一種融合Canny算子與Vibe算法的目標檢測方法
【專利摘要】本發明公開了一種融合Canny算子與Vibe算法的目標檢測方法，該方法包括以下步驟：利用ViBe算法的得到運動的前景；利用改進Canny算子進行前景邊緣提??；將提取出的運動前景和邊緣進行融合，并進行進一步提取。本發明中采用的ViBe算法不僅減少了背景模型建立的過程，還可以處理背景突然變化的情況，而且檢測到背景突然變化明顯時，只需要舍棄原始的模型，重新利用變化后的首幀圖像建立背景模型。同時改進Canny算法彌補了ViBe產生拖影區域的缺點。最后，將完整的結果輸出。通過在通用KTH人體行為數據庫的實驗表明，本發明可以有效地提高前景提取率。
【專利說明】一種融合Canny算子與Vi be算法的目標檢測方法

【技術領域】
[0001] 本發明涉及一種目標檢測方法，特別涉及一種融合Canny算子與Vibe算法的目標 檢測方法。

【背景技術】
[0002] 近年來，隨著各項重大國際賽事會議在國內舉辦，各類場所視頻監控的安放需求 不斷加大。但是傳統的視頻監控系統功能相當單一，需要花費大量的人力持續地監視屏幕， 然后做出相應的決策。再加上在一些特殊情況下（如：監視人員情緒不穩定、身體不適等因 素的影響），不可避免的會產生漏報和誤報等情況。所以，智能監控系統就應運而生。同時 由于中國逐漸進入老齡化社會，導致了勞動力成本越來越高，從而使監控系統的維護成本 也在不斷增長。這就導致智能視頻監控系統數量在成指數級增長。
[0003] 智能監控系統的特殊是具有分析功能，既能監控場景發生異常行為，并發出通知 或者警報。采用智能化的方式分析處理監控視頻是十分必要的，智能化的方式可以減少系 統的運行維護成本。因此，智能視頻監控系統中的目標檢測、目標跟蹤和行為分析成為近來 的計算機視覺領域研宄的一個重要方向。
[0004] 近年來，目標檢測方法得到研宄者的普遍關注，出現了一系列的目標檢測方法。現 階段常用的運動目標檢測方法大致可分為兩類：一類根據視頻的時序屬性來分割運動目 標，主要有光流法、相鄰幀差法和背景差分法。運動目標檢測的另一類算法以空間屬性為分 割依據，主要根據圖像的區域或邊緣信息來分割運動目標，主要有活動輪廓模型、邊緣檢測 算子等。但目前現有方法，在提權只有部分身體運動的前景目標時，效果往往不是很理想。
[0005] 傳統的Canny算子可能需要反復幾次實驗來尋找合適的閥值，然后再依據先驗經 驗來選取高低閥值的比例。但是該比例是固定的?？墒菍嶋H情況中光照、行人等不確定因 素都有可能影響到圖像。因此，不同圖像的最佳高低閥值的比例也不一樣。這就導致了傳 統的Canny算子不具有適應性。而本發明能夠很好地解決上面的問題。


【發明內容】

[0006] 本發明目的在于克服現有目標檢測方法的不足，提供一種融合Canny算子與Vibe 算法的目標檢測方法，該方法采用的ViBe算法不僅減少了背景模型建立的過程，還可以處 理背景突然變化的情況，而且檢測到背景突然變化明顯時，只需要舍棄原始的模型，重新利 用變化后的首幀圖像建立背景模型。同時改進的Canny算法彌補了 ViBe產生拖影區域的 缺點。最后，將完整的結果輸出。通過在通用KTH人體行為數據庫的實驗表明，本發明能夠 有效地提尚肖U景提取率。
[0007] 本發明解決其技術問題所采取的技術方案是：一種融合Canny算子與Vibe算法的 目標檢測方法，該方法包括以下步驟：
[0008] 步驟1、利用ViBe算法的得到運動的前景；
[0009] 步驟2、利用改進Canny算子進行前景邊緣提取；
[0010] 步驟3、將提取出的運動前景和邊緣進行融合，并進行進一步提取。
[0011] 本發明首先利用ViBe算法得到輸入視頻序列的初始前景目標，但是該前景目標 結果可能會存在大量的空洞。然后，通過改進的Canny算法得到較完善的前景目標邊緣。最 后，將出初始前景目標與上一步的前景目標的邊緣進行融合。對融合后的結果進一步進行 優化，以求得更為準確的前景目標。
[0012] 視頻序列中往往摻雜了大量的噪聲，噪聲的存在對閥值的選取有很大的影響。本 發明為了解決該問題，引入了迭代算法找到最佳閥值。這樣一方面降低了噪聲的影響，另一 方面又能提高Canny算子的自適應性。算法描述如下：
[0013] ①通過直方統計圖得出最小灰度值和最大灰度值的平均值作為初始閥值。

【權利要求】
1. 一種融合Canny算子與Vibe算法的目標檢測方法，其特征在于，所述方法包括如下 步驟： 步驟1 :利用ViBe算法的得到運動的前景； 步驟2 :利用改進Canny算子進行前景邊緣提??； 步驟3 :將提取出的運動前景和邊緣進行融合，并進行進一步提取。
2. 根據權利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征 在于：所述方法首先利用ViBe算法得到輸入視頻序列的初始前景目標；然后，通過改進的 Canny算法得到較完善的前景目標邊緣；最后，將得到的初始前景目標與上一步的前景目 標的邊緣進行融合，對融合后的結果進一步進行優化。
3. 根據權利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法在前景目標邊緣檢測過程中應用了一種改進的Canny算子。
4. 根據權利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法引入了迭代算法找到最佳閥值，包括： ① 通過直方統計圖得出最小灰度值和最大灰度值的平均值作為初始閥值； T0= {τκ|κ=ο}
其中K是迭代次數；Zmin、Zmax分別代表當前幀的最小和最大灰度值； ② 根據第一步所得的初始閥值，將所有灰度值分為兩個部分：比初始閥值小的和比初 始閥值大的，然后再分別對兩部分求平均值，再將2個平均值求平均，得到經過一次迭代的 閥佶，
其中Hl是大于閥值的像素部分，H2是小于閥值的像素部分；
其中，f(i，j)是圖像（i，j)點的灰度值；NL(i，j)、NH(i，j)分別為
計算新閥值
③ 將這個新閥值與初始閥值進行比較，如果兩個閥值滿足一定的關系，迭代結束，將新 閥值輸出，該新閥值就是最佳閥值T;否則，就將用這次產生的閥值去分割所有灰度值，重 復上述步驟； ④ 當迭代結束后，由當前幀的灰度直方圖計算出當前幀的平均灰度Ave; ⑤ 確定Canny算子的最佳高閥值和最佳低閥值，最佳高閥值Tmax為最佳閥值加上平均 值Ave，最佳低閥值Tmin就是最佳閥值T; Tmax=T+Ave Tmin=T 通過多次的迭代計算后，最佳閥值要比初始閥值好。
5.根據權利要求1所述的一種融合Canny算子與Vibe算法的目標檢測方法，其特征在 于：所述方法選擇的目標優化方法是掃描線填充法；掃描線填充法是將特定區域內部的所 有像素置為新值，當到達邊緣或者找到特定區域內所有像素時停止。
【文檔編號】G06K9/46GK104463165SQ201410576993
【公開日】2015年3月25日 申請日期:2014年10月24日 優先權日:2014年10月24日
【發明者】朱松豪, 劉佳偉, 孫偉 申請人:南京郵電大學