一种基于GMM运动目标检测的改进算法.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CN106504273A(43)申请公布日2017.03.15(21)申请号201610966689.2(22)申请日2016.10.28(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人苏寒松孙占鹏刘高华(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人李素兰(51)Int.Cl.G06T7/246(2017.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于GMM运动目标检测的改进算法(57)摘要本发明公开了一种基于GMM运动目标检测的改进算法，包括步骤：步骤(1)、在运动目标检测中，加入运动检测反馈机制：当判定运动目标移动非常缓慢或者静止的时候，在目标区域不更新GMM背景模型，在目标区域以外按照GMM背景模型更新规则进行更新GMM背景模型；步骤(2)、利用最新的视频帧和GMM背景建模生成的背景图像做差，得到前景图a；利用改进GMM得到的前景图b，把图像a和图像b在空间域上进行融合，得到移动目标的检测的前景图像。可以正确的检测出大而缓慢的运动目标，对于运动目标的突然静止并停留一段时间，不会把目标判定为背景，仍然可以检测出目标。CN106504273ACN106504273A权利要求书1/2页1.一种基于GMM运动目标检测的改进算法，其特征在于，该方法包括以下步骤：步骤(1)、建立加入反馈机制的GMM背景模型；步骤(2)、当判定运动目标移动非常缓慢或者静止的时候，在目标区域不更新GMM背景模型，在目标区域以外按照GMM背景模型更新规则进行更新GMM背景模型；步骤(3)、利用最新的视频帧和GMM背景建模生成的背景图像做差分处理，得到前景图a；利用GMM背景模型得到的前景图b，把前景图a和前景图b在空间域上进行融合，得到移动目标的检测的前景图像。2.如权利要求1所述的基于GMM运动目标检测的改进算法，其特征在于，所述步骤(2)中的GMM背景模型，其建立流程具体包括以下步骤：步骤(201)、对要建立的背景模型中的每一个像素点都初始化一个高斯分布；步骤(202)、提取当前输入图像的视频帧；步骤(203)、通过下面的公式判断是否与已有的分布匹配：其中，Xt是每一个像素点的灰度值，μi，t-1是t-1时刻混合高斯模型中第i个高斯分布的均值矢量，σi，t-1为第i个高斯分布的标准差；对当前视频帧的每一个像素点进行已有的高斯分布的模型进行匹配运算，如果匹配，进行步骤(209)；如果不匹配，进行步骤(211)；步骤(204)、将经过运动目标检测的前景图像信息，作为反馈信息；步骤(205)、通过反馈信息的前景图像得到目标静止的时候的反馈参数控制信息；步骤(206)、判定前景二值图像的像素点的像素值是否为1；如果为1，执行步骤(208)；如果不为1，执行步骤(207)；步骤(207)、当前的像素点不为1，该点的背景模型的更新率设定为α1，加速背景的形成；步骤(208)、当前的像素点为1，该点的背景模型的更新率设定为α2，减缓由于目标移动缓慢的目标前景变成背景；步骤(209)、更新相应的高斯分布参数、权重、均值和标准差：ωi，t＝(1-α)×ωi，t-1+α×Mi，tμt＝(1-α)×μt-1+α×Xt22Tσt＝(1-α)×σt-1+α×(Xt-μt)(Xt-μt)其中，α为学习速率，对于匹配的模式Mk，t＝1，否则Mk，t＝0；对于运动目标静止的时候，目标区域的背景模型不更新，也就是α＝0，非目标区域的按照上面规则进行更新；对于移动的目标，当前的前景图像为1的点的背景模型更新率α＝α2，当前的前景图像不为1的点的背景模型更新率α＝α1；步骤(210)、经过权值的更新，和当前象素匹配的分布，其权重将加大，否则其分布的权重将减小，改变后的权重值要进行归一化操作；步骤(211)、判定当前的已经分布的高斯模型是否等于n，如果当前的高斯模型个数等于n，进行步骤(213)；如果当前的高斯模型个数不等于n，进行步骤(212)；步骤(212)、若当前的高斯模型的个数还没有达到上限，就添加一个新的高斯模型；步骤(213)、若当前的高斯模型个数等于n，没法再添加一个高斯模型，就去掉模型中权重最小的高斯分布，并用当前点的灰度值建立一个新的高斯分布；2CN106504273A权利要求书2/2页步骤(214)、对模型的权重进行排序，得到背景模型。3.如权利要求1所述的基于GMM运动目标检测的改进算法，其特征在于，所述步骤3的把图像a和图像b在空间域上进行融合，其流程具体包括以下处理：步骤(301)、通过GMM背景建模得到的背景模型图；步骤(302)、通过硬件平台提取到的最新视频帧；步骤(303)、通过当前视频帧和背景模型图进行差分处理，得到运