1.一种基于机器视觉的河流漂浮物实时检测方法,其特征在于:输入现场视频流,利用视频流前三帧图像建立背景模型,并采用三帧法检测Ghost区域,建立Ghost更新模板;采用固定阈值与动态阈值相结合的方法来设定像素分类阈值,进行像素分类操作;同时,根据像素分类结果,建立前景二值化图像mask和匹配值更新模板;进行噪声消除和填充空洞操作;
最后标记漂浮物,输出mask图像及标记帧,并根据mask图像修正匹配值更新模板,结合匹配值更新模板和Ghost区域更新模板进行背景模型更新。
2.根据权利要求1所述的基于机器视觉的河流漂浮物实时检测方法,其特征在于:包括以下步骤:
步骤1、首先设定监控摄像机视野范围,监控摄像机开始工作,实时采集天然河道的现场视频;对视频流进行切帧与灰度化处理,并设定方法相关参数;
步骤2、读入视频流前三帧图像,利用前三帧图像进行背景建模,同时采用三帧法检测前三帧中的Ghost区域,建立Ghost更新模板;
步骤3、采用固定阈值与动态阈值相结合的方法来设定像素分类阈值,进行像素分类操作;像素分类错做包括:将当前帧像素与背景模型中的样本进行比较,以分类阈值为标准判定像素属于背景还是前景,并得出像素在分类阈值内的匹配值;
步骤4、根据像素分类结果,建立前景二值化图像mask和匹配值更新模板;
步骤5、检测mask图像中的噪声与空洞,消除面积小于10的噪声,填充面积小于50的空洞;
步骤6、检测mask图像中各连通区域,并用方框标记输入帧上对应的连通区域,输出mask图像和标记后的输入帧;同时,根据mask图像修正匹配值更新模板,结合匹配值更新模板和Ghost更新模板进行更新背景模型。
3.根据权利要求2所述的基于机器视觉的河流漂浮物实时检测方法,其特征在于:所述步骤2中,读入视频流前三帧图像,将每帧图像的像素x及其8邻域NG(x)如公式(2)的像素值作为初始背景模型M0(x)的背景样本,则初始背景模型M0(x)将由N=27个背景样本组成;三帧初始化背景模型具体公式如下:xi={y|y∈{x,NG(x)}} (1)
其中,xi表示索引为i的像素,M1(x),M2(x),M3(x)分别为视频流第一、二、三帧像素x及其
8邻域NG(x)的像素值集合;M0(x)为像素x的初始背景模型的样本集,其是由三帧的像素值集M1(x),M2(x),M3(x)组成。
4.根据权利要求2所述的基于机器视觉的河流漂浮物实时检测方法,其特征在于:所述步骤2中,三帧法基本思想是读入视频流前三帧图像,每相邻的两帧之间做差分运算,对得到的两个差分图像进行阈值分割,将两个二值化的图像作或运算,最后对或运算后的二值化图像进行噪声消除和空洞填充操作,得到前三帧中存在的Ghost区域;接着,将Ghost图像转化成一个同输入帧等长宽的矩阵,组成Ghost更新模板。
5.根据权利要求2所述的基于机器视觉的河流漂浮物实时检测方法,其特征在于:所述步骤4中,在每帧的像素分类的过程中建立一个同输入帧等长宽,并由各像素匹配值n所组成的矩阵,即匹配值更新模板。
6.根据权利要求2所述的基于机器视觉的河流漂浮物实时检测方法,其特征在于:针对步骤5填充空洞的位置,设定匹配值更新模板对应位置的值为k,各像素匹配值为n;针对步骤5填充空洞的位置,则匹配值更新模板对应位置的值为0,如公式(3)所示:根据更新模板update(x)中值的大小设定更新因子,并进行背景模型的更新;这样增加背景模型的复杂度,加速旧样本值地淘汰,引入更多不同的新背景像素,如公式(4)所示:其中,更新因子φ越大,其更新概率越小,更新概率P(x)与更新因子φ的关系是:P(x)=1/φ;更新模板update(x)值为0时,不进行背景模型更新;update(x)值小于9时,必进行背景模型更新;update(x)值小于15时,以50%的概率更新背景模型;其他情况,以25%的概率更新背景模型。