專利名稱：基于提取函數和三通道分離的人物運動變化檢測方法
技術領域：
本發明屬于圖像處理技術領域，涉及圖像變化檢測，特別是一種基于提取函數和三通道分離對人物運動變化的智能檢測方法，可用于智能監控和智能輔助駕駛等諸多領域。
背景技術：
變化檢測是通過對不同時期圖像的比較分析，根據圖像之間的差異來得到所需要的目標變化信息。運動目標的檢測與跟蹤的目的是通過對視頻圖像的分析，實現對場景中目標的定位、識別和跟蹤，從而做到對目標行為的分析，以便對異常情況做出反應。運動目標檢測實時地在被監視的場景中檢測場景圖像的變化并提取新的目標，為目標的進一步識 別和分析做準備。目前，國內外對運動目標的檢測主要集中在對交通車輛的檢測上，對人物運動的檢測非常有限。然而對交通車輛的變化檢測的算法已經趨于成熟，所以可以將這些算法改進以后用于對人物運動的檢測上。根據國內外相關文獻，基于視頻的人物運動變化檢測主要有3種方法光流法，幀間差分法和減背景法。一.光流法這種方法的基本思想是通過計算出來的光流場來模擬運動場。光流場指圖像灰度模式的表面運動，而運動場指三維物體的實際運動在圖像平面上的投影。理想情況下，光流場和運動場互相吻合，但實際上光流場和運動場并不都是一樣的。一般來說，我們希望光流場和運動場差別不大，研究光流場的目的就是為了從序列圖像中近似計算不能直接得到的運動場。光流法不需要事先對圖像進行處理或者抽取特征，而是直接對圖像本身進行計算。光流法盡管在處理背景運動和遮擋問題上有很大優勢，但是還是有很多不足之處(1)基本的光流約束方程并非嚴格成立，只有在梯度較大的點或者一些比較特殊的表面結構，如在漫反射和平移占優的運動情況下，基本的光流約束方程才嚴格有效；(2)光流的計算存在較大的噪聲和誤差，其原因除了基本的光流約束方程并非嚴格成立外，微分運動對噪聲的敏感性，附加約束條件的不完善等因素，使從有噪聲的圖像中精確計算光流存在著較大的困難。(3)光流的計算量偏大，一般都需要迭代運算，所以比較耗時，而且精度越高的光流算法計算代價就越大，普通的數字信號處理芯片和硬件系統構架是難以勝任的，因此光流法的造價要比其他算法的造價高。二.幀間差分法幀間差分法又稱圖像序列差分法，該方法利用視頻序列中相鄰兩幀圖像灰度差值的絕對值來分析序列的運動特征，確定視頻序列中有無人物運動。圖像序列逐幀的差分，相當于對圖像序列進行了時間域上的高通濾波。幀間差分法能夠較快適應背景的動態變化，尤其對光照變化具有一定的魯棒性，但是它對于運動速度較慢的目標的檢測結果會出現空洞，而對于運動速度較快的目標會檢測出虛假目標，檢測算法的性能不能夠得到保證。三.減背景法減背景法是運動檢測領域最常用的算法之一，該方法首先計算當前幀和設定的場景背景模型的差，然后通過比較計該差值與設定的閾值的不同來檢測運動。該方法原理簡單，可用于實際監控系統中區，但是減背景法對場景的變化比較敏感，在背景變化較大時會造成誤檢，甚至完全失效。它的難點在于初始模型的建立和運動檢測過程中背景模型的及時更新。然而對人物的運動檢測一般應用于室內，而室內的光線可認為變化不大，故不需要考慮背景的更新，但是由于人的輪廓是不規則的弧形，故簡單的減背景法不能很好的檢測出人體的輪廓。
發明內容
本發明的目的在于針對上述減背景法中的不足，結合提取函數法和三通道分離法的初始模型和檢測方法，提出一種基于提取函數和三通道分離的人物運動變化檢測方法，以很好地保留運動人體的輪廓。實現本發明目的的技術思路是通過對一段視頻的前100幀圖像的灰度圖和YUV三通道分離后對應的單通道圖像的灰度值分別求和再取平均值得到四幅背景圖像；采用提取函數法對待檢測幀圖像B的灰度圖和對應的灰度背景進行處理，得到提取函數法的檢測結果圖；通過大津閾值法對待檢測幀B的YUV三通道分離圖像及其對應的背景圖像進行處理得到三幅單通道的結果圖；通過三選二的選擇機制將三者融合為一幅圖，并與提取函數法的結果圖進行或運算，得到最終結果。其具體步驟如下(I)對一段人物運動視頻的前100幀彩色紅綠藍RGB圖像的每幀圖像進行灰度轉換，得到對應的灰度圖，將該100幀灰度圖中對應的像素點的灰度值求和再取平均值，得到灰度圖背景A(i，j)，i，j代表像素點坐標；(2)對該視頻的前100幀彩色RGB圖像的每幀圖像進行YUV三通道分離，其中Y表示圖像的亮度，U和V表示色差，U是圖像的藍色分量B和Y的色差，V是圖像的紅色分量R和Y的色差，將每一通道的100幀圖像中對應的像素點的灰度值分別求和再取平均值，得到三通道對應的背景AY、A 和Av，其中Ay是Y通道所對應的背景圖像，Au是U通道所對應的背景圖像，Av是V通道所對應的背景圖像；(3)將包含有運動人物的待檢測幀圖像B的灰度圖B1Q, j)和灰度圖背景A(i，j)代入提取函數￡(U) = i-2七中，根據公式聊
權利要求
1.一種基于提取函數和三通道分離的人物運動變化檢測方法，包括如下步驟 (1)對一段人物運動視頻的前100幀彩色紅綠藍RGB圖像的每幀圖像進行灰度轉換，得到對應的灰度圖，將該100幀灰度圖中對應的像素點的灰度值求和再取平均值，得到灰度圖背景A(i，j)，i，j代表像素點坐標； (2)對該視頻的前100幀彩色RGB圖像的每幀圖像進行YUV三通道分離，其中Y表示圖像的亮度，U是圖像的藍色分量B和Y的色差，V是圖像的紅色分量R和Y的色差，將每一通道的100幀圖像中對應的像素點的灰度值分別求和再取平均值，得到三通道對應的背景AY、Au和Av，其中Ay是Y通道所對應的背景圖像，Au是U通道所對應的背景圖像，Av是V通道所對應的背景圖像； (3)將包含有運動人物的待檢測幀圖像B的灰度圖B1(Lj)和灰度圖背景A(i，j)代入提取函數
2.根據權利要求I所述的基于提取函數和三通道分離的人物運動變化檢測方法，其中步驟(I)所述的對彩色圖像進行灰度轉化，按如下步驟進行 Ia)提取彩色圖像的R通道分量，將該分量記為R ； Ib)提取彩色圖像的G通道分量，將該分量記為G ； Ic)提取彩色圖像的B通道分量，將該分量記為B ； Id)根據彩色圖像的RGB分量得到彩色圖像所對應的灰度圖Y=O. 299R+0. 587G+0. 114B。
3.根據權利要求I所述的基于提取函數和三通道分離的人物運動變化檢測方法，其中步驟(2)所述的對RGB彩色圖像進行YUV三通道分離，按如下步驟進行 2a)提取彩色圖像的R通道分量，將該分量記為R ； 2b)提取彩色圖像的G通道分量，將該分量記為G ； 2c)提取彩色圖像的B通道分量，將該分量記為B ；2d)按照轉換公式
4.根據權利要求I所述的基于提取函數和三通道分離的人物運動變化檢測方法，其中步驟4b)所述的對Λγ、八 和Av采用大津閾值法進行二值化處理，按如下步驟進行 4bl)設ΛY、Au和八￥灰度級為0 255，像素大小為_化記€(1，]_)為圖像點(i，j)處的灰度值，計算圖像的直方圖統計結果，得到灰度值為k的頻率PHS (k)為
全文摘要
本發明公開了一種基于提取函數和三通道分離的人物運動變化檢測方法。主要解決現有技術對人物運動變化檢測方法有限且輪廓不完整的問題。其實現過程為首先對一段人物運動視頻的前100幀圖像采用均值法建立其灰度圖背景和YUV三通道背景；用提取函數法處理待檢測圖像的灰度圖和灰度圖背景，得到提取函數法結果；再將待檢測圖像進行YUV三通道分離得到三幅單通道圖像，分別將它們和其對應通道的背景求絕對差；用大津閾值法對這三個絕對差進行二值化處理得到三幅單通道結果圖，通過三選二的機制將三者融合為一幅圖，再與提取函數法的結果進行或運算，得到最終結果。本發明算法簡單、人物輪廓完整，可用于實際監控系統對人物運動的變化檢測中。
文檔編號G06T7/20GK102915543SQ20121033642
公開日2013年2月6日 申請日期2012年9月12日 優先權日2012年9月12日
發明者于昕, 何焱, 焦李成, 吳建設, 尚榮華, 李陽陽 申請人:西安電子科技大學