本发明专利技术提供一种融合图形梯度和灰度的背景建模和运动目标检测方法，包括1：采集N帧视频监控数据作为训练样本；2：建立基于图像灰度的单高斯模型；3：选取像素点建立梯度模型；4：运动目标检测。本发明专利技术还提供一种融合图形梯度和灰度的背景建模和运动目标检测装置，包括图像采集单元、灰度背景建模单元、梯度背景建模单元、模型判断单元、运动目标检测单元以及背景模型更新单元。本发明专利技术将背景通过灰度标准差区分为简单背景和复杂背景，并分别建立不同的背景模型描述；简单背景的背景模型能够快速、有效的对背景进行描述，复杂背景的背景模型能够很好的描述复杂背景的变化，从而有利于提高运动目标检测的准确率。
【技术实现步骤摘要】
本专利技术涉及图像监控
技术介绍
背景建模技术是运动目标检测的关键技术，也是运动目标检测最常用的方法，对 图像分析、视频内容分析效果、特征提取等都有很大帮助。但是，在实际应用场景中，背景并 不完全固定，存在背景的运动、光照变化、相机抖动等问题，导致简单的背景模型无法良好 的描述背景，在运动目标过程中出现较多的误检、漏检等情况，影响对图像、视频进一步分 析的效果。 目前效果比较理想的背景建模方法包括：混合高斯模型、码本法、ViBe和PBAS等 方法。混合高斯模型采用一个或多个高斯分布表示背景灰度变化和分布，可用于复杂、运动 的背景建模，但是当背景物体运动较快时，一个或多个高斯模型不能很好的描述这种运动； ViBe算法利用单帧视频图像对背景模型进行初始化，对于每个像素点，结合其相邻像素 点拥有相近像素值的空间分布特性，随机选择邻域像素点的灰度值作为它的模型样本值。 ViBe算法较好的处理背景的突然变化，并且较好的简化了建模过程，但是由于采用了运动 物体像素的灰度值作为模型的样本值，容易造成误检，产生拖影区域。当前的背景建模方法 大部分采用基于像素的灰度统计方法，能够获得较细致的运动目标，但使用相同方法描述 静止像素和运动像素，当背景中存在运动物体时，无法准确描述背景物体的运动。
技术实现思路
本专利技术所要解决的技术问题是提供一种融合图形梯度和灰度的背景建模和运动 目标检测方法，能够较好地描述背景中物体运动的问题，解决
技术介绍
中存在的问题。 本专利技术解决技术问题所采用的技术方案是：一种融合图形梯度和灰度的背景建模 和运动目标检测方法，包括以下步骤： 步骤1 :采集N帧视频监控数据作为训练样本； 步骤2 :针对上述训练样本建立基于图像灰度的单高斯模型； 步骤3 :选取像素点，并判断其属于简单背景还是复杂背景，对于复杂背景的像素 点，计算该位置的图像梯度，并建立梯度模型。 所述的简单背景和复杂背景以一定的阈值为区分标准，可以设定某一阈值，认为 灰度值的标准差小于该阈值的为简单背景，否则为复杂背景。 步骤4 :运动目标检测，对符合灰度模型分布的运动目标更新相应的灰度背景模 型；对符合梯度模型分布的运动目标更新相应的梯度背景模型。 在采用上述技术方案的同时，本专利技术还可以采用或者组合采用以下进一步的技术 方案： 所述步骤3中的判断方法为：对于一个像素点，如果其灰度模型的标准差小于一 定阈值，则认为该位置灰度变化较小，属于简单背景，采用灰度模型作为该位置的背景模 型；否则，属于复杂背景。 所述步骤3中的建模方法为： 梯度的计算公式 G(x, y) = f (x+1, y)+f (X，y+1) - 2*f (X，y)，其中 f(x, y)为点 (x, y)的灰度值； 灰度模型建立的具体过程： 步骤3. 1、选择所有大于一定阈值的梯度； 步骤3. 2、计算以上梯度的均值和标准差； 步骤3. 3、将均值和标准差作为梯度模型的参数。 所述步骤4的具体判断方法为：首先判断当前像素是否有对应的梯度模型，如果 没有，验证像素灰度是否符合灰度模型分布，不符合则认为是前景，不更新背景，否则为背 景，更新相应的灰度背景模型；如果存在对应的梯度模型，验证对应的梯度是否符合梯度模 型分布，不符合则认为是前景，不更新背景，否则为背景，更新相应的梯度背景模型。 所述步骤4具体包括以下步骤： 步骤4. 1 :如果当前像素没有对应的梯度背景模型，则验证像素的灰度值是否符 合灰度背景模型分布，符合则是背景，否则为前景；并以一定更新率更新灰度背景模型： μ t= (1-ρ )* μ t !+P *yt δ t2= (ι-ρ )* δ t J+p *(yt-μ t)T(yt-μ t) 其中，P为背景的更新率，μ、δ分别为灰度值的均值和标准差，t表示时间，v表 示二值化图像，yt表示当前像素灰度值，μ t、St分别表示该像素在t时刻的均值和标准 差，μ t_l和δ t_l分别表不该像素在t_l时刻的均值和标准差； 步骤4. 2 :如果当前像素有对应的梯度背景模型，则计算像素梯度，如果梯度值小 于一定阈值则判为背景，如果梯度值大于一定阈值，且与梯度均值的差值小于3倍梯度标 准差则判为是背景，更新梯度背景模型，否则为前景。 本专利技术还提供一种融合图形梯度和灰度的背景建模和运动目标检测装置，该装置 用于上述检测方法，并包括图像采集单元、灰度背景建模单元、梯度背景建模单元、模型判 断单元、运动目标检测单元以及背景模型更新单元，所述图像采集单元用于采集监控图像， 所述灰度背景建模单元用于建立灰度背景模型和判断哪些像素需要建立梯度背景模型，所 述梯度背景建模单元用于建立梯度背景模型，所述模型判断单元用于判断哪些像素用灰度 背景模型进行运动目标检测，哪些用梯度背景模型进行运动目标检测，所述运动目标检测 单元对有灰度背景模型的像素，用于检测像素灰度是否符合灰度背景模型分布，区分前景 和背景，对有梯度背景模型的像素，用于计算像素梯度，并检测像素梯度是否符合梯度背景 模型分布，区分背景和前景，所述背景模型更新单元用于控制不同背景模型的更新； 所述图像采集单元连接至监控设备并采集其中的监控图像信息，所述图像采集单 元连接至所述灰度背景建模单元并向其发送所采集的信息，所述灰度背景建模单元连接至 所述梯度背景建模单元并向其发送需要建立梯度背景模型的信息，所述梯度背景建模单元 连接至所述运动目标检测单元并向其发送梯度和灰度建模信息，所述运动目标检测单元连 接至所述背景模型更新单元并向其发送所检测到的前景和背景信息。 本专利技术的有益效果是：本专利技术提出的一种融合图像梯度和灰度的背景建模和运动 目标检测方法和装置是一个一体化的解决方案，具体有如下创新：1、将背景通过灰度标准 差区分为简单背景和复杂背景，并分别建立不同的背景模型描述；简单背景的背景模型能 够快速、有效的对背景进行描述，复杂背景的背景模型能够很好的描述复杂背景的变化，从 而有利于提高运动目标检测的准确率。2、融合场景的时间信息和空间信息共同描述场景的 变化，能否较好的描述背景物体的运动，从而减少运动检测的漏检和误检。3、为简单背景建 立灰度背景模型，为复杂的背景变化建立梯度背景模型，保证在良好的检测效果前提下，提 高建模和检测效率。【附图说明】 图1是是本专利技术一种融合图像梯度和灰度的背景建模方法流程图。 图2是本专利技术一种融合图像梯度和灰度的运动目标检测方法流程图。 图3是本专利技术一种融合图像梯度和灰度的背景建模和运动目标检测装置结构图。【具体实施方式】 实施例1，一种融合图形梯度和灰度的背景建模和运动目标检测方法。 参照附图1、2。 本专利技术的融合图形梯度和灰度的背景建模和运动目标检测方法包括以下步骤： 步骤 1 : 采集视频监控数据3000帧作为训练样本； 步骤 2 : 建立基于图像灰度的单高斯模型（μ，δ ): 其中，fi表示像素点i的灰度值。 步骤 3 : 对于一个像素点，如果其灰度模型的标准差小于20,则认为该位置灰度变化较小， 属于简单背景，采用灰度模型作为该当前第1页1 2 本文档来自技高网...
【技术保护点】
一种融合图形梯度和灰度的背景建模和运动目标检测方法，其特征在于：所述方法包括以下步骤：步骤1：采集N帧视频监控数据作为训练样本；步骤2：针对上述训练样本建立基于图像灰度的单高斯模型；步骤3：选取像素点，并判断其属于简单背景还是复杂背景，对于复杂背景的像素点，计算该位置的图像梯度，并建立梯度模型。步骤4：运动目标检测，对符合灰度模型分布的运动目标更新相应的灰度背景模型；对符合梯度模型分布的运动目标更新相应的梯度背景模型。
【技术特征摘要】
【专利技术属性】
技术研发人员：石旭刚，张水发，刘嘉，杜雅慧，汤泽胜，
申请(专利权)人：杭州中威电子股份有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。