一种避免光照影响的目标检测方法 【专利摘要】一种避免光照影响的目标检测方法。其包括按顺序执行的下列步骤：

步骤101：采用统计学的方法建立背景图像；

步骤102：计算并输出当前帧图像的梯度和所述背景图像的梯度，所述梯度包括水平方向梯度和垂直方向梯度；

步骤103：比较所述当前帧图像的梯度和所述背景图像的梯度的方向和幅度，并据此提取并输出前景轮廓；步骤104：对提取的前景轮廓进行填充以获取前景团块，并滤除噪声以输出目标。本发明提供的避免光照影响的目标检测方法能够准确地检测出避免光照影响的目标，有效地解决了目标检测中由于光照影响而产生的检测目标的不准确和不可靠问题。 【专利说明】一种避免光照影响的目标检测方法 【技术领域】

[0001]本发明属于图像处理、视频监控【技术领域】，特别是涉及一种避免光照影响的目标检测方法。 【背景技术】

[0002]运动目标检测是智能视频监控技术的基础，其检测结果将会直接影响着后期事件(诸如:入侵、物品遗留、物品被盗、车辆逆向行驶等)检测的误警率和虚警率，因此得到了广泛地关注。然而在实际应用时，经常会出现光照变化的情况，这就大大影响了运动目标检测的准确性和可靠性。因此，需要研究避免光照影响的目标检测方法。

[0003]目前研究的避免光照影响的目标检测方法主要有两类。其中，一类方法是基于像素的方法。一般来说光照变化只会带来像素亮度的变化而色彩不会有太大变化，此类方法基于这一原理在HSI空间对像素值进行分析以识别光照变化。但是在真实环境里面很多情况都不满足这个假设前提，而且在大多数的室外场景里面无论是背景还是目标都没有颜色信息，这样这类方法在实际环境里面的应用效果并不理想。另一类方法是基于区域的方法。如果在光照变化前后场景都具有一定的对比度，那么光照的变化不会带来图像纹理边缘特征的变化，基于区域的方法正是利用这个原理，如果前景和背景的边缘相匹配，则此前景区域就是光照变化造成的虚假前景区域。但是在晚间“光照变化前后场景都具有一定的对比度”的假设不成立，则这类方法失效。此外，光照变化区域中同时有真实目标进入也会导致这类方法匹配失败。

[0004]综上所述，目前迫切需要提出一种简单且有效地避免光照影响的目标检测方法。 【发明内容】 [0005]为了解决上述问题，本发明的目的在于提供一种避免光照影响的目标检测方法。

[0006]为了达到上述目的，本发明提供的避免光照影响的目标检测方法包括按顺序执行的下列步骤: [0007]步骤101:采用统计学的方法建立背景图像；

[0008]步骤102:计算并输出当前帧图像的梯度和所述背景图像的梯度，所述梯度包括水平方向梯度和垂直方向梯度；

[0009]步骤103:比较所述当前帧图像的梯度和所述背景图像的梯度的方向和幅度，并据此提取并输出前景轮廓；

[0010]步骤104:对提取的前景轮廓进行填充以获取前景团块，并滤除噪声以输出目标。

[0011]在步骤102中，所述的当前帧图像的水平方向梯度、垂直方向梯度，以及所述背景图像的水平方向梯度、垂直方向梯度是采用梯度算子分别进行计算。 [0012]在步骤103中，所述的比较当前帧图像的梯度和背景图像的梯度的方向和幅度，并据此提取并输出前景轮廓的方法包括以下步骤:

[0013]步骤1031:根据步骤102输出的所述当前帧图像的水平方向梯度和垂直方向梯度、以及所述背景图像的水平方向梯度和垂直方向梯度计算所述当前帧图像内每个像素点的梯度幅值Al和梯度方向Θ 1、以及所述背景图像内每个像素点的梯度幅值A2和梯度方向Θ2；

[0014]步骤1032:如果所述当前帧图像内的像素点(x，y)的梯度幅值Al和所述背景图像内的该像素点(x，y)的梯度幅值A2均≥第一阈值Tl，则转入步骤1033 ;如果梯度幅值Al和A2均≤第二阈值T2，则认为该像素点(x，y)为噪声点，否则计算|A1_A2| ;如果 A1-A2≥第三阈值T3，则认为该像素点(x，y)属于前景点；

[0015]步骤1033:计算所述当前帧图像内的该像素点(X，y)的梯度方向Θ I与所述背景图像内的该像素点(x，y)的梯度方向Θ 2的绝对差值I θ 1-Θ2|，如果I θ 1-Θ2≥第四阈值T4，则认为该像素点(x，y)属于前景点；

[0016]步骤1034:提取出所有属于前景点的像素点，从而获取前景轮廓。

[0017]所述的第一阈值Tl e [8，12]，第二阈值T2 e [3，5]，第三阈值T3 e [4，6]，第四阈值 T4 e [18。, 22° ]。

[0018]在步骤104中，所述的对提取的前景轮廓进行填充以获取前景团块，并滤除噪声以输出目标包括以下步骤:

[0019]步骤1041:对步骤103输出的前景轮廓进行填充以获取前景团块；

[0020]步骤1042:计算当前帧图像与背景图像的差值图像，采用阈值分割法对该差值图像进行阈值分割，以获取差值图像中的变化前景；