并由目标间的继承性来更新所述的时间参数t ； 非扰动目标确定步骤:通过目标与背景相册的匹配，判定目标在当前一帧中是否存在扰动，并根据判断结果更新当前帧中目标的t值，然后，将目标的t值与预先设定的阈值进行比较，如果目标的t值超过预先设定的阈值，则判定为非扰动目标，并送至后续过程处理。
2.如权利要求1所述的方法，其特征在于，在所述背景相册更新步骤中，以[0-1]的等概率条件取一个随机数rand，当rand ≥ Pupdate时，判断将当前背景图像加入到背景相册中。
3.如权利要求1所述的方法，其特征在于，在所述背景相册替换步骤中，当前背景图像替换掉背景相册中的某一张图像，所采用的是等概率随机替换的机制。
4.如权利要求1所述的方法，其特征在于，在所述目标运动轨迹建立步骤中，所使用的距离准则为两目标矩形中心的欧氏距离。
5.如权利要求1至4任一项所述的方法，其特征在于， 在所述时空连续属性建立步骤中: 通过前景检测算法检测到若干连通域构成的目标序列为{Obju，Obj2, τ,…，0bjm，T}，其中Objy表示在时刻T (即第T帧)的目标序列中的第i个目标，每个目标具体可以由一个TRect (X，y, w, h, t)表不； 在所述目标运动轨迹建立步骤中: 对于目标序列{0bj1；T, Obj21,..., 0bjm；T}初始化目标的t值为ObjiJ.t = 1，通过最近邻继承准则，将前一帧目标的t值传递给当前帧目标， 其中，对于前一帧目标序列IObj1^Obj2H,的目标Obj1H,如果在当前帧目标序列中相对于目标OblH的预定范围D内存在一个或多个目标(D为允许一个目标在相邻帧之间位置改变的最大距离)，则在这些目标中找到与目标Objj^距离最近的目标Obih，I = arg min dist{Objj:t ,, Objij),两目标间的欧氏距离为:
i
6.如权利要求5所述的方法，其特征在于，D为5。
7.如权利要求5所述的方法，其特征在于，T1为4。
8.如权利要求5所述的方法，其特征在于，T2为10。
9.如权利要求5所述的方法，其特征在于，Thrpa为0.987。
【文档编号】G06T7/20GK103886607SQ201410132448
【公开日】2014年6月25日 申请日期:2014年4月2日 优先权日:2014年1月24日
【发明者】郭振华, 成超, 陈友斌, 张学聃 申请人:清华大学深圳研究生院