專利名稱：動態(tài)背景下的運動目標檢測方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及計算機視覺、模式識別、視頻編碼、基于內容的檢索等的交叉領域，尤 其涉及一種動態(tài)背景下的運動目標檢測方法及系統(tǒng)。
背景技術：
運動目標檢測在視頻監(jiān)控、虛擬現(xiàn)實、機器人導航、軍事瞄準、電視編輯、醫(yī)學圖像 分析等許多領域都有了廣泛的應用，因此具有重要的使用價值和廣闊的發(fā)展前景。例如運 動目標檢測在以下幾方面就有非常重要的應用第一、智能視頻監(jiān)控領域。隨著經濟和社會的發(fā)展，智能視頻監(jiān)控系統(tǒng)不僅應用于 政府、軍隊、銀行、電力等傳統(tǒng)的對安全要求高的場合，而且也開始服務于人們的日常生活 安全，如小區(qū)、商場、學校、停車場等。這些系統(tǒng)利用計算機視覺和視頻處理技術自動分析攝 像頭采集的圖像序列，實時對場景中的目標進行定位、跟蹤、分析以判斷目標是否對安全造 成威脅。而這些對目標的運動分析，行為理解等諸多后續(xù)處理都依賴于運動目標檢測的結合。第二、智能交通領域。在交通系統(tǒng)中，運動目標檢測有廣泛的應用，主要包括電子 警察、車流量檢測、車輛超速檢測、卡口車輛統(tǒng)計、車輛異常行為檢測等，智能交通最終需要 的得到的是車牌號、車的數(shù)量、車的顏色和車型等車輛信息，但是要獲得這些重要信息首先 需要一個車輛觸發(fā)和車輛檢測的過程，即需要對運動的車輛進行檢測，檢測的結果提供給 后續(xù)應用進行處理。所以，運動目標檢測的結果是否優(yōu)良直接影響后續(xù)對車輛的高級分析， 也是提高整個系統(tǒng)性能的重要環(huán)節(jié)。第三、電視電影編輯領域?，F(xiàn)代電視電影節(jié)目編輯技術發(fā)展日新月異，我們看到的 很多精彩的畫面都是電腦合成的結果，例如，電視臺新聞節(jié)目中的主持人和變化的背景的 合成，電影中分開拍攝的場景合成令人稱贊的畫面，3D電影立體電影中畫面的分層等，電視 電影編輯過程，當需要將一幅場景中拍攝的人提取出來與其他場景進行合成時，就需要運 動目標的檢測。此外，運動目標檢測還應用在人機交互，運動分析，視頻傳輸?shù)确矫妗３松鲜雒?用方面的應用之外，運動目標檢測技術在軍事領域，特別是制導和導航方面也有廣泛的應用。視頻中的運動目標檢測是必須解決的基本問題之一，同時也是視頻領域許多高級 應用的基礎，如目標跟蹤、識別、內容分析與行為理解、基于對象的壓縮等。由于各種視頻應用的場合不盡相同，運動目標所處的環(huán)境和背景千變萬化，這對 運動目標檢測算法的適應性和穩(wěn)健性提出了更高的要求。所以，復雜條件(或背景)下的 運動目標檢測一直是視頻圖像處理和理解領域研究的難點和熱點，也日益成為視頻圖像處 理系統(tǒng)實用性和可靠性的一大障礙。復雜的環(huán)境在運動目標檢測中表現(xiàn)在動態(tài)背景(樹 木擺動，水面波動，前景遮擋背景等)、光照變化、攝像機抖動、噪聲等，這些現(xiàn)象在現(xiàn)實場景 中經常出現(xiàn)，并且發(fā)生的頻率和程度也不盡相同，所以，現(xiàn)實給運動目標檢測算法的設計提出了更高的要求，針對復雜環(huán)境下運動目標檢測的研究也非常重要和必要。但是，傳統(tǒng)的幀差分法、簡單的背景減除的方法在檢測運動目標時很難適應背景 的變化。
發(fā)明內容
本發(fā)明的目的在于提供一種動態(tài)背景下的運動目標檢測方法及系統(tǒng)，基于本發(fā) 明，以更好的處理動態(tài)背景下的運動目標的檢測。一方面，本發(fā)明一種動態(tài)背景下的運動目標檢測方法包括分割步驟，確定背景圖 像和當前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應的第二分辨率的圖像， 以及與所述具有第一分辨率的當前幀圖像原圖對應的第二分辨率的圖像；分別對所述背景 圖像和當前幀圖像的第二分辨率圖像進行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一 分辨率大于第二分辨率；第一檢測步驟，第二分辨率下，基于背景圖像的多個子區(qū)域直方圖 獲取背景模型；基于當前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動 目標的區(qū)域；第二檢測步驟，第一分辨率下，確定所述可能存在運動目標的區(qū)域在所述當前 幀圖像中所對應的區(qū)域；基于自適應高斯混合模型檢測運動目標，重新確定所述運動目標 所對應的區(qū)域；修正步驟，判斷所述運動目標所對應的區(qū)域與所述可能存在運動目標的區(qū) 域是否相同；若否，則基于無限脈沖響應濾波器法更新建立的背景模型，然后返回執(zhí)行第二 檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測步驟，基于所述修正的背景模型，確定當 前幀的前景點與背景點，進而完成自適應混合高斯模型下的目標檢測。上述運動目標檢測方法中，優(yōu)選所述分割步驟中，還包括直方圖修正步驟，判斷 所述背景圖像的多個子區(qū)域直方圖和當前幀圖像的多個子區(qū)域直方圖是否受邊界效應的 影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進行修正。上述運動目標檢測方法中，優(yōu)選所述可能存在運動目標的區(qū)域通過如下方式確 定計算當前幀圖像的子區(qū)域直方圖與背景模型對應的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當前幀子區(qū)域被認為可能存在運動目標的區(qū)域。上述運動目標檢測方法中，優(yōu)選所述修正步驟中，通過如下方式，基于無限脈沖響 應濾波器法更新建立的背景模型Bk=(Pa)Bk-Ja^fk其中，1)是更新率，fk是當前幀對應的直方圖，Bk-I是前一幀背景模 型的直方圖，Bk是當前幀背景模型的直方圖。上述運動目標檢測方法中，優(yōu)選所述第二檢測步驟中，所述自適應高斯混合模型 通過如下方式獲取使用自適應高斯混合模型進行建模；對模型中的混合高斯分布參數(shù)進 行修正；對模型中各個權重進行歸一化處理；從混合高斯分布集合中選出多個高斯分布作 為自適應高斯混合模型。另一方面，本發(fā)明一種動態(tài)背景下的運動目標檢測系統(tǒng)，包括分割模塊、第一檢 測模塊、第二檢測模塊、修正模塊和前景檢測模塊。其中分割模塊用于確定背景圖像和當 前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應的第二分辨率的圖像，以及與 所述具有第一分辨率的當前幀圖像原圖對應的第二分辨率的圖像；分別對所述背景圖像和當前幀圖像的第二分辨率圖像進行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一分辨率 大于第二分辨率；第一檢測模塊用于第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲 取背景模型；基于當前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目 標的區(qū)域；第二檢測模塊用于第一分辨率下，確定所述可能存在運動目標的區(qū)域在所述當 前幀圖像中所對應的區(qū)域；基于自適應高斯混合模型檢測運動目標，重新確定所述運動目 標所對應的區(qū)域；修正模塊用于判斷所述運動目標所對應的區(qū)域與所述可能存在運動目標 的區(qū)域是否相同；若否，則基于無限脈沖響應濾波器法更新建立的背景模型，然后返回執(zhí)行 第二檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測模塊用于基于所述修正的背景模型， 確定當前幀的前景點與背景點，進而完成自適應混合高斯模型下的目標檢測。上述運動目標檢測系統(tǒng)，優(yōu)選所述分割模塊中，還包括直方圖修正單元，用于判 斷背景圖像的多個子區(qū)域直方圖和當前幀圖像的多個子區(qū)域直方圖是否受邊界效應的影 響，若受到影響，則采用線性插值法對子區(qū)域直方圖進行修正。上述運動目標檢測系統(tǒng)，優(yōu)選所述可能存在運動目標的區(qū)域通過如下方式確定 計算當前幀圖像的子區(qū)域直方圖與背景模型對應的子區(qū)域直方圖的歐氏距離，若所述歐式 距離大于指定閾值時，所述當前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似，所述 當前幀子區(qū)域被認為可能存在運動目標的區(qū)域。上述運動目標檢測系統(tǒng)，優(yōu)選所述修正模塊中，通過如下方式，基于無限脈沖響應 濾波器法更新建立的背景模型=Bk = (l-^B^+a · fk ；其中，a (0彡a彡1)是更新率，fk是 當前幀對應的直方圖，Bk^1是前一幀背景模型的直方圖，Bk是當前幀背景模型的直方圖。上述運動目標檢測系統(tǒng)，優(yōu)選所述第二檢測模塊中，所述自適應高斯混合模型通 過如下方式獲取使用自適應高斯混合模型進行建模；對模型中的混合高斯分布參數(shù)進行 修正；對模型中各個權重進行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為 自適應高斯混合模型。相對于現(xiàn)有技術而言，本發(fā)明充分考慮序列圖像中背景變化在時間和空間上的關 系，可以很好的處理動態(tài)背景問題，并且，本發(fā)明的高、低分辨率的互補檢測過程，相對于混 合高斯模型運動目標檢測有以下優(yōu)點第一，對于背景緩慢或突發(fā)局部擾動，低分辨率都可 以減少其影響，進而減少互補算法的檢測錯誤，但是直接使用混合高斯模型檢測不能處理 突發(fā)局部擾動，會在背景突然變化時刻造成檢測錯誤。第二，高、低分辨率互補檢測對噪聲 影響具有一定的魯棒性。
圖IA為本發(fā)明動態(tài)背景下的運動目標檢測方法框架圖；圖IB為圖像的多分辨率分層圖示意圖；圖2為本發(fā)明動態(tài)背景下的運動目標檢測方法實施例的步驟流程圖；圖3為本發(fā)明動態(tài)背景下的運動目標檢測方法的運動目標檢測結果圖；圖4為不同子區(qū)域選取方式下的低分辨率運動目標區(qū)域檢測結果圖；圖5為本發(fā)明動態(tài)背景下的運動目標檢測系統(tǒng)的結構框圖。
具體實施例方式為使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結合附圖和具體實 施方式對本發(fā)明作進一步詳細的說明。運動目標檢測是計算機視覺、模式識別、視頻編碼、基于內容的檢索等領域的研究 重點和難點，已經在視頻監(jiān)控、虛擬現(xiàn)實、機器人導航等許多領域得到廣泛應用。參照圖IA和圖1B，本發(fā)明采用降低分辨率的方法，對圖像進行多分辨率處理。其 中，多分辨率處理是指對圖像進行高斯模糊并降低分辨率的過程。發(fā)明分為低分辨率處理 和高分辨率處理兩步，低分辨率下獲取運動目標的子區(qū)域，高分辨率得到精確的檢測結果。參照圖2，圖2為本發(fā)明動態(tài)背景下的運動目標檢測方法實施例的步驟流程圖，包 括如下步驟分割步驟S210，確定背景圖像和當前幀圖像，獲取與所述具有第一分辨率的 背景圖像原圖對應的第二分辨率的圖像，以及與所述具有第一分辨率的當前幀圖像原圖對 應的第二分辨率的圖像；分別對所述背景圖像和當前幀圖像的第二分辨率圖像進行區(qū)域分 割，并求出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測步驟S220，第二 分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當前幀圖像的多個子區(qū) 域直方圖與所述背景模型，檢測可能存在運動目標的區(qū)域；第二檢測步驟S230，第一分辨 率下，確定所述可能存在運動目標的區(qū)域在所述當前幀圖像中所對應的區(qū)域；基于自適應 高斯混合模型檢測運動目標，重新確定所述運動目標所對應的區(qū)域；修正步驟S240，判斷 所述運動目標所對應的區(qū)域與所述可能存在運動目標的區(qū)域是否相同；若否，則基于無限 脈沖響應濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步驟；若是，則執(zhí)行前景檢 測步驟；前景檢測步驟S250，基于所述修正的背景模型，確定當前幀的前景點與背景點，進 而完成自適應混合高斯模型下的目標檢測。上述各個步驟涉及如下技術圖像的多分辨率處理本發(fā)明所使用的圖像的多分辨率處理是指對圖像進行高斯模糊并降低分辨率的過 程，即原有圖像進行高斯平滑，然后利用均值濾波進行降分辨率處理，得到低分辨率圖像。背景圖像估計方法(1)統(tǒng)計平均方法這種方法是對背景圖像進行多幅平均，多幅圖像經常選擇最近一段時間內的連續(xù) 圖像，這種方法一般適用于場景內目標滯留時間較短，目標出現(xiàn)不頻繁的情況。簡單的背景 修正方法可采用如下方式
權利要求
一種動態(tài)背景下的運動目標檢測方法，其特征在于，分割步驟，確定背景圖像和當前幀圖像，獲取與所述具有第一分辨率的背景圖像原圖對應的第二分辨率的圖像，以及與所述具有第一分辨率的當前幀圖像原圖對應的第二分辨率的圖像；分別對所述背景圖像和當前幀圖像的第二分辨率圖像進行區(qū)域分割，并求出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測步驟，第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目標的區(qū)域；第二檢測步驟，第一分辨率下，確定所述可能存在運動目標的區(qū)域在所述當前幀圖像中所對應的區(qū)域；基于自適應高斯混合模型檢測運動目標，重新確定所述運動目標所對應的區(qū)域；修正步驟，判斷所述運動目標所對應的區(qū)域與所述可能存在運動目標的區(qū)域是否相同；若否，則基于無限脈沖響應濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步驟；若是，則執(zhí)行前景檢測步驟；前景檢測步驟，基于所述修正的背景模型，確定當前幀的前景點與背景點，進而完成自適應混合高斯模型下的目標檢測。
2.根據(jù)權利要求1所述的運動目標檢測方法，其特征在于，所述分割步驟中，還包括直方圖修正步驟，判斷所述背景圖像的多個子區(qū)域直方圖和當前幀圖像的多個子區(qū)域直方圖是否受邊界效應的影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進行修正。
3.根據(jù)權利要求2所述的運動目標檢測方法，其特征在于，所述可能存在運動目標的 區(qū)域通過如下方式確定計算當前幀圖像的子區(qū)域直方圖與背景模型對應的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當前幀子區(qū)域被認為可能存在運動目標的區(qū)域。
4.根據(jù)權利要求3所述的運動目標檢測方法，其特征在于，所述修正步驟中，通過如下 方式，基于無限脈沖響應濾波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是當前幀對應的直方圖，Blri是前一幀背景模型的直 方圖，Bk是當前幀背景模型的直方圖。
5.根據(jù)權利要求4所述的運動目標檢測方法，其特征在于，所述第二檢測步驟中，所述 自適應高斯混合模型通過如下方式獲取使用自適應高斯混合模型進行建模；對模型中的混合高斯分布參數(shù)進行修正；對模型 中各個權重進行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為自適應高斯混 合模型。
6.一種動態(tài)背景下的運動目標檢測系統(tǒng)，其特征在于，包括分割模塊，用于確定背景圖像和當前幀圖像，獲取與所述具有第一分辨率的背景圖像 原圖對應的第二分辨率的圖像，以及與所述具有第一分辨率的當前幀圖像原圖對應的第二 分辨率的圖像；分別對所述背景圖像和當前幀圖像的第二分辨率圖像進行區(qū)域分割，并求 出多個子區(qū)域直方圖；所述第一分辨率大于第二分辨率；第一檢測模塊，用于第二分辨率下，基于背景圖像的多個子區(qū)域直方圖獲取背景模型；基于當前幀圖像的多個子區(qū)域直方圖與所述背景模型，檢測可能存在運動目標的區(qū)域；第二檢測模塊，用于第一分辨率下，確定所述可能存在運動目標的區(qū)域在所述當前幀 圖像中所對應的區(qū)域；基于自適應高斯混合模型檢測運動目標，重新確定所述運動目標所 對應的區(qū)域；修正模塊，用于判斷所述運動目標所對應的區(qū)域與所述可能存在運動目標的區(qū)域是否 相同；若否，則基于無限脈沖響應濾波器法更新建立的背景模型，然后返回執(zhí)行第二檢測步 驟；若是，則執(zhí)行前景檢測步驟；前景檢測模塊，用于基于所述修正的背景模型，確定當前幀的前景點與背景點，進而完 成自適應混合高斯模型下的目標檢測。
7.根據(jù)權利要求6所述的運動目標檢測系統(tǒng)，其特征在于，所述分割模塊中，還包括直方圖修正單元，用于判斷背景圖像的多個子區(qū)域直方圖和當前幀圖像的多個子區(qū)域直方圖是否受邊界效應的影響，若受到影響，則采用線性插值法對子區(qū)域直方圖進行修正。
8.根據(jù)權利要求7所述的運動目標檢測系統(tǒng)，其特征在于，所述可能存在運動目標的 區(qū)域通過如下方式確定計算當前幀圖像的子區(qū)域直方圖與背景模型對應的子區(qū)域直方圖的歐氏距離，若所述 歐式距離大于指定閾值時，所述當前幀的子區(qū)域直方圖與所述背景模型中直方圖不相似， 所述當前幀子區(qū)域被認為可能存在運動目標的區(qū)域。
9.根據(jù)權利要求8所述的運動目標檢測系統(tǒng)，其特征在于，所述修正模塊中，通過如下 方式，基于無限脈沖響應濾波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是當前幀對應的直方圖，Blri是前一幀背景模型的直 方圖，Bk是當前幀背景模型的直方圖。
10.根據(jù)權利要求9所述的運動目標檢測系統(tǒng)，其特征在于，所述第二檢測模塊中，所 述自適應高斯混合模型通過如下方式獲取使用自適應高斯混合模型進行建模；對模型中的混合高斯分布參數(shù)進行修正；對模型 中各個權重進行歸一化處理；從混合高斯分布集合中選出多個高斯分布作為自適應高斯混 合模型。
全文摘要
本發(fā)明公開了一種動態(tài)背景下的運動目標檢測方法及系統(tǒng)。該方法包括低分辨率處理和高分辨率處理，低分辨率下獲取運動目標的子區(qū)域，高分辨率得到精確的檢測結果。本發(fā)明可以很好的處理動態(tài)背景問題；并且，本發(fā)明的高、低分辨率的互補檢測過程，相對于混合高斯模型運動目標檢測有以下優(yōu)點第一，對于背景緩慢或突發(fā)局部擾動，低分辨率都可以減少其影響，進而減少互補算法的檢測錯誤，但是直接使用混合高斯模型檢測不能處理突發(fā)局部擾動，會在背景突然變化時刻造成檢測錯誤。第二，高、低分辨率互補檢測對噪聲影響具有一定的魯棒性。
文檔編號G06T7/20GK101996410SQ20101058285
公開日2011年3月30日 申請日期2010年12月7日 優(yōu)先權日2010年12月7日
發(fā)明者劉渭濱, 崇信毅, 戶磊, 李波, 邢薇薇, 邱亞欽 申請人:北京交通大學