对环境光照变化具有鲁棒性的实时视觉目标检测方法.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CN107833241A(43)申请公布日2018.03.23(21)申请号201710989414.5(22)申请日2017.10.20(71)申请人东华大学地址200050上海市长宁区延安西路1882号(72)发明人李大威(74)专利代理机构上海申汇专利代理有限公司31001代理人翁若莹吴小丽(51)Int.Cl.G06T7/246(2017.01)G06T7/277(2017.01)权利要求书5页说明书9页附图4页(54)发明名称对环境光照变化具有鲁棒性的实时视觉目标检测方法(57)摘要本发明提供了一种对环境光照变化具有鲁棒性的实时视觉目标检测方法，首先获取视频流中的历史图像序列；然后初始化像素级的混合多元高斯背景模型；设计了球面K均值期望最大化算法的背景建模方法，一旦获取新的图像帧就在线更新背景模型的参数以适应所在环境的变化；前景目标检测步骤采用了色彩空间区域判定的统计框架，将最新的图像帧与背景模型在统计框架中计算后得到前景目标所在的像素区域；通过迭代式的贝叶斯决策步骤以减弱检测噪声，目标轮廓在该过程中也能得到增强。本发明可实时、准确地检测到视场中的前景目标位置与轮廓，具有较高的正确检出率和较低的虚警率，能够抵抗环境光照的变化对检测结果的扰动，尤其适用于智能视频监控系统。CN107833241ACN107833241A权利要求书1/5页1.一种对环境光照变化具有鲁棒性的实时视觉目标检测方法，其特征在于，包括以下步骤：步骤S1：获取彩色摄像机采集的视频流，从中按一定时间间隔提取出RGB色彩格式的图像序列帧t＝1、2、...、n，t、n为正整数；步骤S2：采用基本期望最大化EM算法，从一系列历史图像帧中，初始化像素级的混合多元高斯背景模型；鉴于图像采用RGB色彩制式，位于图像任意坐标(x，y)的像素i的混合背景模型用K个三元高斯分布构成，K为设定值；其中第j个高斯分布可表示为j＝1、2、...、K；yi是像素值向量；该高斯分布的权值定义为ωj，均值向量定义为μj＝[μj，R，μj，G，Tμj，B]，其中μj，R为第j个高斯分布的R色彩通道的均值，μj，G与μj，B分别是G与B通道的均值，其协方差为3×3矩阵Cj；用EM算法对视场中所有像素的混合多元高斯参数进行分别估计，以此初始化背景模型；步骤S3：在背景模型初始化后，一旦获取新的图像帧即采用球面K均值期望最大化SpkmeansEM算法在线更新现有的背景模型参数；SpkmeansEM算法采用硬分配的方式更新参数，即在像素i的混合背景模型中每次只有最多一个多元高斯分布得到参数更新；同时SpkmeansEM算法采用余弦相似度衡量新像素值与模型的差别；步骤S4：采用基于色彩空间区域判定的统计框架进行前景视觉目标检测，将最新的图像帧与当前的背景模型共同在统计框架中计算后可得到二值检测图像，其中黑色像素为背景区域，白色像素代表前景目标所在的区域；步骤S5：通过迭代式的贝叶斯决策步骤以减弱检测噪声，其中马尔科夫随机场被用来解释一个邻域内像素属于背景与前景的先验概率；在迭代过程中，通过缓慢降低吉布斯Gibbs分布的温度参数，检测出的二值图像会出现形似模拟退火的现象，在该过程中前景目标轮廓能得到增强，散布的检测噪声能够得到有效抑制。2.如权利要求1所述的一种对环境光照变化具有鲁棒性的实时视觉目标检测方法，其特征在于：所述步骤1中，时间间隔为每秒10次。3.如权利要求1所述的一种对环境光照变化具有鲁棒性的实时视觉目标检测方法，其特征在于：所述步骤S2采用EM算法估计混合多元高斯分布的所有参数、初始化背景模型；所述步骤S2具体包含以下3个子步骤：步骤S2-1：定义混合三元高斯背景模型；Y1：n＝{y1，y2，...，yn}集合包含了所观测到的位于图像中坐标为(x，y)的n个历史像素值向量，z1：n＝{z1，...，zn}表示相对于Y1：n的每个观测值的隐含数据集合，其中的每个元素zi＝j∈{1，2，...，K}，表示zi所对应的像素观测值yi是由第j个高斯分布所产生；像素的混合背景模型的第j个高斯分布的权值ωj反映了该分布函数在整个混合模型中发T挥作用的能力，均值向量定义为μj＝[μj，R，μj，G，μj，B]反映了该分布的中心，3×3的协方差矩阵Cj被用来描述色彩偏离均值向量的程度；坐标为(x，y)的像素i的混合三元高斯背景模型的数学表达式为：T其中，参数向量θ＝[ω1，...，ωK；μ1，...μK；C1，...CK]，代表了所在混合模型的所有参2CN107833241A权利要求书2/5页数；步骤S2-2：使用EM算法对背景模型参数进行迭代计算；EM算法通过迭代进行混合多元高斯的参数估计，每次迭代都要遍历全部n帧历史