一种基于快速独立成分分析结合时空差异的运动目标检测方法技术

本发明专利技术属于图像视频处理技术领域，具体涉及到一种基于快速独立成分分析结合时空差异的运动目标检测方法，包括：将FastICA与帧差法结合，通过将当前帧与相邻帧进行FastICA处理时间域的差异得到轮廓F

【技术实现步骤摘要】
一种基于快速独立成分分析结合时空差异的运动目标检测方法


[0001]本专利技术属于图像视频处理
，具体涉及一种基于快速独立成分分析结合时空差异的运动目标检测方法。

技术介绍

[0002]运动目标检测，指通过算法将视频序列中的运动前景从相对静止的背景中分离。它是许多计算机视觉应用程序中信息提取的一个基本过程，包括人体姿态跟踪、交通监控和视频语义注释。其主要任务是从视频序列中提取运动对象，并将前景与噪声背景分离开来。
[0003]帧间差分法，对视频序列中的连续两帧做差分运算得到运动目标的轮廓。该方法通过考虑两个连续帧之间的差异来识别运动对象的存在。
[0004]背景差分法，该方法被认为是最可靠的运动目标检测方法之一。背景差分法通过初始化背景模型来工作。背景减法中计算当前帧中每个像素对应的像素值与假定的背景模型之间的差值。如果差值大于阈值，则认为该像素为前景，否则即为背景。
[0005]独立成分分析(ICA)，指在信号处理中的一种用于将多元信号分离为加性子分量的计算方法。该方法通过假设子分量是非高斯信号，并且在统计上彼此独立来完成的。在ICA模型中，每个源信号由数个独立的信号组成。此外，每个源信号都是非高斯分布的。
[0006]ICA模型在无监督的学习过程中找到解混矩阵W，矩阵W用于从变换观察到的混合信号X中分离出独立信号。
[0007]快速独立成分分析(FastICA)，FastICA是对经典ICA算法进行的改进。FastICA算法基于定点递归算法，适用于任何类型的数据。该方法使得ICA可以对高维数据的进行分析。FastICA算法是一种使用批处理方法的快速迭代优化算法，其每次迭代都涉及大量的样例数据。该算法采用定点迭代优化策略，收敛速度快，鲁棒性好。FastICA可以基于四阶累积量、最大似然和最大负熵进行信号分离。
[0008]高斯混合模型(GMM)，GMM背景建模对视频背景的建模是把视频帧中的每一个像素点所呈现的像素值用K个高斯分布的叠加来表示。GMM之所以能够将前景和背景分开基于如下事实，在长期观测的场景中，背景占大多数时间，因此，更多的数据是支持背景分布的。
[0009]目前常见的目标检测方法通常只基于时间差异或者空间差异对运动目标进行检测，如帧间差分法和光流法通过时间上不同的两帧上的差异对前后景进行区分。背景差分法通过背景建模，将需要检测的当前帧与背景模型进行比较，通过他们在空间上的差异检测出运动目标。仅仅比较空间差异或者时间差异都可能导致最终检测到的目标不精确甚至失效。例如，在目标在慢速运动是，视频序列两帧间的时间差异过小就可能导致帧间差分法类的失效。例如运动目标相对背景较小时，其与背景缺乏足够显著的差异就可能导致背景差分类方法的失效。为了解决上述问题，我们的方法从时间，空间两个维度同时检测运动目标，使对运动目标的检测更加精确。
[0010]运动目标的检测通常会由于环境中的噪声和光照变化等原因导致最后的结果不理想，而在客观现实中这些外界因素对算法的影响几乎不可避免，因此，为了处理这些问题我们需要运用部分图像处理技术。图像处理技术主要包括灰度化、消除噪声、二值化、形态学处理。灰度化包括灰度图的表示、真彩色位图和灰度图的转换；噪声消除的方法包括高斯滤波和中值滤波；二值化就是利用某一阈值将图像划分为前景目标和背景两部分。形态学处理是对所得目标图像消除孤立噪声，填充边缘孔洞等，包括腐蚀和膨胀等处理方式。
[0011]综上所述，现有技术问题：目前常见的目标检测方法通常只基于时间差异或者空间差异对运动目标进行检测，仅仅比较空间差异或者时间差异都可能导致最终检测到的目标不精确甚至失效；运动目标的检测通常会由于环境中的噪声和光照变化等原因导致最后的结果不理想，而在客观现实中这些外界因素对算法的影响几乎不可避免。

技术实现思路

[0012]为解决上述技术问题，本专利技术提出一种基于快速独立成分分析结合时空差异的运动目标检测方法，包括以下步骤：
[0013]S1：从视频序列中依次选取需要进行目标检测的当前帧，对当前帧I
n
与其相邻帧序列(I
n
’‑1，I
n
’
，I
n
’
+1
)中的有效相邻帧I
n
’‑1进行帧差法检测前景之间的差异，结合FastICA得到时间域的目标的轮廓F
R1
；
[0014]S2：通过高斯混合模型对视频序列进行背景建模，再将建模得到的背景图像g
n
与当前帧I
n
进行帧差法检测前景和背景之间的差异并进行FastICA处理，得到空间域的目标的轮廓F
R2
；
[0015]S3：通过融合策略将时间域的目标的轮廓F
R1
和空间域的目标的轮廓F
R2
进行融合，得到融合后的轮廓图；
[0016]S4：对融合后的轮廓图进行形态学处理，得到最终的运动目标图像。
[0017]本专利技术的有益效果：
[0018]1)本专利技术通过快速独立成分分析将传统的运动目标检测方法帧间差分法及高斯混合模型相融合，有效的弥补了两种方法在各种领域的不足，如高斯混合模型需要提前输入视频序列对背景进行建模；而帧间差分法虽然有着快速轻便的优点，但是由于运动物体过快或者过慢的运动往往导致产生空洞，鬼影等不良结果。而我们将这两种方法结合以后，有效的避免了这些问题，有效的提升了方法的精确度，有效性。
[0019]2)本专利技术在运动目标的检测上结合了检测场景中的时间差异与空间差异，从两个维度对运动目标进行检测，可以有效检测之前方法难以检测的场景，如前景与背景差异小时，又如前景运动不明显时，有效解决了之前方法在小目标，目标缓速运动等方面效果不佳的问题，且具有更高的精度和准确性。同时，本专利技术适用于更加广泛的应用场景，具有更强的鲁棒性与实用性。
附图说明
[0020]图1是本专利技术的运动目标检测算法的简略流程图；
[0021]图2是本专利技术的快速独立成分分析结合帧差法算法的具体流程；
[0022]图3是本专利技术的快速独立成分分析结合高斯混合模型的具体流程；
[0023]图4是本专利技术的高斯混合模型背景建模示意图；
[0024]图5是本专利技术的运动目标检测结果示意图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]一种基于快速独立成分分析结合时空差异的运动目标检测方法，如图1所示，包括以下步骤：
[0027]S1：将视频图像序列截取为n张待检测序列帧，从n张待检测序列帧中依次选取需要进行目标检测的当前帧，对当前帧I
n...

【技术保护点】

【技术特征摘要】
1.一种基于快速独立成分分析结合时空差异的运动目标检测方法，其特征在于，包括：S1：从视频序列中依次选取需要进行目标检测的当前帧，对当前帧I
n
与其相邻帧序列(I
n
’‑1，I
n
’
，I
n
’
+1
)中的有效相邻帧I
n
’‑1进行帧差法检测前景之间的差异，结合FastICA得到时间域的目标的轮廓F
R1
；S2：通过高斯混合模型对视频序列进行背景建模，再将建模得到的背景图像g
n
与当前帧I
n
进行帧差法检测前景和背景之间的差异并进行FastICA处理，得到空间域的目标的轮廓F
R2
；S3：通过融合策略将时间域的目标的轮廓F
R1
和空间域的目标的轮廓F
R2
进行融合，得到融合后的轮廓图；S4：对融合后的轮廓图进行形态学处理，得到最终的运动目标图像。2.根据权利要求1所述的一种基于快速独立成分分析结合时空差异的运动目标检测方法，其特征在于，结合FastICA得到时间域的目标的轮廓F
R1
，包括：S11：将当前帧I
n
图像和有效相邻帧I
n
’‑1图像变换为一维信号R1，R2，将一维信号R1，R2组合，得到复合矩阵X
c
；S12：将值介于0和1之间的随机矩阵T
r
与复合矩阵X
c
相乘，得到混合矩阵，并中心化混合矩阵，得到零均值矩阵M
s
；S13：计算零均值矩阵M
s
的相关矩阵并获取特征向量矩阵E和特征对角线矩阵D；S14：根据相关矩阵特征向量矩阵E和特征对角线矩阵D计算得到白化矩阵S15：初始化2
×
2的分离权重矩阵W，W的值均匀分布在0和1之间，通过迭代优化调整权重矩阵W，通过分离权重矩阵W获得一维分离信号将一维分离信号展开为二维图像，得到最终的检测结果F
R1
。3.根据权利要求2所述的一种基于快速独立成分分析结合时空差异的运动目标检测方法，其特征在于，计算零均值矩阵M
s
的相关矩阵并获取特征向量矩阵E和特征对角线矩阵D，包括：计算相关矩阵包括：其中，表示相关矩阵在位置(x,y)处的值，C(x,y)表示矩阵M
s
的协方差矩阵C在位置(x,y)处的值，C(x,y)＝cov(M
sT
)，cov()表示求协方差操作，T表示转置操作，σ(x,y)为零均值矩阵M
s
在位置(x,y)处的标准差；获取协方差矩阵C的特征值E和特征向量矩阵D，包括：D,E＝eigen(C)其中，cov()表示求协方差操作，eigen()表示求特征值操作，T表示转置操作。4.根据权利要求2所述的一种基于快速独立成分分析结合时空差异的运动目标检测方法，其特征在于，根据相关矩阵特征向量矩阵E和特征对角线矩阵D计算得到白化矩阵包括：
其中，表示白化矩阵，E表示特征向量矩阵，D...

【专利技术属性】
技术研发人员：黄颖，柏浩林，陈吉航，夏鸿钊，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：