基於多尺度碼本模型的紅外運動目標檢測方法
2023-10-23 19:18:57 3
基於多尺度碼本模型的紅外運動目標檢測方法
【專利摘要】本發明公開了一種基於多尺度碼本模型的紅外運動目標檢測方法，該方法先對紅外視頻圖像進行高斯金字塔分層，然後分別對各層圖像建立背景碼本模型，根據背景碼本模型，檢測視頻圖像中的運動目標，最後將各層圖像檢測結果進行融合，得到最終視頻檢測結果。實驗結果表明，本發明中所得到的紅外運動目標檢測結果相對於傳統檢測算法結果來說，具有檢測效果較好、目標信息豐富，誤檢率低的特點。它不但可以應用在當前圖像融合領域中，以提高融合效果，還可以單獨應用在安防監控，夜視偵查等民事和軍事領域。
【專利說明】基於多尺度碼本模型的紅外運動目標檢測方法
【技術領域】
[0001]本發明涉及一種目標檢測領域的方法，特別是一種基於紅外運動目標檢測的檢測方法。
【背景技術】
[0002]紅外運動目標檢測具有紅外成像技術抗幹擾能力較強、隱蔽性良好和全天候工作等特點，在軍事和民用領域都有著廣泛的應用。但是通常在實際應用中，紅外目標的背景是複雜多變的，這使得紅外運動目標檢測算法的實現成為紅外系統研究過程中的一項至關重要的技術，不僅在理論方面有著極其重要的意義，在實用方面也有相當大的價值。就目前在軍事體系中的應用而言，紅外運動目標檢測系統可以在空中(包括空-地、空-空、空-海)超遠距離目標檢測、軍事空中飛彈防禦、軍事目標跟蹤與攻擊、港口情況監視、海洋環境監視、衛星姿態監控等項目中得到應用。同時，紅外運動目標檢測系統還廣泛應用於現代民用領域，在遙感、紅外大氣雲圖分析、紅外醫療圖像病理分析、航拍地面紅外圖像地質分析、城市紅外汙染分析和高速公路的車流量檢測以及海面人員搜救等領域中，紅外目標檢測技術也充分展示出了它的強大作用。
[0003]目前，比較成熟的運動目標檢測算法可以分為以下三類:
[0004](I)幀差法等簡單的運動目標檢測算法。幀差法一般指的是前後兩幀圖像相減，得到的結果按一定閾值做分割，得到運動目標圖像，其又可擴展為三幀差分、隔幀差分等算法。它的優點是算法原理簡單，計算量小，速度快，佔用系統內存較小，適合實時處理。
[0005](2)基於光流的運動目標檢測算法，按照其理論基礎的不同，又可分為:基於梯度的方法、基於匹配的方法、基於能量的方法和基於相位的方法。光流表達了人眼中的圖像變化，其中包含了目標運動的信息，利用像素點數值大小的時域變化和相關性可以確定各個像素點位置的「相對運動」，從而確定目標的實際運動狀況。它的優點是能檢測獨立運動對象，可用於攝像頭運動場景。
[0006](3)基於背景差分法的運動目標檢測算法，如多幀平均法，IIR濾波法，高斯建模法等都是側重於背景差分法中背景的建立或背景的更新機制。在這類目標檢測算法中，首先根據一定的原理建立背景模型，然後利用輸入一幀圖像和背景模型比較，不同的則是運動目標，得到運動目標像素，反之則是背景像素，得到檢測結果。這類算法根據背景模型建立的複雜程度，其算法複雜程度相應增加，但總體檢測效果較好，多幀平均法檢測速度快，HR濾波法自動更新背景模型，高斯建模法檢測準確率高。
[0007]傳統的碼本模型也是一種建立背景模型方法，是一種基於背景差分法的運動目標檢測算法。基於碼本模型的運動目標檢測算法基本思路是:首先建立初始碼本，然後對一段視頻進行訓練得到初始背景碼本，其次利用背景模型檢測當前視頻圖像中的運動目標，最終得到基於碼本模型的運動目標檢測結果，傳統的碼本模型同大部分運動目標檢測算法相似，只利用了視頻圖像的像素信息，而忽略了圖像的空間尺度信息，其檢測結果中目標整體特徵不明顯，誤檢點較多。[0008]以上的運動目標檢測算法應用在簡單的背景中，其檢測效果較好。但應用在複雜的背景中，各個算法都有其各自的缺點，檢測效果較差，誤檢率高。幀差法檢測目標有難以解決的空洞問題，光流法檢測輪廓不明顯，多幀平均法檢測誤差大，IIR濾波法檢測結果部分有拖影，高斯建模法計算量大、檢測速度緩慢，傳統的碼本模型目標整體特徵不明顯、誤檢點較多。
【發明內容】
[0009]本發明的目的在於提供一種基於紅外運動目標檢測的檢測方法，從而實現紅外視頻中的運動目標的檢測。
[0010]實現本發明的目的的技術解決方案為:一種基於多尺度碼本模型的紅外運動目標檢測方法，步驟如下:
[0011](I)利用紅外攝像頭採集視頻，輸入到計算機中，得到紅外視頻；
[0012](2)採用高斯金字塔圖像分層模型對紅外視頻圖像進行多尺度分析處理，將視頻圖像分為三層:原始層、中間層和高斯層；
[0013](3)如果當前視頻圖像是視頻的前50幀圖像，對步驟(2)中的三層視頻圖像分別建立初始背景碼本模型，前50幀視頻的檢測結果為視頻圖像本身，如果當前視頻圖像不是視頻的前50幀圖像，則轉到步驟(4):
[0014]如果當前視頻圖像是視頻的第I幀圖像，則先建立空的主碼本M和緩存碼本H，然後將第一幀圖像像素值放入初始的主碼本M中，得到初始碼本，隨後轉到步驟(6)；
[0015]如果當前視頻圖像是視頻的第2-49幀圖像中的一幀，對三層視頻圖像分別進行初始碼本訓練，得到訓練後的初始碼本，隨後轉到步驟(6)；
[0016]如果當前視頻圖像是視頻的第50幀圖像，則對訓練後的初始碼本進行精煉得到初始背景碼本，隨後轉到步驟(6)；
[0017](4)根據步驟(3)建好的背景碼本模型，採用背景相減法，進行紅外運動目標檢測，得到當前視頻圖像的紅外運動目標檢測結果；
[0018](5)根據更新理論更新主碼本M和緩存碼本H，得到更新後的主碼本M和緩存碼本H；
[0019](6)對當前視頻圖像的三層圖像中的中間層和高斯頂層的紅外運動目標檢測結果進行高斯金字塔EXPAND運算，得到當前視頻圖像的三層還原檢測圖像；
[0020](7)對步驟(6)中三層還原檢測圖像進行融合運算，得到去除背景的紅外運動目標檢測視頻圖像；
[0021](8)如果當前視頻圖像不是視頻的最後一幀圖像，則對下一幀圖像從步驟(2)開始處理；
[0022]如果當前視頻圖像是視頻的最後一幀圖像，則該視頻的紅外運動目標檢測處理結束，得到紅外視頻的運動目標檢測結果。
[0023]本發明與現有技術相比，其顯著優點:(1)通過對視頻圖像做三層高斯金字塔分解，再分別對分解後的視頻圖像建立碼本模型，進行運動目標檢測，將得到不同尺度下的運動目標檢測結果，最後將不同尺度下的運動目標檢測結果融合得到總體的運動目標檢測結果，同時利用了視頻圖像的像素信息和空間尺度信息。(2)在碼本模型中的更新中，建立了緩存碼本，通過對緩存碼本和主碼本的更新來實現背景模型的更新，使得背景模型具有抗擾動性、自適應更新特性。
【專利附圖】
【附圖說明】
[0024]圖1是本發明基於多尺度碼本模型的紅外運動目標檢測方法的流程圖。
[0025]圖2是本發明高斯圖像金字塔示意圖。
[0026]圖3是本發明初始碼本訓練流程圖。
[0027]圖4是本發明運動目標檢測及碼本更新流程圖。
[0028]圖5是本發明方法的仿真模型。
[0029]圖6是本發明方法仿真輸入視頻原始圖像。
[0030]圖7是本發明方法仿真結果圖像。
[0031]圖8是本發明方法包含圖像背景的仿真結果。
[0032]圖9是本發明所對比其它算法的仿真結果圖像。
【具體實施方式】
[0033]下面結合附圖對本發明作進一步詳細描述。
[0034]結合圖1，本發明基於多尺度碼本模型的紅外運動目標檢測方法包括以下步驟:
[0035]步驟1、利用紅外焦平面及其控制模塊採集紅外視頻，攝像頭輸出為PAL制720 X 576像素的視頻源，將該視頻輸入到計算機中，作為紅外視頻。
[0036]步驟2、採用高斯金字塔圖像分層模型對紅外視頻進行多尺度分析處理，對於紅外視頻，記為{Figl，Fig2,…，FigN}，表示N幀視頻序列，將每一幀圖像採用5X5的高斯模板進行高斯金字塔分解，分為3層，原始層為Gtl,中間層為G1,高斯頂層為G2。
[0037]每一層的高斯塔形分解可以表示為:
[0038]
【權利要求】
1.一種基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，所述方法包括以下步驟: (1)利用紅外攝像頭採集視頻，輸入到計算機中，得到紅外視頻； (2)採用高斯金字塔圖像分層模型對紅外視頻圖像進行多尺度分析處理，將視頻圖像分為三層:原始層、中間層和高斯層； (3)如果當前視頻圖像是視頻的前50幀圖像，對步驟(2)中的三層視頻圖像分別建立初始背景碼本模型，前50幀視頻的檢測結果為視頻圖像本身，如果當前視頻圖像不是視頻的前50幀圖像，則轉到步驟(4): 如果當前視頻圖像是視頻的第I幀圖像，則先建立空的主碼本M和緩存碼本H，然後將第一幀圖像像素值放入初始的主碼本M中，得到初始碼本，隨後轉到步驟(6); 如果當前視頻圖像是視頻的第2-49幀圖像中的一幀，對三層視頻圖像分別進行初始碼本訓練，得到訓練後的初始碼本，隨後轉到步驟(6)； 如果當前視頻圖像是視頻的第50幀圖像，則對訓練後的初始碼本進行精煉得到初始背景碼本，隨後轉到步驟(6)； (4)根據步驟(3)建好的背景碼本模型，採用背景相減法，進行紅外運動目標檢測，得到當前視頻圖像的紅外運動目標檢測結果； (5)根據更新理論更新主碼本M和緩存碼本H，得到更新後的主碼本M和緩存碼本H； (6)對當前視頻圖像的三層圖像中的`中間層和高斯頂層的紅外運動目標檢測結果進行高斯金字塔EXPAND運算，得到當前視頻圖像的三層還原檢測圖像； (7)對步驟(6)中三層還原檢測圖像進行融合運算，得到去除背景的紅外運動目標檢測視頻圖像； (8)如果當前視頻圖像不是視頻的最後一幀圖像，則對下一幀圖像從步驟(2)開始處理； 如果當前視頻圖像是視頻的最後一幀圖像，則該視頻的紅外運動目標檢測處理結束，得到紅外視頻的運動目標檢測結果。
2.根據權利要求1所述的基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，步驟(2)採用高斯金字塔圖像分層模型對採集到的紅外視頻進行多尺度分析處理的步驟為: 2.1:採用5X5的高斯模板w(m，η)，根據高斯模板的性質:
①可分離性:w(m, n) = w (m) w (η) ②對稱性:w(m) =w (-m) ③歸一化性:Xw(m) = I，乞 w(η) = I
2H- Z 計算得到5X5的高斯模板w(m, η)如下所示:
3.根據權利要求1所述的基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，步驟(3)對步驟(2)中的三層視頻圖像分別建立初始背景碼本模型的步驟為: .3.1:碼本記為集合C，碼本中碼字採用Vl和auxL = (Imin, Imax, f, λ , p, Tlast)來描述；初始化，將每個像素的碼本置空，即L=O ;其中，Vl表示第L個碼字的灰度值；au\表示第L個碼字的結構體，其包含六個元素，分別為:imin、Imax分別表示碼字最小、最大亮度值?表示碼字出現的頻率；λ表示碼字相鄰兩次訪問的最大時間間隔；p，Tlast分別表示碼字在視頻中第一次和最後一次出現的時間； .3.2:對於視頻的第1-49幀視頻圖像中每個像素的序列採樣值Xi = Ii,其中i=l,2,...N，根據式(3)在初始碼本中尋找匹配碼字，Ii表示當前像素值， Imin-Hiod ^ Ii ^ Imax+mod(3)其中 mod 為像素擾動範圍； 如果初始碼本為空，或者不存在匹配碼字，則根據公式(4)和(5)創建新的碼字:
4.根據權利要求1所述的基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，步驟(4)進行紅外運動目標檢測的步驟為: `4.1:當前視頻圖像中某像素位置的像素值為X = Ii ; `4.2:從對應碼本中尋找匹配碼字cm，匹配條件如式(14)所示: Imin1d ^ Ii ^ Imax+mod(14) 如果存在匹配碼字，則matched=l,否則matched=0,上式中Imin、Imax表示背景碼本中對應碼字的最小和最大邊界，mod表不像素的允許偏移範圍； `4.3:通過當前視頻圖像像素點在其對應碼本中是否存在匹配碼字，區分前景點和背景點，判斷標準如下:
5.根據權利要求1所述的基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，步驟(5)更新主碼本M和緩存碼本H的步驟為:` `5.1:在當前視頻圖像的對應像素點的主碼本M中尋找是否存在碼字與其匹配，匹配條件為公式(14)，如果存在，則對匹配的碼字進行更新，更新公式如下:
6.根據權利要求1所述的基於多尺度碼本模型的紅外運動目標檢測方法，其特徵在於，步驟(7)對步驟(6)中三層還原檢測圖像進行融合運算的步驟為: `7.1:取三層還原檢測圖像中對應像素點灰度值大的像素作為融合像素點的值，得到融合後的視頻圖像G'，公式如下: G' (i, j) = max{G/ oQ』jhG' ^i, j),G/ 2(i, j)} (27) `7.2:對融合後的視頻圖像G'進行自適應閾值分割處理，以達到優化邊界，去除虛假目標，自適應閾值分割處理後的圖像為g(i，j)，令門限為Th(k)，公式如下:
【文檔編號】G06T7/20GK103778644SQ201410017823
【公開日】2014年5月7日 申請日期:2014年1月15日 優先權日:2014年1月15日
【發明者】劉磊, 周亞運, 夏琪, 崔民傑, 黃偉 申請人:南京理工大學