基于可見光和紅外檢測結(jié)果融合的運動目標檢測方法
【專利摘要】本發(fā)明公開了一種基于可見光和紅外檢測結(jié)果融合的運動目標檢測方法，用于解決現(xiàn)有運動目標檢測方法檢測效果差的技術問題。技術方案是首先利用ViBe的背景提取方法提取可見光圖像的前景圖。得到前景圖后，將其轉(zhuǎn)換到LUV空間進行陰影判斷；其次，通過顯著性檢測的方法提取紅外圖像的顯著圖；最后，融合兩者的檢測結(jié)果，提取最終的運動目標。本發(fā)明方法可以有效應對陰影及光照強度環(huán)境變化導致目標檢測效果差的技術問題，達到全天候檢測的效果。
【專利說明】基于可見光和紅外檢測結(jié)果融合的運動目標檢測方法

【技術領域】
[0001] 本發(fā)明涉及一種運動目標檢測方法，特別是涉及一種基于可見光和紅外檢測結(jié)果 融合的運動目標檢測方法。

【背景技術】
[0002] 運動目標檢測作為視頻監(jiān)控的基礎工作，它的主要任務是從視頻序列中將運動變 化的區(qū)域從背景圖像中分割提取出來，以備后續(xù)的目標跟蹤、行為分析使用。目標檢測方法 能夠有效克服光照變化，背景運動，相機抖動等多重影響，準確提取運動目標，具有重要的 意義?，F(xiàn)有方法多數(shù)在單源傳感器成像上研究，主要檢測方法有基于像素的檢測方法和基 于特征的檢測方法。
[0003] 文獻''ViBe:a powerful random technique to estimate the background in video sequence. ICASSP，2009, 4:945-948"公開了一種基于像素的目標檢測方法，提取目 標背景區(qū)域。該方法采用隨機選擇策略和像素空間一致性原則，進行前景檢測。該方法首 先用第一幀圖像初始化樣本容量為N的背景模型；然后計算當前像素點與樣本點間距離滿 足閾值的次數(shù)來判斷前景點；最后以隨機策略更新背景樣本點及樣本點的領域。該方法具 有內(nèi)存容量小，速度快的特點，但是當光照強度較強，存在大量陰影時，檢測效果會下降，而 且當光照強度變化，比如陰雨、夜晚等弱光環(huán)境下，不能實時檢測目標，實現(xiàn)全天候檢測。


【發(fā)明內(nèi)容】

[0004] 為了克服現(xiàn)有運動目標檢測方法檢測效果差的不足，本發(fā)明提供一種基于可見光 和紅外檢測結(jié)果融合的運動目標檢測方法。該方法首先利用ViBe的背景提取方法提取可 見光圖像的前景圖。得到前景圖后，將其轉(zhuǎn)換到LUV空間進行陰影判斷；其次，通過顯著性 檢測的方法提取紅外圖像的顯著圖；最后，融合兩者的檢測結(jié)果，提取最終的運動目標。本 發(fā)明方法可以有效應對陰影及光照強度環(huán)境變化導致目標檢測效果差的技術問題，達到全 天候檢測的效果。
[0005] 本發(fā)明解決其技術問題所采用的技術方案是：一種基于可見光和紅外檢測結(jié)果融 合的運動目標檢測方法，其特點是包括以下步驟：
[0006] 步驟一、對于可見光第一幀圖像，從像素點（X，y)八領域中隨機選取N個像素值，
[0007] 初始化背景模型{Βη，η = 12, . . .，N}對應位置點。
[0008] 從第二幀圖像開始進行像素點匹配。在時刻t，判斷當前幀Γ在（x，y)處像素 i (X，y)與背景樣本Bn的像素 b (X，y)匹配狀態(tài)：
[0009] fl, dis(i(x,y),b(x,y))<Dd W = k其他 （）
[0010] 其中，dis〇表示當前像素與背景像素之間的歐式距離，Dd = 20表示距離閾值。 [0011] 當滿足距離閾值比的次數(shù)小于T。時，Te = 2,標記該像素點為前景；否則標記該像 (2) 素點為背景。

【權利要求】
1. 一種基于可見光和紅外檢測結(jié)果融合的運動目標檢測方法，其特征在于包括以下步 驟： 步驟一、對于可見光第一幀圖像，從像素點（x，y)八領域中隨機選取N個像素值，初始 化背景模型{Βη，η = 12,...，N}對應位置點； 從第二幀圖像開始進行像素點匹配；在時刻t，判斷當前幀Γ在（X，y)處像素 i (X，y) 與背景樣本Bn的像素 b (x，y)匹配狀態(tài)：
Π ) 其中，dis〇表示當前像素與背景像素之間的歐式距離，Dd = 20表示距離閾值； 當滿足距離閾值Dd的次數(shù)小于T。時,Τ。= 2,標記該像素點為前景；否則標記該像素點 為背景；
(2) 其中，VP是一個二值圖，表示前景像素時，值為255 ;表示背景像素時，值為0 ; 設定背景更新概率為Φ，當像素 i(x，y)被標記背景像素時，有1/Φ的概率更新其背 景模型；假設該像素的某個背景模型Bn要更新，首先用i(x，y)更新背景模型Bn對應位置像 素 b(x，y);然后在樣本Bn對應位置的八領域內(nèi)隨機選取一個像素位置使用i(x，y)更新對 應像素； 步驟二、通常在LUV空間陰影區(qū)域中像素的亮度L會低于背景區(qū)域的亮度L，陰影區(qū)域 與背景區(qū)域的色度相似，但是差值的取值范圍較大；像素 i (X，y)被判斷為陰影點時，要滿 足下述條件： a. Θ j ^ 〇L ^ Θ 2, 〇L = iL (χ, y) /bL (x, y) (3)
(4) 這里，為亮度變化，(T為色度變化，Θ p Θ 2, β是判定閾值； 當像素經(jīng)陰影判定函數(shù)判斷為陰影后，分別對該像素的〇S ουν分量進行混合高斯建模， 進一步對陰影點進行驗證，以降低陰影的錯檢率； 步驟三、使用一個組合的DoG濾波器計算圖像的高頻和低頻信息，單個DoG濾波器表示 如下：
(5) DoG濾波器的帶寬由P = σ 1；/ σ 2決定，σ σ 2表示高斯標準差（σ i > σ 2) ; σ i決 定著低頻信息的選取，σ 2決定著高頻信息的選取；考慮M個DoG的組合濾波器： M-1 (C(.v, V, p'"!'cr2) - G'(.v, ν, ρ'"σ;)) = G(x, v, p(? σ2) - G(.v,cr2) (6) m=0 其中，M表示大于0的整數(shù)，式（6)被簡化成兩個高斯函數(shù)的差；組合濾波器的帶寬由 K = p M決定； 計算紅外視頻序列的顯著性特征，令Μ = c?，使得K值盡可能大，這時G (x，y，P M〇 2)就 是對整個圖像的平均；紅外圖像的顯著性計算如下： Sal(x,y) = ||i/a -HMhc (x,y)\\ (7) 計算顯著性之前，將顏色空間轉(zhuǎn)換到CIELAB空間；Hu為圖像平均值，#是像素 在高斯平滑后的顏色特征，Μ · I I為L2范式； 提取紅外顯著圖之后，進行二值分割得到顯著前景圖SR ; 步驟四、融合紅外和可見光檢測結(jié)果； 記融合結(jié)果圖為If，s，以可見光和紅外兩種檢測結(jié)果標記像素點， 會產(chǎn)生三種可能的情況： (a) 可見光前景檢測結(jié)果和紅外前景檢測結(jié)果都表明該像素為前景點；即 YFl (x, y) = 255, SF1 (x, y) = 255, (8) 此時標記 If，s(x, y) = 255 ; (b) 可見光前景檢測結(jié)果表明該像素為前景點，紅外前景檢測表明該像素不是前景點 或可見光前景檢測結(jié)果表明該像素不是前景點，紅外前景檢測表明該像素是前景點；這里 采用對可見光圖和紅外顯著圖對應位置點加權平均的方式標記該像素值；此時融合像素點 值標記為
當顯著圖像素點8領域的平均值大于原圖均值的2倍時λ = 1，否則為〇 ;
(10) 其中，mean()表示均值，2neig8()表示8領域的和； (c) 可見光前景檢測結(jié)果和紅外前景檢測結(jié)果都表明該像素為非前景點；這里標記該 像素點值為紅外顯著圖對應位置點的三分之一；
(11) 經(jīng)過以上步驟得到融合結(jié)果圖If，s后，進行二值分割，并作形態(tài)學處理，得到最終目標 檢測結(jié)果。
【文檔編號】G06T7/20GK104123734SQ201410350758
【公開日】2014年10月29日 申請日期:2014年7月22日 優(yōu)先權日:2014年7月22日
【發(fā)明者】郗潤平, 張艷寧, 張福俊 申請人:西北工業(yè)大學