本发明涉及一种基于融合背景模型的监控目标定位方法，读入监控视频，创建两个背景模型，两个背景模型分别为快更新背景模型和慢更新背景模型；根据快更新背景模型和慢更新背景模型，实时检测图像中出现稳定变化的区域；使用上一步的背景模型输出结果，得到两个更新速率不同的前后背景分割结果：快更新背景结果和慢更新背景结果；判定区域是否出现物体丢失，若是，保存物体丢失的相关视频帧、发出警报。
1.一种基于融合背景模型的监控目标定位方法，其特征在于包括以下步骤：
(1)读入监控视频，创建两个背景模型，两个背景模型分别为快更新背景模型和慢更新背景模型，使用相同的创建机制——混合高斯背景建模，但更新速率不同；快更新背景模型使用较大学习率，检测短时间内的前后背景；慢更新背景模型使用较小的学习率，检测较长时间内的前后背景；利用摄像头获得监控视频的图像数据，并将第一帧图像作为开始两个模型的背景图像，然后使用后续N帧图像更新，使得模型适应当前的光照变化；
(2)根据快更新背景模型和慢更新背景模型，实时检测图像中出现稳定变化的区域；使用上一步的背景模型输出结果，得到两个更新速率不同的前后背景分割结果：快更新背景结果和慢更新背景结果；
(3)判定区域是否出现物体丢失，若是，保存物体丢失的相关视频帧、发出警报，转步骤(4)；否则转步骤(2)；
2.根据权利要求1所述的基于融合背景模型的监控目标定位方法，其特征在于，步骤(1)中检测图像中出现稳定变化的区域的方法为：快、慢背景模型分别输出值为0、1的分割结果，0表示背景，1表示前景，那么对于监控画面特定位置的像素点，当快背景模型为0、慢背景模型为1时，表示该位置目前是静止态，但在过去的一段时间内是运动态，即为候选的变化区域；快、慢背景模型值分别为1、1时，则表示运动态；为减少噪音干扰，设置有限状态机进行变化区域筛选，当像素点的快、慢背景模型值从11态切换到10态，且10态维持某一固定帧数时，则认为该位置为稳定变化的区域，持续统计满足这样要求的像素点数，若像素数目基本维持稳定，则可以确定发生稳定变化的区域。
3.根据权利要求1所述的基于融合背景模型的监控目标定位方法，其特征在于，步骤(1)中判定区域是否出现物体丢失的方法为：根据监控视频的特点，一般发生稳定变化的位置在视频画面中的背景为地面、墙面，若是发生物体移除，在视频中的表现是：该区域从具有明显物体轮廓的画面，变化为均匀、连续的背景画面，梯度会降低，根据这个特点，对判定为稳定变化的区域进行梯度值计算，与前N帧的对应位置进行比较。若梯度值为降低趋势，则判定为物体丢失。
4.根据权利要求1所述的基于融合背景模型的监控目标定位方法，其特征在于，步骤(1)中双背景模型的更新方法为：快背景模型变化及时，判定为物体移除后基本不会对后续的判定造成影响，而慢更新背景模型会在较长时间内，在变化区域保留原来的像素信息，后续在相同位置发生物体移除时会受到干扰，因此，仅更新慢背景模型，更新方法为：构造发生物体移除位的位置掩模，对掩模位置的混合高斯背景模型相关参数重置为初始状态，其他位置保持不变，得到新的慢更新背景图像。
一种基于融合背景模型的监控目标定位方法
技术领域
[0001] 本发明涉及智能视频监控、计算机视觉领域，具体涉及一种基于融合背景模型的监控目标定位方法。
背景技术
[0002] 监控目标定位是安防智能监测预警系统中的一个重要应用，可应用于地铁、机场、体育场等公共场合下对重要物体的智能监测和保护。目前，监控目标定位主要有两种方式：第一种是直接对比局部图像变化判定目标物体是否丢失，该类方法需针对特定的监控画面指定监控位置，且易受到行人、车辆等移动物体的暂时性遮挡而出现误判；另一种是结合机器学习的方法进行目标检测，然后对感兴趣目标进行实时跟踪从而判定是否移除，这种方式则需要巨大的运算量，难以满足实时性的要求。所以，如何在较复杂环境下保证监控视频中物体移除检测的准确性、实时性是有待解决的问题。
发明内容
[0003] 为解决上述技术问题，本发明的目的在于提供一种基于融合背景模型的监控目标定位方法，准确、实时的检测监控目标。
[0004] 本发明的技术方案如下：
[0005] 一种基于融合背景模型的监控目标定位方法，其特征在于包括以下步骤：
[0006] (1)读入监控视频，创建两个背景模型，两个背景模型分别为快更新背景模型和慢更新背景模型；利用摄像头获得监控视频的图像数据，并将第一帧图像作为开始两个模型的背景图像，然后使用后续N帧图像更新，使得模型适应当前的光照变化；
[0007] (2)根据快更新背景模型和慢更新背景模型，实时检测图像中出现稳定变化的区域；使用上一步的背景模型输出结果，得到两个更新速率不同的前后背景分割结果：快更新背景结果和慢更新背景结果；
[0008] (3)判定区域是否出现物体丢失，若是，保存物体丢失的相关视频帧、发出警报，转步骤(4)；否则转步骤(2)；
[0009] (4)更新双背景模型。
[0010] 上述方法中，步骤(1)中创建两个背景模型的方法为：
[0011] 两个背景模型分别为快更新背景模型和慢更新背景模型，使用相同的创建机制——混合高斯背景建模，但更新速率不同；快更新背景模型使用较大学习率，检测短时间内的前后背景；慢更新背景模型使用较小的学习率，检测较长时间内的前后背景。
[0012] 上述方法中，步骤(2)中检测图像中出现稳定变化的区域的方法为：
[0013] 快、慢背景模型分别输出值为0、1的分割结果，0表示背景，1表示前景，那么对于监控画面特定位置的像素点，当快背景模型为0、慢背景模型为1时，表示该位置目前是静止态，但在过去的一段时间内是运动态，即为候选的变化区域；快、慢背景模型值分别为1、1时，则表示运动态；为减少噪音干扰，设置有限状态机进行变化区域筛选，当像素点的快、慢背景模型值从11态切换到10态，且10态维持某一固定帧数时，则认为该位置为稳定变化的区域，持续统计满足这样要求的像素点数，若像素数目基本维持稳定，则可以确定发生稳定变化的区域。
[0014] 上述方法中，步骤(3)中判定区域是否出现物体丢失的方法为：
[0015] 根据监控视频的特点，一般发生稳定变化的位置在视频画面中的背景为地面、墙面，若是发生物体移除，在视频中的表现是：该区域从具有明显物体轮廓的画面，变化为均匀、连续的背景画面，梯度会降低，根据这个特点，对判定为稳定变化的区域进行梯度值计算，与前N帧的对应位置进行比较。若梯度值为降低趋势，则判定为物体丢失。
[0016] 上述方法中，步骤(4)中双背景模型的更新方法为：
[0017] 快背景模型变化及时，判定为物体移除后基本不会对后续的判定造成影响，而慢更新背景模型会在较长时间内，在变化区域保留原来的像素信息，后续在相同位置发生物体移除时会受到干扰，因此，仅更新慢背景模型，更新方法为：构造发生物体移除位的位置掩模，对掩模位置的混合高斯背景模型相关参数重置为初始状态，其他位置保持不变，得到新的慢更新背景图像。
[0018] 本发明与现有技术对比，具有以下良好效果：
[0019] 1、本发明将融合背景模型的遗留物检测方法应用于物体移除检测，取代了通过对比局部图像变化的物体移除检测方法，具有更好的鲁棒性和抗干扰性。
[0020] 2、本发明结合监控视频的实际应用场景，通过边缘检测的方法区分物体的遗留和移除，在保证较高准确性的同时，相比于实时跟踪的方法提高了检测系统实时性。
附图说明
[0021] 图1是本发明的实现流程图；
[0022] 图2是是判定区域发生稳定变化的有限状态机图。
具体实施方式
[0023] 以下结合附图和具体实施对本发明进行详细描述，但不作为对本发明的限定。
[0024] 如图1，本方法的实现步骤如下：
[0025] (1)读入监控视频，创建两个背景模型：
[0026] 利用摄像头获得监控视频的图像数据，并将第一帧图像作为开始两个模型的背景图像，然后使用后续N帧图像更新，使得模型适应当前的光照变化。N取300帧左右可使得后续检测取得较好效果。
[0027] (2)检测图像中出现稳定变化的区域。
[0028] 使用上一步的背景模型输出结果，得到两个更新速率不同的前后背景分割结果——快更新背景结果和慢更新背景结果。其中，快更新背景结果的更新速率是28秒/次，慢更新背景结果的更新速率是0.5秒/次。快更新背景模型与慢更新背景模型的更新速率在40:1到80:1之间比较合适，这个比值可以根据具体的实际环境设定。对给定的输入视频，快、慢背景模型分别给出的前后背景分割结果，两个存在一定时间上的差异：当视频中的运动对象放下包裹，由于包裹在短时间内已经静止，于是快背景模型中只有运动的人；而从长期来看，包裹静止是暂时性的，在一定的时间阈值内，它仍然是运动态，于是慢背景模型中既包含了人，也包含有包裹。
[0029] 两个模型的背景分割结果可用01矩阵表示，0表示分割结果为背景，1表示为前景，则快、慢背景模型的某一像素在特定时刻的状态共有四种：
[0030] 00：表示该像素为背景；
[0031] 01：表示可能发生移除的稳定变化区域；
[0032] 10：表示被覆盖的静态前景；
[0033] 11：表示该像素为运动物体；
[0034] 通过像素点的状态转换可判定稳定变化的区域，如图2所示。当视频帧画面中像素的状态由运动态A(11)转换到可能目标B(10)，统计B连续出现的次数，当B状态出现次数达到设定阈值n时，像素状态转变为C，即认为该像素为稳定变化区域的组成像素。
[0035] 根据监控视频的随时间变化的特点，统计不同时刻状态C像素的总数，当C状态像素总数达到稳定且覆盖区域在设定的阈值范围之内时，则认为C状态像素区域为稳定变化的区域。
[0036] (3)判定区域是否出现物体移除：
[0037] 可通过梯度值变化检测进行物体移除的判定。若是出现物体移除，留下则是变化均匀、连续的背景画面，梯度会降低。保存当前帧图片及其前k张帧图像，统计这段时间内所有的帧图像在对应位置的梯度值，若出现梯度下降趋势则认为是物体移除。
[0038] (4)双背景模型的更新：
[0039] 快背景模型变化及时，判定为物体移除后基本不会对后续的判定造成影响。而慢更新背景模型会在较长时间内，在变化区域保留原来的像素信息，后续在相同位置发生物体移除时会受到干扰。因此，仅更新慢背景模型，更新方法为：构造发生物体移除位的位置掩模，对掩模位置的混合高斯背景模型相关参数重置为初始状态，其他位置保持不变，得到新的慢更新背景图像。
