一种面向视频感知节点的目标检测方法技术

本发明专利技术公开了一种面向视频感知节点的目标检测方法，包括压缩感知步骤、背景建模步骤、更新步骤以及后处理步骤，根据兴趣区域设置不同的采样值M，在前一帧的目标块1.2倍区域提高采样率，而在背景区域降低采样率；以及，当背景亮度变化较小，降低建模的高斯分布个数，以降低学习速率；当亮度变化较大，提高高斯分布个数，以提高学习速率。

【技术实现步骤摘要】
一种面向视频感知节点的目标检测方法
本专利技术涉及目标检测
，特别涉及一种面向视频感知节点的目标检测方法。
技术介绍
无线视频传感器网络由大量具有通信和计算能力的视频节点按特定的方式或者随机地布置在监控区域内构成的“智能”自治测控无线网络系统。视频传感器节点间具有很强的协同能力，通过局部的图像数据采集、处理以及节点间的数据交互完成全局任务。与传统监控模式相比，采用无线视频传感器网络构建分布式智能监控系统具有无人值守、覆盖率广、性能稳定、灵活性高、监控场景可以实现任意组合的优点，特别适合在交通路口、机场和地铁站等关键区域或恶劣环境下的目标跟踪和事件监测。在计算机视觉和无线视频传感器网络相关应用领域，对获取的视频图像中目标的检测是首要的步骤。目标检测算法的好坏影响到对后续跟踪与行为识别等进一步的视觉处理。由于实际场景的复杂多变导致现有的目标检测算法普遍比较复杂，计算量大，内存容量要求高，不适合资源有限的视频感知节点。因此，针对于视频感知节点的目标检测算法必须首先考虑算法效能的问题，要尽可能减少计算量和存储容量。压缩感知理论突破了传统拉奎斯特理论下对样本数的要求。只要信号是可压缩的或是稀疏的，就可以通过满足一定条件的观测矩阵将变换后的高维信号进行采样，得到一个采样后的低维信号。然后求解一个优化问题就可以从少量的采样值中完美的重构出原始信号。将压缩感知理论应用到基于背景减除法的目标检测算法中，在保留原始图像信息的同时，可大幅减少参与背景建模的像素数量，从而提高算法效率。因此，在研究现如今几种常用的背景建模方法基础上，提出一种基于结构化压缩感知的自适应混合高斯(StructuredCompressiveSensingAdaptiveGaussianMixtureModel，SCS-AGMM)背景建模算法，构建结构化随机测量矩阵来减少参与背景建模的数据量，并从多个方面优化了算法的效能。背景减除方法是一种在目标检测领域技术比较成熟的方法，应用十分广泛。该方法通过对视频图像当前帧和背景模型对应位置像素值相减，当差的绝对值值大于某个阈值时，判定该像素为目标像素，否则为背景像素。并通过后期图像处理，得到完整的目标图像。对于比较复杂并且呈现动态变化的背景，比如场景中存在波动水面、摇动的树木、摄像头的颤抖等，像素值的概率密度分布图往往呈现双峰或多峰状态。这是就需要采用多个高斯分布的线性组合才能对背景准确建模，该方法称为混合高斯模型(GMM)。利用GMM对图像中的每个像素建立背景模型能适应视频图像中光照变化、运动背景的干扰等情况。近年来出现大量基于混合高斯背景建模改进算法，这些方法的优点在于检测效果较好，可以去掉复杂背景情况下的运动干扰；不足在于计算量和存储量较大，运行速度较慢，不适于资源有限的视频感知节点。
技术实现思路
本专利技术针对现有技术存在的上述不足，提供了一种面向视频感知节点的目标检测方法。本专利技术通过以下技术方案实现：一种面向视频感知节点的目标检测方法，包括步骤：图像重构步骤：根据采集到的图像尺寸大小对图像进行分块，将采得到的图像块转换为N×1的向量；压缩感知步骤：构建结构化随机测量矩阵对转化后的向量进行采样压缩；背景建模步骤：利用自适应混合高斯模型对每一个测量后的矩阵块进行高斯建模，采用最少像素法则进行目标块和背景块检测；通过混合高斯模型对各候选节点的各像素建立至少一个背景模型，用第一帧图像数据对背景模型进行初始化，对每个背景模型设定统一的背景阈值，像素点权值大于该背景阈值的背景模型描述的为背景分布，像素点权值小于等于该背景阈值的背景模型描述的为前景分布，用图像中判断为背景的像素重新初始化权值小于初始化阈值的背景模型；背景模型的分布参数按优先级从大到小与对应的当前像素值逐一匹配检测，判定背景模型均与当前像素值不匹配的像素点为目标区域内的点，对匹配成功的背景模型更新分布参数，对各背景模型更新权重；更新步骤：采用不同的策略对目标块和背景块进行更新，并根据检测的结果对结构化随机测量矩阵进行参数调节；后处理步骤：对检测到的目标图像进行后期处理得到最终的目标图像；其中，不同的策略包括根据兴趣区域设置不同的采样值M，在前一帧的目标块1.2倍区域提高采样率，而在背景区域降低采样率；以及，当背景亮度变化较小，降低建模的高斯分布个数，以降低学习速率；当亮度变化较大，提高高斯分布个数，以提高学习速率。较佳的，分布参数按优先级与当前像素值进行逐一匹配检测，即判别是否满足|μi，t-xt|＜max(Wσi，t，τ)，式中i＝1，2，…，K，K为各像素高斯分布的个数，μi，t和σi，t分别为在t时刻第i个高斯分布的均值和标准方差，xt为前像素值，W和τ均为阈值常量。较佳的，将上一帧检测出的目标区域经过扩展后作为当前帧的目标区域进行匹配检测，在目标区域外的像素点采用紧的匹配准则，即τ与W均取较大值；在目标区域内的像素点采用松的匹配准则，即τ与W均取较小值，其中，0.5＜＝W＜＝3.5，3＜＝τ＜＝20。较佳的，将上一帧目标区域扩展10％作为当前帧的目标区域，在目标区域外的像素点取W＝2.5，τ＝15，在目标区域内的像素点取W＝1.5，τ＝6。较佳的，初始化至少一个背景模型时，通过第一帧各点像素值用来初始化高斯分布均值μK，0，第一帧各点像素值的标准方差σK，0取15＜＝σK，0＜＝25，权重为1/Kmax，Kmax为每个像素点的最大高斯分布个数。本专利技术采取的方法构建结构化随机测量矩阵通过对图像进行采样压缩，减少了高斯统计建模的计算数据量，并对算法进行两个方面的效能优化。一是根据背景亮度的变化来自适应调整高斯模型个数以及学习速率，减少平均计算时间；二是根据分割提取目标的兴趣区域采用不同测量值，整体减少参与建模的像素个数，有效地减少了背景建模的时间。通过算法仿真和节点实测的实验结果证明，该方法可获得较好的目标检测结果并且具有较强的抗干扰性，相对于传统的混合高斯算法，内存容量减少约四分之三，处理时间可减少50％以上。附图说明图1所示的是本专利技术的流程图；图2所示的是本专利技术与不同建模方法的每帧平均处理时间比较示意图；图3所示的是本专利技术与不同建模方法的误检率比较示意图；图4所示的是本专利技术与不同建模方法的漏检率比较示意图；图5所示的是本专利技术与不同建模方法的性能及平均每帧处理时间比较示意图；图6所示的是本专利技术与不同建模方法的处理时间和内存容量比较示意图。具体实施方式以下将结合本专利技术的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述和讨论，显然，这里所描述的仅仅是本专利技术的一部分实例，并不是全部的实例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术的保护范围。为了便于对本专利技术实施例的理解，下面将结合附图以具体实施例为例作进一步的解释说明，且各个实施例不构成对本专利技术实施例的限定。对于复杂的动态背景，可采用多个高斯分布的线性组合来实现对背景的准确建模。混合高斯模型将图像中各个像素点的概率分布特性表示为K个(一般取值3～5)高斯模型。各高斯分布具有不同的权值ωi，t(∑ωi，t＝1，i＝1，2，……，K)和优先级(ω/σ)，并按照优先级从高到低进行排序。在确定背景分布时，对单个分布取某个阈值T(T本文档来自技高网...

【技术保护点】
一种面向视频感知节点的目标检测方法，其特征在于，包括步骤：图像重构步骤：根据采集到的图像尺寸大小对图像进行分块，将采得到的图像块转换为N×1的向量；压缩感知步骤：构建结构化随机测量矩阵对转化后的向量进行采样压缩；背景建模步骤：利用自适应混合高斯模型对每一个测量后的矩阵块进行高斯建模，采用最少像素法则进行目标块和背景块检测；通过混合高斯模型对各候选节点的各像素建立至少一个背景模型，用第一帧图像数据对所述背景模型进行初始化，对每个背景模型设定统一的背景阈值，像素点权值大于该背景阈值的背景模型描述的为背景分布，像素点权值小于等于该背景阈值的背景模型描述的为前景分布，用像素值重新初始化权值小于初始化阈值的背景模型；背景模型的分布参数按优先级从大到小与对应的当前像素值逐一匹配检测，判定背景模型均与当前像素值不匹配的像素点为目标区域内的点，对匹配成功的背景模型更新分布参数，对各背景模型更新权重；更新步骤：采用不同的策略对目标块和背景块进行更新，并根据检测的结果对测量矩阵的进行参数调节；后处理步骤：对检测到的目标图像进行后期处理得到最终的目标图像；其中，还包括根据兴趣区域设置不同的采样值M，在前一帧的目标块1.2倍区域提高采样率，而在背景区域降低采样率；以及，当背景亮度变化较小，降低建模的高斯分布个数，以降低学习速率；当亮度变化较大，提高高斯分布个数，以提高学习速率。...

【技术特征摘要】
1.一种面向视频感知节点的目标检测方法，其特征在于，包括步骤：图像重构步骤：根据采集到的图像尺寸大小对图像进行分块，将采得到的图像块转换为N×1的向量；压缩感知步骤：构建结构化随机测量矩阵对转化后的向量进行采样压缩；背景建模步骤：利用自适应混合高斯模型对每一个测量后的矩阵块进行高斯建模，采用最少像素法则进行目标块和背景块检测；通过混合高斯模型对各候选节点的各像素建立至少一个背景模型，用第一帧图像数据对所述背景模型进行初始化，对每个背景模型设定统一的背景阈值，像素点权值大于该背景阈值的背景模型描述的为背景分布，像素点权值小于等于该背景阈值的背景模型描述的为前景分布，用图像中判断为背景的像素重新初始化权值小于初始化阈值的背景模型；背景模型的分布参数按优先级从大到小与对应的当前像素值逐一匹配检测，判定背景模型均与当前像素值不匹配的像素点为目标区域内的点，对匹配成功的背景模型更新分布参数，对各背景模型更新权重；更新步骤：采用不同的策略对目标块和背景块进行更新，并根据检测的结果对结构化随机测量矩阵进行参数调节；后处理步骤：对检测到的目标图像进行后期处理得到最终的目标图像；其中，不同的策略包括根据兴趣区域设置不同的采样值M，在前一帧的目标块1.2倍区域提高采样率，而在背景区域降低采样率；以及，当背景亮度变化较小，降低建模的高斯分布个数，以降低学习速率；当亮度变化...

【专利技术属性】
技术研发人员：方武，曹振华，吴健，
申请(专利权)人：苏州经贸职业技术学院，
类型：发明
国别省市：江苏;32