專(zhuān)利名稱(chēng)：一種嵌入式目標(biāo)檢測(cè)算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控系統(tǒng)領(lǐng)域，特別涉及一種基于智能視頻監(jiān)控系統(tǒng)的嵌入式目標(biāo)檢測(cè)算法。
背景技術(shù)：
隨著嵌入式技術(shù)、數(shù)字圖像技術(shù)、通信技術(shù)、人工智能的發(fā)展，計(jì)算機(jī)視覺(jué)與計(jì)算機(jī)智能處理已經(jīng)成為可能，智能視頻監(jiān)控已經(jīng)成為一個(gè)重要的研究領(lǐng)域。它通過(guò)對(duì)采集到的視頻序列進(jìn)行處理分析，進(jìn)而對(duì)監(jiān)控場(chǎng)景中的目標(biāo)進(jìn)行檢測(cè)、跟蹤和識(shí)別，并可以在此基礎(chǔ)上分析估算出運(yùn)動(dòng)目標(biāo)的下一步動(dòng)作，在特殊情況下能及時(shí)做出反應(yīng)。因而能擔(dān)負(fù)監(jiān)控過(guò)程中人類(lèi)的大部分工作，避免了由于監(jiān)控過(guò)程中工作人員的注意力分散而造成的失誤。當(dāng)今社會(huì)對(duì)智能視頻監(jiān)控系統(tǒng)需求很大。監(jiān)控?cái)z像頭在日常生活中已經(jīng)相當(dāng)平常了，但是監(jiān)控?cái)z像頭只能記錄并保存檢測(cè)結(jié)果，并不能實(shí)時(shí)的，主動(dòng)的提醒安全人員及時(shí)的處理特殊情況，安全人員只能通過(guò)保存的記錄才能知道發(fā)生的實(shí)情，但已經(jīng)難以挽回?fù)p失了。因此，我們需要一種智能的視頻監(jiān)控系統(tǒng)，它不僅能監(jiān)測(cè)記錄畫(huà)面，還能實(shí)時(shí)的對(duì)監(jiān)測(cè)到的畫(huà)面進(jìn)行智能的分析，并將檢測(cè)結(jié)果上報(bào)。在實(shí)際應(yīng)用中，考慮到圖像處理的數(shù)據(jù)量很大，對(duì)CPU的要求很高的特點(diǎn)，現(xiàn)有的智能視頻監(jiān)控系統(tǒng)基本都是以PC機(jī)作為主控。但是這種方案在某些情況下存在明顯的缺陷首先，是圖片采集傳感器采集到的數(shù)據(jù)量比較大，在傳給PC機(jī)的過(guò)程中容易出錯(cuò)，回傳的圖像清晰度不夠，對(duì)目標(biāo)檢測(cè)的結(jié)果影響比較大；其次，是由于PC機(jī)體積較大，攜帶、安裝不方便，一般都遠(yuǎn)離圖像采集的現(xiàn)場(chǎng)，這就導(dǎo)致系統(tǒng)監(jiān)控的實(shí)時(shí)性較差；再則，圖片傳感器回傳大量的圖片數(shù)據(jù)，嚴(yán)重的增加了數(shù)據(jù)通信量，也加重了 PC機(jī)的工作量。最后，PC機(jī)上面集成了很多與智能視頻監(jiān)控?zé)o關(guān)的硬件和軟件，如存儲(chǔ)量很大的硬盤(pán)，內(nèi)存，顯卡及復(fù)雜的操作系統(tǒng)和應(yīng)用程序，這些一方面會(huì)影響系統(tǒng)的穩(wěn)定性，另一方面也會(huì)使整個(gè)系統(tǒng)的成本增加。在智能視頻監(jiān)控過(guò)程中，對(duì)于運(yùn)動(dòng)目標(biāo)的檢測(cè)一直是一個(gè)基礎(chǔ)而又關(guān)鍵的環(huán)節(jié)，它是目標(biāo)跟蹤、目標(biāo)識(shí)別和行為分析等后續(xù)處理的前提。常用的目標(biāo)檢測(cè)算法如背景差分法，幀間差分法等，對(duì)外界場(chǎng)景的光照變化，和攝像頭的輕微抖動(dòng)比較敏感。光照強(qiáng)度突變時(shí)，在圖像中的表現(xiàn)為整體亮度值的變化，傳統(tǒng)的目標(biāo)檢測(cè)方法很容易把這些像素點(diǎn)的變化錯(cuò)誤的判斷為前景像素點(diǎn)。攝像頭輕微抖動(dòng)時(shí)，會(huì)造成前后幀圖片的錯(cuò)位，進(jìn)行圖像分割時(shí)偏差也會(huì)比較大。如何更好的消除目標(biāo)檢測(cè)過(guò)程中的各種干擾問(wèn)題一直是專(zhuān)家學(xué)者研究的難題。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的上述不足，提供一種嵌入式目標(biāo)檢測(cè)算法，該算法能夠很好地移植到嵌入式環(huán)境下，并且對(duì)光照強(qiáng)度變化以及輕微抖動(dòng)具有一定的抗干擾能力。
本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)一種嵌入式目標(biāo)檢測(cè)算法，包括以下步驟S1、獲得圖片數(shù)據(jù)，對(duì)幀圖片進(jìn)行濾波處理；S2、建立背景模型；S3、采集前景幀，對(duì)背景模型和前景幀進(jìn)行隔行隔列的模板匹配，得到背景模型和前景幀的偏移距離Lshif (X' ,Ψ ) 'S4、從背景模型的中間對(duì)稱(chēng)截取一圖片區(qū)域，再通過(guò)偏移距離Lshif(X' ,Y')得到前景幀的對(duì)應(yīng)部分圖片，并對(duì)背景模型和前景幀的這兩個(gè)圖片進(jìn)行Sobel邊緣化、二值化，以及相互模糊比較；S5、分析比較結(jié)果，判斷檢測(cè)目標(biāo)是否出現(xiàn)或移動(dòng)，若是則返回S2更新背景，反之則返回步驟S3。較佳的，在步驟S2中包括采用均值法建立背景模型，通過(guò)對(duì)任意N幀圖片IKiIi=I, 2，3··· η}的求和平均來(lái)得到與當(dāng)前實(shí)際背景相近的初始背景，對(duì)于任意一巾貞圖片表述為Iii (X, y) = Ai (X, y) +Zi (x, y)，其中Ai (x, y)為第i巾貞數(shù)據(jù)中的準(zhǔn)確背景圖像，Zi (x, y)為此幀圖片中的噪聲，對(duì)任意N幀圖片進(jìn)行背景建模得
權(quán)利要求
1.一種嵌入式目標(biāo)檢測(cè)算法，其特征在于，包括以下步驟51、獲得圖片數(shù)據(jù)，對(duì)幀圖片進(jìn)行濾波處理；52、建立背景模型；53、采集前景幀，對(duì)背景模型和前景幀進(jìn)行隔行隔列的模板匹配，得到背景模型和前景幀的偏移距離Lshif(X' ,Ψ ) '54、從背景模型的中間對(duì)稱(chēng)截取一圖片區(qū)域，再通過(guò)偏移距離Lshif(X',V )得到前景幀的對(duì)應(yīng)部分圖片，并對(duì)背景模型和前景幀的這兩個(gè)圖片進(jìn)行Sobel邊緣化、二值化，以及相互模糊比較；55、分析比較結(jié)果，判斷檢測(cè)目標(biāo)是否出現(xiàn)或移動(dòng)，若是則返回S2更新背景，反之則返回步驟S3。
2.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，在步驟S2中包括采用均值法建立背景模型，通過(guò)對(duì)任意N幀圖片IKiIi=I, 2，3，…η}的求和平均來(lái)得到與當(dāng)前實(shí)際背景相近的初始背景，對(duì)于任意一巾貞圖片表述為kjx，y) = Ai (χ, y) +Zi (x, y),其中AiU, y) 為第i幀數(shù)據(jù)中的準(zhǔn)確背景圖像，Zi (x, y)為此幀圖片中的噪聲，對(duì)任意N幀圖片進(jìn)行背景建模得
3.如權(quán)利要求2所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，N的值取8。
4.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，在步驟S3中包括5301、在背景模型中截取一匹配模板和在前景幀截取一待匹配區(qū)；5302、計(jì)算匹配模板的灰度均值，從待匹配區(qū)域的(0，0)坐標(biāo)點(diǎn)開(kāi)始隔行隔列匹配；5303、計(jì)算匹配子圖的灰度均值，在匹配子圖中隔行隔列的選取像素點(diǎn)并計(jì)算絕對(duì)誤差E及其絕對(duì)值誤差的累加和SUM ；5304、找出E累加次數(shù)最大的點(diǎn)O作為粗匹配點(diǎn)并取其鄰域進(jìn)行精確逐點(diǎn)的SSDA模版匹配；5305、找出精確匹配中的E累加次數(shù)最大點(diǎn)K作為最佳匹配點(diǎn)并與匹配模板的初始點(diǎn)作差求出偏移距離。
5.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，步驟S3中所述對(duì)背景模型和前景幀進(jìn)行模板匹配包括在背景模型中以Q (9，9)點(diǎn)為起始坐標(biāo)截取一個(gè)80 X 80的匹配模板M，然后在背景幀圖片中以(0，0)為起始點(diǎn)，開(kāi)辟一個(gè)120X120的待匹配區(qū)域P，得出一個(gè)20X20的允許偏移區(qū)域。
6.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，步驟S4中，Sobel邊緣化包括在計(jì)算一像素點(diǎn)在橫軸、縱軸的偏導(dǎo)數(shù)Fx與Fy的同時(shí)，還得計(jì)算45度和135度方向的偏導(dǎo)數(shù)F45與F135,該像素點(diǎn)的近似梯度值F = I Fx I +1 Fy I +1F451 +1F1351。
7.如權(quán)利要求6所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，還包括采用非極大值抑制的方法來(lái)實(shí)現(xiàn)邊緣的細(xì)化。
8.如權(quán)利要求7所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，所述采用非極大值抑制的方法來(lái)實(shí)現(xiàn)邊緣的細(xì)化具體包括將Sobel邊緣檢測(cè)的初始邊緣圖片定義為B1,同時(shí)定義一個(gè)大小和B1 —樣大的圖片B2,對(duì)于B2上的一點(diǎn)B2 (χ, y) (x>l, y>l)，若和該點(diǎn)相同坐標(biāo)的圖片B1上的點(diǎn)B1 (x, y)為初始邊緣點(diǎn)，則取B1 (X，y)的八鄰域矩陣A，若矩陣A內(nèi)有灰度值大于&匕y),則判SbiU, y)為非邊緣點(diǎn),B2 (X，y)賦值為零；否則B1U, y)為邊緣點(diǎn),B2 (x, y)賦值為255，其公式表述為
9.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，步驟S5包括將比較結(jié)果的圖片劃分為若干個(gè)小的單元區(qū)域Aij，對(duì)每個(gè)單元區(qū)域內(nèi)的邊緣點(diǎn)數(shù)Nij進(jìn)行統(tǒng)計(jì)，當(dāng)超過(guò)一定閾值T就認(rèn)為該區(qū)域發(fā)生了改變，并將該區(qū)域?qū)?yīng)的編號(hào)記錄下來(lái)，直到每個(gè)區(qū)域都統(tǒng)計(jì)完，將這些記錄的單元區(qū)域的編號(hào)上傳給PC機(jī)，PC機(jī)根椐發(fā)生改變的單元區(qū)域判斷出目標(biāo)是否出現(xiàn)，進(jìn)而求出目標(biāo)的運(yùn)動(dòng)位移情況。
10.如權(quán)利要求1所述的嵌入式目標(biāo)檢測(cè)算法，其特征在于，步驟SI采用形態(tài)學(xué)濾波器進(jìn)行濾波處理。
全文摘要
一種嵌入式目標(biāo)檢測(cè)算法，其特征在于，包括以下步驟S1、獲得圖片數(shù)據(jù)，對(duì)幀圖片進(jìn)行濾波處理；S2、建立背景模型；S3、采集前景幀，對(duì)背景模型和前景幀進(jìn)行隔行隔列的模板匹配，得到背景模型和前景幀的偏移距離Lshif(X′，Y′)；S4、從背景模型的中間對(duì)稱(chēng)截取一圖片區(qū)域，再通過(guò)偏移距離Lshif(X′，Y′)得到前景幀的對(duì)應(yīng)部分圖片，并對(duì)背景模型和前景幀的這兩個(gè)圖片進(jìn)行Sobel邊緣化、二值化，以及相互模糊比較；S5、分析比較結(jié)果，判斷檢測(cè)目標(biāo)是否出現(xiàn)或移動(dòng)，若是則返回S2更新背景，反之則返回步驟S3。該算法能夠很好地移植到嵌入式環(huán)境下，并且對(duì)光照強(qiáng)度變化以及輕微抖動(dòng)具有一定的抗干擾能力。
文檔編號(hào)G06T7/20GK103049919SQ20121054176
公開(kāi)日2013年4月17日 申請(qǐng)日期2012年12月13日 優(yōu)先權(quán)日2012年12月13日
發(fā)明者姚笛 申請(qǐng)人:上海宇航系統(tǒng)工程研究所