融合视觉背景提取与改进朗斯基函数的运动目标检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113963431A(43)申请公布日2022.01.21(21)申请号202111045428.4G06K9/62(2022.01)(22)申请日2021.09.07G06T7/194(2017.01)G06T7/246(2017.01)(71)申请人湖北经济学院地址430000湖北省武汉市江夏区藏龙岛开发区杨桥湖大道8号(72)发明人张运胜冷凯君张耀峰(74)专利代理机构武汉大楚知识产权代理事务所(普通合伙)42257代理人徐杨松高源(51)Int.Cl.G06V40/20(2022.01)G06V20/40(2022.01)G06V10/28(2022.01)G06V10/60(2022.01)G06V10/764(2022.01)权利要求书2页说明书6页附图2页(54)发明名称融合视觉背景提取与改进朗斯基函数的运动目标检测方法(57)摘要本发明涉及融合视觉背景提取与改进朗斯基函数的运动目标检测方法，包括如下步骤：基于时空样本一致性原则构建像素空间背景模型；以短时间间隔的多帧初始化背景模型；构建改进朗斯基矩阵行列式；导入目标图像，基于改进朗斯基矩阵行列式判断目标图像像素构建的向量与背景模型中样本向量的线性相关性，统计线性相关性的次数，若线性相关性次数小于预先设定的线性相关性次数阈值，则目标图像中的像素点为运动目标，即前景，反之则为背景。本发明的有益效果为：能够有效地处理夜晚光照变化场景下的多种干扰因素，有效实现光照缓慢或突变场景下的运动目标提取。CN113963431ACN113963431A权利要求书1/2页1.融合视觉背景提取与改进朗斯基函数的运动目标检测方法，其特征在于，包括如下步骤：S100、基于时空样本一致性原则构建像素空间背景模型；S200、以短时间间隔的多帧初始化背景模型；S300、构建改进朗斯基矩阵行列式；S400、导入目标图像，基于改进朗斯基矩阵行列式判断目标图像像素构建的向量与背景模型中样本向量的线性相关性，统计线性相关性的次数，若线性相关性次数小于预先设定的线性相关性次数阈值，则目标图像中的像素点为运动目标，即前景，反之则为背景。2.根据权利要求1所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：S100具体为：S110、实时采集夜晚光照变化交通场景视频；S120、获取视频内每一张图像中像素点的多邻域像素点，并以像素点及其邻域像素点构成一个向量，作为样本向量；S130、按照样本一致性原则，获取N个样本向量，并以此构建像素空间背景模型。3.根据权利要求1或2所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：多邻域为8邻域。4.根据权利要求1～3任一项所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：像素空间背景模型的公式为：B(x，y)＝{V1(x,y)，V2(x,y)，...，VM(x,y)，VN(x,y)}；VM(x，y)，M∈[1,N]为样本向量中第M个向量。5.根据权利要求4所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：初始背景模型的公式为：B(x，y)＝{I1(x,y)，...，I1+(N‑2)×K(x,y)，I1+(N‑1)×K(x,y)}I1(x,y)为第1帧的向量特征，I1+(N‑1)×K(x,y)为第1+(N‑1)×K帧的向量特征，K为短时间间隔。6.根据权利要求5所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：初始化背景模型采用原始背景模型的间隔帧。7.根据权利要求1所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：改进朗斯基矩阵行列式为：或，8.根据权利要求8所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：S400具体为：2CN113963431A权利要求书2/2页S410、导入真实交通场景目标图像，目标图像记为I(x,y)，目标图像向量记为VI(x,y)；S420、分别获取目标图像像素点支持区域和对应背景模型样本向量的支持区域所形成的矩阵，并分别计算相应矩阵的特征值之和与S430、若则改进朗斯基矩阵行列式选择：反之则改进朗斯基矩阵行列式选择：S440、根据所选W(VI(x,y),VM(x,y))计算目标图像向量VI(x,y)与背景模型中样本向量VM(x,y)是否具有线性相关性P(x,y)；T是距离阈值；S450、统计线性相关性的次数T(x,y)，S460、前景或背景的最终判断结果D(x,y)：Th是预先设定的线性相关性次数阈值；若D(x,y)＝1，则目标图像中的像素点为运动目标，即前景，反之则为背景。9.根据权利要求1所述的交通场景中基于时间空间图像的车辆计数方法，其特征在于：根据前景或背景判断结果基于联合保守更新和随机采样