專利名稱：一種遺留物檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本申請涉及視頻監(jiān)控領(lǐng)域，特別是涉及一種遺留物檢測方法及裝置。
背景技術(shù)：
在視頻監(jiān)控系統(tǒng)中，遺留物檢測主要是為了輔助監(jiān)控人員維護(hù)公共安全，它是基于數(shù)字圖像處理、數(shù)字視頻處理、計(jì)算機(jī)視覺和模式識別等技術(shù)進(jìn)行研發(fā)的，借助于計(jì)算機(jī)處理技術(shù)，對監(jiān)控視頻中的海量數(shù)據(jù)進(jìn)行高速分析，自動(dòng)檢測公共場所中的遺留物，并向監(jiān)控人員報(bào)警。目前的遺留物檢測方法中，直接利用混合高斯模型進(jìn)行背景建模，這種遺留物檢測方法對光照變化的穩(wěn)定性較差，所以當(dāng)光照突然發(fā)生變化時(shí)，會(huì)產(chǎn)生大量誤檢前景，從而會(huì)因?yàn)楣庹兆兓斐蛇z留物的誤檢；并且由于混合高斯模型不能解決動(dòng)態(tài)背景問題，容易受到如隨風(fēng)擺動(dòng)的樹葉和水波的干擾，而把這些動(dòng)態(tài)的復(fù)雜背景當(dāng)作前景區(qū)域檢測出來，所以當(dāng)背景中出現(xiàn)隨風(fēng)擺動(dòng)的樹葉和水波等周期性運(yùn)動(dòng)的背景時(shí)，這種遺留物檢測方法也會(huì)造成遺留物的誤檢，導(dǎo)致遺留物的誤檢。另外，目前的遺留物檢測方法中只要某個(gè)前景區(qū)域靜止的時(shí)間足夠長就開始報(bào)警，即不論靜止前景區(qū)域是靜止的行人還是靜止的遺留物，都會(huì)進(jìn)行報(bào)警，這同樣會(huì)造成遺留物的誤檢。所以，如何提高遺留物檢測精度，降低遺留物誤檢率是遺留物檢測中亟待解決的問題。

發(fā)明內(nèi)容
為解決上述技術(shù)問題，本申請實(shí)施例提供一種遺留物檢測方法，通過徑向延伸濾波去除光照突然變化造成的誤檢；利用混合高斯模型的微觀信息來適應(yīng)復(fù)雜動(dòng)態(tài)背景；通過累計(jì)分析雙前景二值圖的方法來提高系統(tǒng)的抗遮擋能力；通過提取特征進(jìn)行分類檢測的方法來去除非遺留物(例如行人)造成的誤檢現(xiàn)象，這種遺留物檢測方法，提高了遺留物的檢測精度，降低了遺留物誤檢率。技術(shù)方案如下一種遺留物檢測方法，包括利用混合高斯模型進(jìn)行背景建模，建立的背景模型包括長周期背景模型和短周期背景模型；將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖，并對所述視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波，獲得視頻幀的長周期前景二值圖和短周期前景二值圖；獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，并對所述生命周期內(nèi)視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析，依據(jù)所述生命周期信息和累計(jì)分析結(jié)果確定靜止前景區(qū)域；對所述靜止前景區(qū)域進(jìn)行分類并檢測出其中的遺留物。上述方法，優(yōu)選的，所述對視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波包括計(jì)算視頻幀所對應(yīng)的初始長周期前景二值圖中各個(gè)前景像素點(diǎn)在與所述視頻幀相對應(yīng)的背景圖像中對應(yīng)位置上的像素點(diǎn)的延伸向量；依據(jù)所述延伸向量分別計(jì)算所述各個(gè)前景像素點(diǎn)在所述背景圖像和所述視頻幀中的對應(yīng)位置上的亮度分布值；依據(jù)所述亮度分布值分別計(jì)算所述背景圖像和所述視頻幀中對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值，并依據(jù)所述徑向延伸相關(guān)性值分別對所述初始長周期前景二值圖和初始短周期前景二值圖中對應(yīng)位置上的前景像素點(diǎn)進(jìn)行重新設(shè)置；對依據(jù)所述徑向延伸相關(guān)性重新設(shè)置前景像素點(diǎn)后的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行高斯平滑，獲得所述視頻幀的長周期前景二值圖和短周期前景二值圖。上述方法，優(yōu)選的，所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息包括所述長周期混合高斯模型中單個(gè)高斯分布從創(chuàng)建時(shí)的初始狀態(tài)變?yōu)轭A(yù)設(shè)的最終狀態(tài)的持續(xù)時(shí)間；相應(yīng)的，所述對生命周期內(nèi)所有視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析包括對比分析在所述持續(xù)時(shí)間內(nèi)各個(gè)視頻幀的長周期前景二值圖和短周期前景二值圖中相對應(yīng)的像素點(diǎn)，并記錄所述相對應(yīng)的像素點(diǎn)被判斷為靜止前景像素點(diǎn)的累計(jì)次數(shù)；相應(yīng)的，所述依據(jù)生命周期信息和累計(jì)分析結(jié)果檢測出靜止前景區(qū)域包括當(dāng)所述持續(xù)時(shí)間滿足第一預(yù)設(shè)條件且所述累計(jì)次數(shù)滿足第二預(yù)設(shè)條件時(shí)，確定與所述持續(xù)時(shí)間和所述累計(jì)次數(shù)相對應(yīng)的像素點(diǎn)為靜止前景像素點(diǎn)，所有被確定為靜止前景像素點(diǎn)的像素點(diǎn)組成的區(qū)域?yàn)殪o止前景區(qū)域。上述方法，優(yōu)選的，所述對靜止前景區(qū)域分類并檢測出其中的遺留物包括提取所述靜止前景區(qū)域的特征，依據(jù)所述特征對所述靜止前景區(qū)域進(jìn)行檢測，若所述靜止前景區(qū)域中檢測不到具有所述特征的子區(qū)域則所述靜止前景區(qū)域?yàn)檫z留物。上述方法，優(yōu)選的，所述靜止前景區(qū)域的特征包括靜止前景區(qū)域的梯度方向直方圖特征；相應(yīng)的，所述提取前景區(qū)域的特征，依據(jù)所述特征對靜止前景區(qū)域進(jìn)行分類檢測包括定義行人檢測窗口，將所述行人檢測窗口在靜止前景區(qū)域中滑動(dòng)，計(jì)算所述前景區(qū)域中與所述行人檢測窗口相對應(yīng)圖像在不同尺度下的梯度方向直方圖特征；將所述不同尺度下的梯度方向直方圖特征輸入預(yù)先訓(xùn)練好的分類器中進(jìn)行分類。上述方法，優(yōu)選的，所述計(jì)算前景區(qū)域中與行人檢測窗口相對應(yīng)圖像在不同尺度下的梯度方向直方圖特征包括利用梯度算子計(jì)算所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像中各個(gè)像素點(diǎn)的梯度向量；將所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像均勻劃分為N個(gè)單元，并計(jì)算各個(gè)單元的所述梯度向量方向的第一直方圖特征；依據(jù)所述單元的第一直方圖特征計(jì)算由M(M < N)個(gè)單元組成的圖像塊的所述梯度向量方向的第二直方圖特征，并對所述第二直方圖特征進(jìn)行歸一化；依據(jù)歸一化的第二直方圖特征計(jì)算所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像的第三直方圖特征。上述方法，優(yōu)選的，所述對視頻幀的初始短周期前景二值圖進(jìn)行徑向延伸濾波之后，確定靜止前景區(qū)域之前進(jìn)一步包括檢測每一幀短周期前景二值圖中發(fā)生前景區(qū)域分離的父前景區(qū)域，記錄父前景區(qū)域與從所述父前景區(qū)域分離出來的若干子前景區(qū)域的分離關(guān)系，并對所述若干子前景區(qū)域進(jìn)行跟蹤。上述方法，優(yōu)選的，所述對靜止前景區(qū)域進(jìn)行分類檢測之后，包括當(dāng)所述靜止前景區(qū)域中檢測不到預(yù)設(shè)信息時(shí)，依據(jù)所述分離關(guān)系判斷是否存在與所述靜止前景區(qū)域?qū)儆谕桓盖熬皡^(qū)域的子前景區(qū)域，如果不存在，則所述靜止前景區(qū)域?yàn)檫z留物，否則，計(jì)算所述靜止前景區(qū)域和與所述靜止前景區(qū)域?qū)儆谕桓盖熬皡^(qū)域的子前景區(qū)域的距離，當(dāng)所述距離大于第三預(yù)設(shè)閾值時(shí)，所述靜止前景區(qū)域?qū)儆谶z留物。一種遺留物檢測裝置，包括建模模塊、徑向延伸濾波器、靜止前景區(qū)域檢測模塊和分類檢測模塊；其中所述建模模塊用于利用混合高斯模型進(jìn)行背景建模，建立的背景模型包括長周期背景模型和短周期背景模型；所述徑向延伸濾波器用于將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖，并對所述視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波，獲得視頻幀的長周期前景二值圖和短周期前景二值圖；所述靜止前景區(qū)域檢測模塊用于獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，并在所述生命周期內(nèi)對所有視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析，依據(jù)所述生命周期信息和累計(jì)分析結(jié)果檢測出靜止前景區(qū)域；所述分類檢測模塊用于對所述靜止前景區(qū)域進(jìn)行分類并檢測出其中的遺留物。上述裝置，優(yōu)選的，所述徑向延伸濾波器包括匹配模塊、延伸向量計(jì)算模塊、亮度分布計(jì)算模塊、設(shè)置模塊和高斯平滑濾波模塊；其中所述匹配模塊用于將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖；所述延伸向量計(jì)算模塊用于計(jì)算視頻幀所對應(yīng)的長周期前景二值圖中各個(gè)前景像素點(diǎn)在與所述視頻幀相對應(yīng)的背景圖像中對應(yīng)位置上的像素點(diǎn)的延伸向量；所述亮度分布計(jì)算模塊用于依據(jù)所述延伸向量分別計(jì)算所述各個(gè)前景像素點(diǎn)在所述背景圖像和所述視頻幀中的對應(yīng)位置上的亮度分布值；所述設(shè)置模塊用于依據(jù)所述亮度分布值分別計(jì)算所述背景圖像和所述視頻幀中對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值，當(dāng)所述對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值大于或等于第一預(yù)設(shè)閾值時(shí)，分別將所述長周期前景二值圖和短周期前景二值圖中對應(yīng)位置上的前景像素點(diǎn)設(shè)置為背景像素點(diǎn)，否則保持前景像素點(diǎn)不變；所述高斯平滑模塊用于對依據(jù)所述徑向延伸相關(guān)性獲得的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行高斯平滑，獲得所述視頻幀的長周期前景二值圖和短周期前景二值圖。上述裝置，優(yōu)選的，所述靜止前景區(qū)域檢測模塊包括生命周期信息獲取模塊和累計(jì)分析模塊；所述生命周期獲取模塊用于獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，所述生命周期信息包括所述長周期混合高斯模型中單個(gè)高斯分布從創(chuàng)建時(shí)的初始狀態(tài)變?yōu)轭A(yù)設(shè)的最終狀態(tài)的持續(xù)時(shí)間；所述累計(jì)分析模塊用于對比分析在所述持續(xù)時(shí)間內(nèi)各個(gè)視頻幀的長周期前景二值圖和短周期前景二值圖中相對應(yīng)的像素點(diǎn)，并記錄所述相對應(yīng)的像素點(diǎn)被判斷為靜止前景像素點(diǎn)的累計(jì)次數(shù)；當(dāng)所述持續(xù)時(shí)間滿足第一預(yù)設(shè)條件且所述累計(jì)次數(shù)滿足第二預(yù)設(shè)條件時(shí)，確定與所述持續(xù)時(shí)間和所述累計(jì)次數(shù)相對應(yīng)的像素點(diǎn)為靜止前景像素點(diǎn)，所有被確定為靜止前景像素點(diǎn)的像素點(diǎn)組成的區(qū)域?yàn)殪o止前景區(qū)域。由以上本申請實(shí)施例提供的技術(shù)方案可見，本發(fā)明提供的一種遺留物檢測方法， 通過利用背景圖像和當(dāng)前幀圖像的局部紋理特征相似度即徑向延伸相關(guān)性消除了由于光照變化而帶來的誤檢前景區(qū)域；通過綜合應(yīng)用混合高斯模型中單個(gè)高斯分布的生命周期以及累計(jì)分析法，使得該方法可以適應(yīng)復(fù)雜的動(dòng)態(tài)背景，消除由于動(dòng)態(tài)背景的影響而造成的靜止前景區(qū)域的誤檢，并提高了系統(tǒng)的抗遮擋能力；通過對靜止前景區(qū)域分類，去除了非遺留物(例如行人)造成的誤檢現(xiàn)象，這種遺留物檢測方法，提高了遺留物的檢測精度，降低了遺留物誤檢率。


為了更清楚地說明本申請實(shí)施例中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請中記載的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本申請實(shí)施例一提供的遺留物檢測方法的流程圖；圖2為本申請實(shí)施例一提供的徑向延伸濾波的流程圖；圖3為本申請實(shí)施例一提供的延伸向量示意圖；圖4為本申請實(shí)施例一提供的混合高斯模型中高斯分布的狀態(tài)轉(zhuǎn)換過程示意圖；圖5為本申請實(shí)施例二提供的的另一遺留物檢測方法流程圖；圖6為本申請實(shí)施例二提供的發(fā)生前景區(qū)域分離的連續(xù)兩幀前景二值圖像示意圖；圖7為本申請實(shí)施例三提供的一種遺留物檢測裝置的結(jié)構(gòu)示意圖8為本申請實(shí)施例三提供的徑向延伸濾波器的結(jié)構(gòu)示意圖；圖9為本申請實(shí)施例三提供的靜止前景區(qū)域檢測模塊的結(jié)構(gòu)示意圖。為了圖示的簡單和清楚，以上附圖示出了結(jié)構(gòu)的普通形式，并且為了避免不必要的模糊本發(fā)明，可以省略已知特征和技術(shù)的描述和細(xì)節(jié)。另外，附圖中的單元不必要按照比例繪制。例如，可以相對于其他單元放大圖中的一些單元的尺寸，從而幫助更好的理解本發(fā)明的實(shí)施例。不同附圖中的相同標(biāo)號表示相同的單元。說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的單元，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例例如能夠以除了在這里圖示的或否則描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，以便包含一系列單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于那些單元，而是可以包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它單元。
具體實(shí)施例方式為了使本技術(shù)領(lǐng)域的人員更好地理解本申請方案。下面將結(jié)合本申請實(shí)施例中的附圖，對本申請實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請一部分實(shí)施例，而不是全部的實(shí)施例?；诒旧暾堉械膶?shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本申請保護(hù)的范圍。實(shí)施例一本申請實(shí)施例提供的遺留物檢測方法實(shí)施例一的方法流程圖如圖1所示，包括步驟SlOl 利用混合高斯模型進(jìn)行背景建模，建立的背景模型包括長周期背景模型和短周期背景模型；利用混合高斯模型進(jìn)行背景建模的基本思想是把像素點(diǎn)看成相互獨(dú)立的隨機(jī)變量，并將該像素點(diǎn)的像素值在時(shí)間軸上的概率分布P(Xt)用K個(gè)獨(dú)立高斯分布的混合形式來表示，即*η(^\μ,,ησ )其中77(^|μ,;/，σ^)代表像素點(diǎn)X在t時(shí)刻混合高斯模型中的第i個(gè)高斯分布，μ i, 、ω i,t分別代表第i個(gè)高斯分布的均值、方差和第i個(gè)高斯分布所對應(yīng)的權(quán)重，且權(quán)重
要滿足在所述混合高斯模型中K個(gè)高斯分布的對應(yīng)權(quán)重和為1，即Σ= ,/ = 1?；旌细咚鼓Ｐ托枰鶕?jù)像素點(diǎn)的歷史信息{X1;X2，. . .，XtJ來估計(jì)P(Xt)的參數(shù)， 并進(jìn)行實(shí)時(shí)更新。其更新方法如下對于新來的像素點(diǎn)數(shù)據(jù)Xt，先檢查它是否能夠匹配混合高斯模型中K個(gè)高斯分布中的某一個(gè)，若滿足Xt與均值的距離小于標(biāo)準(zhǔn)差的入倍，則表明該數(shù)據(jù)與第i個(gè)高斯分布相匹配；然后更新這個(gè)匹配上的高斯分布的參數(shù)(均值 μ t和方差σ,2)，更新方法如下μ t = (1-ρ) μ t_!+pXtσ2, =(1- ρ)σ 2_1 + ρ(Χ, - ^rCXt _ μ,)〔0081〕 其中
權(quán)利要求
1.一種遺留物檢測方法，其特征在于，包括利用混合高斯模型進(jìn)行背景建模，建立的背景模型包括長周期背景模型和短周期背景模型；將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖，并對所述視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波，獲得視頻幀的長周期前景二值圖和短周期前景二值圖；獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，并在所述生命周期內(nèi)對視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析，依據(jù)所述生命周期信息和累計(jì)分析結(jié)果檢測出靜止前景區(qū)域；對所述靜止前景區(qū)域進(jìn)行分類并檢測出其中的遺留物。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波包括計(jì)算視頻幀所對應(yīng)的初始長周期前景二值圖中各個(gè)前景像素點(diǎn)在與所述視頻幀相對應(yīng)的背景圖像中對應(yīng)位置上的像素點(diǎn)的延伸向量；依據(jù)所述延伸向量分別計(jì)算所述各個(gè)前景像素點(diǎn)在所述背景圖像和所述視頻幀中的對應(yīng)位置上的亮度分布值；依據(jù)所述亮度分布值分別計(jì)算所述背景圖像和所述視頻幀中對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值，并依據(jù)所述徑向延伸相關(guān)性值分別對所述初始長周期前景二值圖和初始短周期前景二值圖中對應(yīng)位置上的前景像素點(diǎn)進(jìn)行重新設(shè)置；對依據(jù)所述徑向延伸相關(guān)性重新設(shè)置前景像素點(diǎn)后的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行高斯平滑，獲得所述視頻幀的長周期前景二值圖和短周期前景二值圖。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息包括所述長周期混合高斯模型中單個(gè)高斯分布從創(chuàng)建時(shí)的初始狀態(tài)變?yōu)轭A(yù)設(shè)的最終狀態(tài)的持續(xù)時(shí)間；相應(yīng)的，所述對生命周期內(nèi)所有視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析包括對比分析在所述持續(xù)時(shí)間內(nèi)各個(gè)視頻幀的長周期前景二值圖和短周期前景二值圖中相對應(yīng)的像素點(diǎn)，并記錄所述相對應(yīng)的像素點(diǎn)被判斷為靜止前景像素點(diǎn)的累計(jì)次數(shù)；相應(yīng)的，所述依據(jù)生命周期信息和累計(jì)分析結(jié)果檢測出靜止前景區(qū)域包括當(dāng)所述持續(xù)時(shí)間滿足第一預(yù)設(shè)條件且所述累計(jì)次數(shù)滿足第二預(yù)設(shè)條件時(shí)，確定與所述持續(xù)時(shí)間和所述累計(jì)次數(shù)相對應(yīng)的像素點(diǎn)為靜止前景像素點(diǎn)，所有被確定為靜止前景像素點(diǎn)的像素點(diǎn)組成的區(qū)域?yàn)殪o止前景區(qū)域。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對靜止前景區(qū)域分類并檢測出其中的遺留物包括提取所述靜止前景區(qū)域的特征，依據(jù)所述特征對所述靜止前景區(qū)域進(jìn)行檢測，若所述靜止前景區(qū)域中檢測不到具有所述特征的子區(qū)域則所述靜止前景區(qū)域?yàn)檫z留物。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述靜止前景區(qū)域的特征包括靜止前景區(qū)域的梯度方向直方圖特征；相應(yīng)的，所述提取前景區(qū)域的特征，依據(jù)所述特征對靜止前景區(qū)域進(jìn)行分類檢測包括定義行人檢測窗口，將所述行人檢測窗口在靜止前景區(qū)域中滑動(dòng)，計(jì)算所述前景區(qū)域中與所述行人檢測窗口相對應(yīng)圖像在不同尺度下的梯度方向直方圖特征；將所述不同尺度下的梯度方向直方圖特征輸入預(yù)先訓(xùn)練好的分類器中進(jìn)行分類。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述計(jì)算前景區(qū)域中與行人檢測窗口相對應(yīng)圖像在不同尺度下的梯度方向直方圖特征包括利用梯度算子計(jì)算所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像中各個(gè)像素點(diǎn)的梯度向量；將所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像均勻劃分為N個(gè)單元，并計(jì)算各個(gè)單元的所述梯度向量方向的第一直方圖特征；依據(jù)所述單元的第一直方圖特征計(jì)算由M(M < N)個(gè)單元組成的圖像塊的所述梯度向量方向的第二直方圖特征，并對所述第二直方圖特征進(jìn)行歸一化；依據(jù)歸一化的第二直方圖特征計(jì)算所述前景區(qū)域中與行人檢測窗口相對應(yīng)圖像的第三直方圖特征。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對視頻幀的初始短周期前景二值圖進(jìn)行徑向延伸濾波之后，確定靜止前景區(qū)域之前進(jìn)一步包括檢測每一幀短周期前景二值圖中發(fā)生前景區(qū)域分離的父前景區(qū)域，記錄父前景區(qū)域與從所述父前景區(qū)域分離出來的若干子前景區(qū)域的分離關(guān)系，并對所述若干子前景區(qū)域進(jìn)行足艮S宗。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對靜止前景區(qū)域進(jìn)行分類之后，還包括當(dāng)所述靜止前景區(qū)域中檢測不到預(yù)設(shè)信息時(shí)，依據(jù)所述分離關(guān)系判斷是否存在與所述靜止前景區(qū)域?qū)儆谕桓盖熬皡^(qū)域的子前景區(qū)域，如果不存在，則所述靜止前景區(qū)域?yàn)檫z留物，否則，計(jì)算所述靜止前景區(qū)域和與所述靜止前景區(qū)域?qū)儆谕桓盖熬皡^(qū)域的子前景區(qū)域的距離，當(dāng)所述距離大于第三預(yù)設(shè)閾值時(shí)，所述靜止前景區(qū)域?qū)儆谶z留物。
9.一種遺留物檢測裝置，其特征在于，包括建模模塊、徑向延伸濾波器、靜止前景區(qū)域檢測模塊和分類檢測模塊； 其中所述建模模塊用于利用混合高斯模型進(jìn)行背景建模，建立的背景模型包括長周期背景模型和短周期背景模型；所述徑向延伸濾波器用于將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖，并對所述視頻幀的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行徑向延伸濾波，獲得視頻幀的長周期前景二值圖和短周期前景二值圖；所述靜止前景區(qū)域檢測模塊用于獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，并在所述生命周期內(nèi)對所有視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析，依據(jù)所述生命周期信息和累計(jì)分析結(jié)果檢測出靜止前景區(qū)域；所述分類檢測模塊用于對所述靜止前景區(qū)域進(jìn)行分類并檢測出其中的遺留物。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述徑向延伸濾波器包括匹配模塊、延伸向量計(jì)算模塊、亮度分布計(jì)算模塊、設(shè)置模塊和高斯平滑濾波模塊； 其中所述匹配模塊用于將接收的視頻幀分別與所述長周期背景模型和短周期背景模型進(jìn)行匹配，得到視頻幀的初始長周期前景二值圖和初始短周期前景二值圖；所述延伸向量計(jì)算模塊用于計(jì)算視頻幀所對應(yīng)的長周期前景二值圖中各個(gè)前景像素點(diǎn)在與所述視頻幀相對應(yīng)的背景圖像中對應(yīng)位置上的像素點(diǎn)的延伸向量；所述亮度分布計(jì)算模塊用于依據(jù)所述延伸向量分別計(jì)算所述各個(gè)前景像素點(diǎn)在所述背景圖像和所述視頻幀中的對應(yīng)位置上的亮度分布值；所述設(shè)置模塊用于依據(jù)所述亮度分布值分別計(jì)算所述背景圖像和所述視頻幀中對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值，當(dāng)所述對應(yīng)位置上對應(yīng)像素點(diǎn)的徑向延伸相關(guān)性值大于或等于第一預(yù)設(shè)閾值時(shí)，分別將所述長周期前景二值圖和短周期前景二值圖中對應(yīng)位置上的前景像素點(diǎn)設(shè)置為背景像素點(diǎn)，否則保持前景像素點(diǎn)不變；所述高斯平滑模塊用于對依據(jù)所述徑向延伸相關(guān)性獲得的初始長周期前景二值圖和初始短周期前景二值圖進(jìn)行高斯平滑，獲得所述視頻幀的長周期前景二值圖和短周期前景二值圖。
11.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述靜止前景區(qū)域檢測模塊包括 生命周期信息獲取模塊和累計(jì)分析模塊；所述生命周期獲取模塊用于獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，所述生命周期信息包括所述長周期混合高斯模型中單個(gè)高斯分布從創(chuàng)建時(shí)的初始狀態(tài)變?yōu)轭A(yù)設(shè)的最終狀態(tài)的持續(xù)時(shí)間；所述累計(jì)分析模塊用于對比分析在所述持續(xù)時(shí)間內(nèi)各個(gè)視頻幀的長周期前景二值圖和短周期前景二值圖中相對應(yīng)的像素點(diǎn)，并記錄所述相對應(yīng)的像素點(diǎn)被判斷為靜止前景像素點(diǎn)的累計(jì)次數(shù)；當(dāng)所述持續(xù)時(shí)間滿足第一預(yù)設(shè)條件且所述累計(jì)次數(shù)滿足第二預(yù)設(shè)條件時(shí)，確定與所述持續(xù)時(shí)間和所述累計(jì)次數(shù)相對應(yīng)的像素點(diǎn)為靜止前景像素點(diǎn)，所有被確定為靜止前景像素點(diǎn)的像素點(diǎn)組成的區(qū)域?yàn)殪o止前景區(qū)域。
全文摘要
本發(fā)明公開了一種遺留物檢測方法，包括利用混合高斯模型建立長周期背景模型和短周期背景模型；依據(jù)所述背景模型得到視頻幀的兩個(gè)前景二值圖，并分別對所述視頻幀的兩個(gè)前景二值圖進(jìn)行徑向延伸濾波，分別獲得視頻幀的長周期前景二值圖和短周期前景二值圖；獲取所述長周期混合高斯模型中單個(gè)高斯分布的生命周期信息，并對所述生命周期內(nèi)視頻幀的長周期前景二值圖和短周期前景二值圖進(jìn)行累計(jì)分析，依據(jù)所述生命周期信息和累計(jì)分析結(jié)果確定靜止前景區(qū)域；對所述靜止前景區(qū)域進(jìn)行分類檢測，檢測出其中的遺留物，這種遺留物檢測方法，提高了遺留物的檢測精度，降低了遺留物誤檢率。
文檔編號G06K9/00GK102509075SQ20111031953
公開日2012年6月20日 申請日期2011年10月19日 優(yōu)先權(quán)日2011年10月19日
發(fā)明者張濤, 張超, 張鐸, 李亮, 李煦麗, 肖坦 申請人:北京國鐵華晨通信信息技術(shù)有限公司