基于视频的多模型结合水面船舶检测方法技术

基于视频的多模型结合水面船舶检测方法，涉及水面运动船舶检测，得到船舶目标检测结果的技术领域。本发明专利技术利用当前时刻视频帧的灰度信息构建混合高斯背景模型，对比输入视频与背景模型是否匹配，得到前景掩膜；利用前景掩膜构建阴影模型，对符合阴影模型的像素点标记为阴影像素点，否则标记为非阴影像素点；利用非阴影像素点构建水波模型，对符合水波模型的像素点标记为水波像素点；得到仅包含船舶目标的船舶掩膜；利用寄存器计算被标记为船舶的像素点在同一位置连续出现的时间。本发明专利技术通过结合背景模型、阴影模型和水波模型对视频序列中不同种类的像素点进行训练、分类，从而提取出只属于船舶目标的像素点的检测结果。

【技术实现步骤摘要】

本专利技术涉及水面运动船舶检测，得到船舶目标的检测结果的

技术介绍
智能视频监控系统逐渐成为现代视频监控系统的发展趋势，也是现代自动化监控管理的重要发展方向。运动目标检测是智能视频处理中的一个重要环节，它的准确与否将直接影响智能视频监控系统的后续分析处理。目前，基于视频的目标检测技术在对河面船舶进行检测时还存在一些技术难点，限制了智能视频监控在河面船舶监控系统中的实际应用。目前已经提出了有关干扰去除的几种方法1、针对阴影干扰的去除有如下几种方法如基于颜色特征的旋转不变性，将RGB颜色空间的向量投影到 HSV空间。将像素的RGB特征用支撑向量空间表示。基于纹理特征的旋转不变性，利用空间滤波器或小波函数提取图像的纹理特征进行阴影的去除。基于阴影模型的阴影抑制算法。2、针对水波干扰的去除水面波纹干扰的去除最通常的做法是将图像分块，计算在每个图像块中检测到的前景像素点的个数，如果该图像块中前景像素点的个数较少，便认为该块中不存在运动前景。该方法基于视频中水面波纹像素点数量大大少于运动目标的数量这一假设，因此对于存在大量水波干扰的自然环境，该方法的准确率大大下降。3、针对Ghost像素点的去除Ghost像素点是由背景模型的更新速度慢，无法适应背景的突然变化引起的，但模型更新过快将使背景建模法退化为帧差法。因此，Ghost现象的去除在于找到使背景模型更新速度满足以上需要的平衡点。以上干扰去除策略都只针对场景中某一种干扰的去除，而河面船舶检测的检测场景复杂，单一的干扰去除策略无法满足检测需要。
技术实现思路
本专利技术提出一种多模型结合的船舶检测方法，通过结合背景模型、阴影模型和水波模型对视频序列中不同种类的像素点进行训练、分类，能够快速有效地去除船舶阴影、水面波纹以及Ghost像素点的影响，从而提取出只属于船舶目标的像素点的检测结果的。一种，包括如下步骤第一步利用当前时刻视频帧的灰度信息构建混合高斯背景模型，对比输入视频与背景模型是否匹配，得到前景掩膜，该前景掩膜中标记为运动目标的像素点包括船舶、阴影和水面波纹； 第二步利用第一步检测到的前景掩膜的前景像素点训练并构建阴影模型，对符合阴影模型的像素点标记为阴影像素点，否则标记为非阴影像素点；第三步利用第二步的非阴影像素点训练并构建水波模型，对符合水波模型的像素点标记为水波像素点，否则标记为非水波点；第四步去除第二步中的阴影像素点和第三步中的水波像素点，得到仅包含船舶目标的船舶掩膜；第五步利用寄存器计算被标记为船舶的像素点在同一位置连续出现的时间，如果被标记为船舶的像素点在同一位置连续出现的时间达到寄存器累加的最大值，则将此像素点标记为(^host像素点，该位置寄存器复位，背景模型更新速度P = 1 ；否则寄存器值不变，更新速度P < 1 ；第六步重复上述第一步到第五步处理下一帧视频，直至处理完所有视频。1、本专利技术中提出的船舶检测方法可以较好地去除目标检测中的船舶阴影、水面波纹的影响。2、消除了船舶检测过程中可能出现的(ihost现象，最终得到只包含河面运动船舶目标检测结果。3、本专利技术利用像素点的纹理和颜色两种特征的结合可以充分区分阴影像素点和船舶像素点。附图说明图1是本专利技术的检测方法的流程图。 具体实施例方式如图1所示，一种，包括如下步骤第一步利用当前时刻视频帧的灰度信息构建混合高斯背景模型，对比输入视频与背景模型是否匹配，得到前景掩膜，该前景掩膜中标记为运动目标的像素点包括船舶、阴影和水面波纹；第二步利用第一步检测到的前景掩膜的前景像素点训练并构建阴影模型，对符合阴影模型的像素点标记为阴影像素点，否则标记为非阴影像素点；第三步利用第二步的非阴影像素点训练并构建水波模型，对符合水波模型的像素点标记为水波像素点，否则标记为非水波点；第四步去除第二步中的阴影像素点和第三步中的水波像素点，得到仅包含船舶目标的船舶掩膜；第五步利用寄存器计算被标记为船舶的像素点在同一位置连续出现的时间，如果被标记为船舶的像素点在同一位置连续出现的时间达到寄存器累加的最大值，则将此像素点标记为(^host像素点，该位置寄存器复位，背景模型更新速度P = 1 ；否则寄存器值不变，更新速度P < 1 ；第六步重复上述第一步到第五步处理下一帧视频，直至处理完所有视频。本专利技术基于视频的多模型结合船舶检测方法包括如下步骤1、背景模型的构建背景模型的建造是为了初步筛选出视频序列中属于船舶的像素点，同时也对建造阴影和水波模型的像素点进行第一步筛选。本专利技术选择混合高斯建模法MoG进行背景模型的建造。MoG建模法根据像素点的像素值与高斯函数匹配概率的不同来训练学习模型中各个高斯函数的均值、方差、权重等参数，使模型最终收敛于一个或几个(K个)相互独立分布的高斯函数，K个高斯函数的加权和便构成了某一类像素点的特征模型。对于视频帧中的前景的检测是通过衡量像素点是否与背景模型中某个高斯函数相匹配，从而判别其是否属于背景像素点。利用像素点的灰度特征构造背景模型的特征，加快背景建模检测的速度。本专利技术先将像素点的RGB三维颜色向量转化为以像素点灰度特征表示的一维向量。点(x，y)处的 RGB颜色特征Ie(x, y)，IG(x, y)，Ib(x, y)转化为灰度特征X(x，y)的计算公式如下式所示。X (X，y) = 0. 2990*IE (χ, y) +0. 5870*IG (χ, y) +0. 1440*ΙΒ (χ, y) (1)t时刻的MoG背景模型如下式所示权利要求1.一种，其特征在于包括如下步骤 第一步利用当前时刻视频帧的灰度信息构建混合高斯背景模型，对比输入视频与背景模型是否匹配，得到前景掩膜，该前景掩膜中标记为运动目标的像素点包括船舶、阴影和水面波纹；第二步利用第一步检测到的前景掩膜的前景像素点训练并构建阴影模型，对符合阴影模型的像素点标记为阴影像素点，否则标记为非阴影像素点；第三步利用第二步的非阴影像素点训练并构建水波模型，对符合水波模型的像素点标记为水波像素点，否则标记为非水波点；第四步去除第二步中的阴影像素点和第三步中的水波像素点，得到仅包含船舶目标的船舶掩膜；第五步利用寄存器计算被标记为船舶的像素点在同一位置连续出现的时间，如果被标记为船舶的像素点在同一位置连续出现的时间达到寄存器累加的最大值，则将此像素点标记为(ihost像素点，该位置寄存器复位，背景模型更新速度P = 1 ；否则寄存器值不变， 更新速度P < 1 ；第六步重复上述第一步到第五步处理下一帧视频，直至处理完所有视频。2.根据权利要求1所述的，其特征在于上述第一步得到前景掩膜的具体过程如下利用混合高斯建模法MoG进行背景模型的建造，根据像素点的像素值与高斯函数匹配概率的不同来训练学习模型中各个高斯函数的参数，使模型最终收敛于一个或K个相互独立分布的高斯函数，K个高斯函数的加权和便构成了一类像素点的特征模型，对于视频帧中的前景的检测是通过衡量像素点是否与背景模型中某个高斯函数相匹配，从而判别其是否属于背景像素点。3.根据权利要求1所述的，其特征在于上述第二步中构建阴影模型的具体过程如下1)阴影点纹理特征及提取 根据图像的物理辐射场形成模型 I(x,y) = E(x,y) P (χ, y) (11)I(x,y本文档来自技高网...

【技术保护点】
１．一种基于视频的多模型结合水面船舶检测方法，其特征在于包括如下步骤：第一步：利用当前时刻视频帧的灰度信息构建混合高斯背景模型，对比输入视频与背景模型是否匹配，得到前景掩膜，该前景掩膜中标记为运动目标的像素点包括船舶、阴影和水面波纹；第二步：利用第一步检测到的前景掩膜的前景像素点训练并构建阴影模型，对符合阴影模型的像素点标记为阴影像素点，否则标记为非阴影像素点；第三步：利用第二步的非阴影像素点训练并构建水波模型，对符合水波模型的像素点标记为水波像素点，否则标记为非水波点；第四Ｇｈｏｓｔ像素点，该位置寄存器复位，背景模型更新速度ρ＝１；否则寄存器值不变，更新速度ρ＜１；第六步：重复上述第一步到第五步处理下一帧视频，直至处理完所有视频。步：去除第二步中的阴影像素点和第三步中的水波像素点，得到仅包含船舶目标的船舶掩膜；第五步：利用寄存器计算被标记为船舶的像素点在同一位置连续出现的时间，如果被标记为船舶的像素点在同一位置连续出现的时间达到寄存器累加的最大值，则将此像素点标记为

【技术特征摘要】

【专利技术属性】
技术研发人员：吴学文，王慧斌，李玲，李新，李晶晶，徐淑芳，宋云云，付翀，瞿永钢，孔飞，
申请(专利权)人：河海大学，
类型：发明
国别省市：84