一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明提供了一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述運(yùn)動(dòng)目標(biāo)檢測(cè)主要包括三個(gè)步驟：（1）獲取視頻，獲取視頻內(nèi)容以得到場(chǎng)景圖像，并建立背景模型，同時(shí)提取前景圖像；（2）對(duì)（1）前景圖像進(jìn)行形態(tài)學(xué)處理；（3）對(duì)形態(tài)學(xué)處理后的前景圖像區(qū)域進(jìn)行區(qū)域標(biāo)記，提取目標(biāo)。與現(xiàn)有技術(shù)相比，本發(fā)明的目標(biāo)檢測(cè)速度在所有公開(kāi)發(fā)表的背景建模算法里面最快，比ViBe（美國(guó)專(zhuān)利US8009918B2）速度要快，同時(shí)也快于算法復(fù)雜度很低的平均背景模型方法；系統(tǒng)能自適應(yīng)各種天氣狀況，解決了低照度，光照突變，“鬼影”問(wèn)題，攝像機(jī)擺動(dòng)等難題，整體效果上不劣于高斯背景建模。
【專(zhuān)利說(shuō)明】一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻監(jiān)控技術(shù)，特別是涉及一種智能視頻分析系統(tǒng)中的運(yùn)動(dòng)目標(biāo)的檢測(cè)方法。
【背景技術(shù)】
[0002]運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)是智能視頻分析系統(tǒng)的關(guān)鍵技術(shù)之一。運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)包括光流法，背景差法和巾貞差法。光流法計(jì)算方法相對(duì)復(fù)雜，需要專(zhuān)門(mén)的硬件如GPU加速。巾貞差法速度很快，但提取的目標(biāo)不完整，而且無(wú)法檢測(cè)靜止下來(lái)的目標(biāo)。背景差法需要背景建模，算法復(fù)雜度也比較高。如傳統(tǒng)的高斯背景建模，貝葉斯法、編碼本法等，都很難實(shí)現(xiàn)實(shí)時(shí)性處理的要求，在當(dāng)下視頻偵查等應(yīng)用中，要能夠?qū)崿F(xiàn)多路視頻的多倍速處理，更是無(wú)法勝任。另外，針對(duì)嵌入式應(yīng)用系統(tǒng)，也需要有一個(gè)計(jì)算速度快，效果又比較好的背景建模算法，以應(yīng)對(duì)DSP等硬件性能相對(duì)不足的難題。
[0003]傳統(tǒng)的背景差法除了算法性能瓶頸外，也存在抗干擾和噪聲能力差，無(wú)法較好地解決光照突變和攝像機(jī)抖動(dòng)等難題。
[0004]前景提取出來(lái)之后，還需要對(duì)前景進(jìn)行區(qū)域標(biāo)記，傳統(tǒng)的標(biāo)記方法速度偏慢。
[0005]目前迫切需要提出更加有效的運(yùn)動(dòng)目標(biāo)檢測(cè)方案。

【發(fā)明內(nèi)容】

[0006]針對(duì)現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種快速的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，同時(shí)解決了圖像抖動(dòng)、光照突變、低照度、光線干擾、樹(shù)葉擺動(dòng)等問(wèn)題，實(shí)現(xiàn)了復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)，具備很好的魯棒性。
[0007]為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的:
[0008]步驟1:獲取視頻，獲取視頻內(nèi)容以得到場(chǎng)景圖像，并建立背景模型，同時(shí)提取前景圖像；
[0009]步驟2:對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理；
[0010]步驟3:對(duì)形態(tài)學(xué)處理后的前景區(qū)域進(jìn)行區(qū)域標(biāo)記，提取目標(biāo)；
[0011]所述步驟I的背景建模步驟為:
[0012]背景模型的初始化:用第一幀視頻幀作為背景模型的初始化；
[0013]對(duì)于每一個(gè)背景模型點(diǎn)b(x)，用一定概率來(lái)更新。對(duì)當(dāng)前視頻幀中的對(duì)應(yīng)點(diǎn)V(X)，如何判斷它是屬于背景點(diǎn)還是前景點(diǎn)？只要比較V(X)和b(x)的距離d，當(dāng)d小于閾值R時(shí)，判斷當(dāng)前點(diǎn)為背景點(diǎn)，并以一定概率來(lái)更新該點(diǎn)背景模型，d值越大更新背景的概率越小；更新背景點(diǎn)的方法是:當(dāng)V (X) >b (X)時(shí)，b(x)加上l;v(x)〈b(x)減去I;相等時(shí)不更新。
[0014]同時(shí)，如果當(dāng)前點(diǎn)背景模型被更新，則隨機(jī)的更新周?chē)?個(gè)鄰點(diǎn)中的一個(gè)背景模型。即隨機(jī)的選擇該點(diǎn)8鄰點(diǎn)中的一個(gè)點(diǎn)用當(dāng)前背景模型值代替。該機(jī)制一方面能抑制噪聲，同時(shí)能解決“鬼影”的問(wèn)題。所謂鬼影是指靜止目標(biāo)開(kāi)始運(yùn)動(dòng)后，留下的虛假目標(biāo)。通過(guò)隨機(jī)更新鄰點(diǎn)，能夠快速的消隱鬼影。
[0015]該模型需要多次隨機(jī)數(shù)產(chǎn)生，而一般的采用隨機(jī)數(shù)函數(shù)是比較費(fèi)時(shí)的。因?yàn)閳?chǎng)景中大多數(shù)點(diǎn)會(huì)判定為背景點(diǎn)，每一次對(duì)應(yīng)2次隨機(jī)函數(shù)。這導(dǎo)致算法的計(jì)算速度瓶頸。本發(fā)明采用系統(tǒng)自身存在的數(shù)值作為隨機(jī)數(shù)，前一幀前景點(diǎn)個(gè)數(shù)和前景點(diǎn)經(jīng)過(guò)形態(tài)學(xué)處理之后的前景點(diǎn)個(gè)數(shù)作為兩個(gè)隨機(jī)數(shù)。
[0016]另外固定的閾值R，在低照度情況下，由于差的絕對(duì)值總是很小，于是就容易把目標(biāo)判斷為背景，沒(méi)有辦法提取出準(zhǔn)確的前景。因此對(duì)于低照度情況，應(yīng)該智能的調(diào)整閾值R。每間隔N幀提取一次視頻幀的亮度值。當(dāng)亮度值持續(xù)10次低于50時(shí)，啟用低照度模式，把背景模型參數(shù)R設(shè)置為10。
[0017]為了應(yīng)對(duì)光照突變的情況，比如傍晚街燈突然打開(kāi)引起場(chǎng)景照度突然加強(qiáng)，就會(huì)失去背景更新能力，或者更新非常慢。對(duì)此，必須有機(jī)制進(jìn)行背景的重新初始化。
[0018]“更新率”:當(dāng)前幀被判定為背景點(diǎn)個(gè)數(shù)除以整個(gè)視頻幀總的像素點(diǎn)個(gè)數(shù)。當(dāng)更新率持續(xù)低于0.3時(shí)，說(shuō)明背景更新發(fā)生問(wèn)題，對(duì)背景模型進(jìn)行重新初始化。
[0019]當(dāng)我們發(fā)現(xiàn)更新率降低到0.7時(shí)，且持續(xù)時(shí)間超過(guò)10幀時(shí)，小于0.7的次數(shù)大于70%。系統(tǒng)判定出這是一個(gè)抖動(dòng)事件。系統(tǒng)啟動(dòng)幀差法和背景差法。當(dāng)攝像機(jī)因?yàn)楣物L(fēng)或者震動(dòng)，幀差值會(huì)發(fā)生突變。幀差值發(fā)生突變時(shí)，我們暫時(shí)不更新背景模型。當(dāng)震動(dòng)恢復(fù)到起始位置時(shí)，背景差將不是那么突兀。此時(shí)提取目標(biāo)，并更新背景。由于大多數(shù)攝像機(jī)固定在立桿上，震動(dòng)頻率很高，丟掉幾幀問(wèn)題不大。如果采用特征點(diǎn)匹配，計(jì)算量將會(huì)比較大。通過(guò)更新率來(lái)對(duì)抖動(dòng)事件進(jìn)行檢測(cè)，從而不引入額外的計(jì)算量。
[0020]所述步驟2的形態(tài)學(xué)處理是要解決小的散點(diǎn)和噪點(diǎn)的干擾，并對(duì)一些分裂的小目標(biāo)進(jìn)行合并。首先進(jìn)行一次腐蝕操作，再進(jìn)行一次膨脹操作，用3*3核，以此可以去除一些小的噪點(diǎn)。然后進(jìn)行一次膨脹操作，再進(jìn)行一次腐蝕操作，用3*5核?？v向采用較大的核是為了照顧到人這樣的目標(biāo)經(jīng)常存在人頭和軀干的分裂，可以適當(dāng)做些補(bǔ)償。
[0021]所述步驟3的區(qū)域標(biāo)記，采用2輪掃描的方式，首先水平掃描，把連續(xù)的前景點(diǎn)，連成一段，并標(biāo)記之。在第二次掃描的時(shí)候，把這些段在垂直方向上相連的段連接起來(lái)，成為一個(gè)區(qū)域，并標(biāo)記之。
[0022]與現(xiàn)有技術(shù)相比，本發(fā)明有以下有益效果:
[0023]1、本發(fā)明的目標(biāo)檢測(cè)速度在所有公開(kāi)發(fā)表的背景建模算法里面最快，比ViBe (美國(guó)專(zhuān)利US8009918B2)速度要快，同時(shí)也快于算法復(fù)雜度很低的平均背景模型方法；
[0024]2、系統(tǒng)能自適應(yīng)各種天氣狀況，解決了低照度，光照突變，“鬼影”問(wèn)題，攝像機(jī)擺動(dòng)等難題，整體效果上不劣于高斯背景建模。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0025]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0026]圖1為本發(fā)明運(yùn)動(dòng)目標(biāo)檢測(cè)方法和系統(tǒng)的框圖示意圖；
[0027]圖2為本發(fā)明背景建模核心步驟的框圖示意圖；[0028]圖3為區(qū)域標(biāo)記像素段標(biāo)記方法示意圖；
[0029]圖4為像素段垂直連通標(biāo)記區(qū)域示意圖。
【具體實(shí)施方式】
[0030]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(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)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0031]請(qǐng)參照附圖1描述運(yùn)動(dòng)目標(biāo)檢測(cè)方法與系統(tǒng)的3個(gè)步驟，步驟1:獲取視頻，獲取視頻內(nèi)容以得到場(chǎng)景圖像，并建立背景模型，同時(shí)提取前景圖像；步驟2:對(duì)前景圖像進(jìn)行形態(tài)學(xué)學(xué)處理；步驟3:對(duì)形態(tài)學(xué)處理后的前景區(qū)域進(jìn)行區(qū)域標(biāo)記，提取目標(biāo)；
[0032]所述步驟I的背景建模核心步驟如附圖2所示，背景模型的初始化是用第一幀視頻幀作為背景模型完成初始化#值設(shè)定為30，隨機(jī)數(shù)由上一幀前景點(diǎn)個(gè)數(shù)產(chǎn)生的隨機(jī)數(shù)randl，和當(dāng)前幀對(duì)應(yīng)點(diǎn)V(X)和背景模型b(x)的差的絕對(duì)值產(chǎn)生，即:
[0033]滿足randl%20* (5+abs (d)) =0 時(shí)，若 v (x) >b (x), b (x)加上 I ;若 v (x) <b (x)減去I ;相等時(shí)不更新。
[0034]隨機(jī)的更新周?chē)?個(gè)鄰點(diǎn)中的一個(gè)背景模型。上一幀中形態(tài)學(xué)處理后的隨機(jī)數(shù)rand2作為判斷哪個(gè)鄰點(diǎn)模型被更新。即rand2%8的值代表是哪個(gè)鄰點(diǎn)。
[0035]為應(yīng)對(duì)低照度條件下的背景建模問(wèn)題。通過(guò)每間隔25幀提取一次視頻幀的亮度值。當(dāng)亮度值持續(xù)10次低于50時(shí)，啟用低照度模式，把背景模型參數(shù)R設(shè)置為10。當(dāng)亮度值持續(xù)10次高于70時(shí)，切換回一般模式模型參數(shù)R設(shè)置為30。
[0036]為了應(yīng)對(duì)光照突變的情況，比如傍晚街燈突然打開(kāi)引起場(chǎng)景照度突然加強(qiáng)，就會(huì)失去背景更新能力，或者更新非常慢。當(dāng)系統(tǒng)檢測(cè)到更新率持續(xù)200幀低于0.3時(shí)，說(shuō)明背景更新發(fā)生問(wèn)題，對(duì)背景模型進(jìn)行重新初始化。
[0037]當(dāng)我們發(fā)現(xiàn)更新率降低到0.7時(shí)，且持續(xù)時(shí)間超過(guò)10幀時(shí)，小于0.7的次數(shù)大于70%。系統(tǒng)判定出這是一個(gè)抖動(dòng)事件。系統(tǒng)啟動(dòng)幀差法。當(dāng)攝像機(jī)因?yàn)楣物L(fēng)或者震動(dòng)，幀差值會(huì)發(fā)生突變。幀差值發(fā)生突變時(shí)，我們暫時(shí)不更新背景模型。當(dāng)震動(dòng)恢復(fù)到起始位置時(shí)，背景差將不是那么突兀。此時(shí)提取目標(biāo)，并更新背景。
[0038]所述步驟2的形態(tài)學(xué)處理是要解決小的散點(diǎn)和噪點(diǎn)的干擾，并對(duì)一些分裂的小目標(biāo)進(jìn)行合并。首先進(jìn)行一次腐蝕操作，再進(jìn)行一次膨脹操作，用3*3核，以此可以去除一些小的噪點(diǎn)。然后進(jìn)行一次膨脹操作，再進(jìn)行一次腐蝕操作，用3*5核。
[0039]所述步驟3的區(qū)域標(biāo)記，采用2輪掃描的方式，首先水平掃描，把連續(xù)的前景點(diǎn)，連成一段，并標(biāo)記之，如附圖3所示。在第二次掃描的時(shí)候，采用堆棧的處理方式，把這些段在垂直方向上相連的段連接起來(lái)，成為一個(gè)區(qū)域，并標(biāo)記之，如附圖4所示。
[0040]綜合以上本發(fā)明的方法與系統(tǒng)可知，本發(fā)明的目標(biāo)檢測(cè)速度在所有公開(kāi)發(fā)表的背景建模算法里面最快，比ViBe (美國(guó)專(zhuān)利US8009918B2)速度要快，同時(shí)也快于算法復(fù)雜度很低的平均背景模型方法；系統(tǒng)能自適應(yīng)各種天氣狀況，解決了低照度，光照突變，“鬼影”問(wèn)題，攝像機(jī)擺動(dòng)等難題，整體效果上不劣于高斯背景建模。
[0041]以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【權(quán)利要求】
1.一種運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述運(yùn)動(dòng)目標(biāo)檢測(cè)主要包括三個(gè)步驟: (1)獲取視頻，獲取視頻內(nèi)容以得到場(chǎng)景圖像，并建立背景模型，同時(shí)提取前景圖像； (2)對(duì)(I)前景圖像進(jìn)行形態(tài)學(xué)處理； (3)對(duì)形態(tài)學(xué)處理后的前景圖像區(qū)域進(jìn)行區(qū)域標(biāo)記，提取目標(biāo)。
2.如權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述背景建模，其初始化方法是:用第一幀視頻幀作為背景模型的初始化。
3.如權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述背景建模，其更新的方法是:對(duì)于每一個(gè)背景模型點(diǎn)b(x)，用一定概率來(lái)更新，對(duì)當(dāng)前視頻幀中的對(duì)應(yīng)點(diǎn)V(X)，比較其與b(x)的距離d，當(dāng)d小于閾值I時(shí)，判斷當(dāng)前點(diǎn)為背景點(diǎn)，并以一定概率來(lái)更新該點(diǎn)背景模型，d值越大更新背景的概率越??；更新背景點(diǎn)的方法是:當(dāng)V(X) >b(x)時(shí)，b(x)加上I ；v(x) <b (x)減去I ;相等時(shí)不更新。
4.如權(quán)利要求3所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，所述背景模型更新中，還包括對(duì)鄰點(diǎn)模型的影響，當(dāng)前點(diǎn)背景模型被更新后，隨機(jī)的更新周?chē)?個(gè)鄰點(diǎn)中的一個(gè)點(diǎn)的背景模型，即隨機(jī)的選擇該點(diǎn)的8鄰點(diǎn)中的一個(gè)點(diǎn)用當(dāng)前背景模型值代替。
5.如權(quán)利要求4所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述背景模型更新方法中，采用了一種隨機(jī)數(shù)產(chǎn)生的方法，其特征在于，用前一幀前景點(diǎn)個(gè)數(shù)和前景點(diǎn)經(jīng)過(guò)形態(tài)學(xué)處理之后的前景點(diǎn)個(gè)數(shù)作為兩個(gè)隨機(jī)數(shù)。
6.如權(quán)利要求4所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述背景模型更新方法中，采用了自適應(yīng)閾值，其特征在于，每間隔N幀提取一次視頻幀的亮度值，當(dāng)亮度值持續(xù)10次低于50時(shí)，啟用低照度模式，把背景模型參數(shù)設(shè)置為閾值2。
7.如權(quán)利要求6所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述背景模型更新方法中，包括了對(duì)光照突變情況的處理，其特征在于，當(dāng)更新率持續(xù)多幀低于閾值3時(shí)，對(duì)背景模型進(jìn)行重新初始化。
8.如權(quán)利要求7所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述背景模型更新方法中，包括了對(duì)抖動(dòng)事件的檢測(cè)，其特征在于，在更新率低于0.7時(shí)，且持續(xù)時(shí)間超過(guò)10幀時(shí)，小于0.7的次數(shù)大于閾值4，系統(tǒng)判定出這是一個(gè)抖動(dòng)事件，系統(tǒng)啟動(dòng)幀差法和背景差法，幀差值發(fā)生突變的幀，暫時(shí)不更新背景模型，當(dāng)震動(dòng)恢復(fù)到起始位置時(shí)，背景差將不是那么突兀，此時(shí)提取目標(biāo)，并更新背景。
9.如權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述的形態(tài)學(xué)處理方法，其目的是要解決小的散點(diǎn)和噪點(diǎn)的干擾，并對(duì)一些分裂的小目標(biāo)進(jìn)行合并，其特征在于:首先進(jìn)行一次腐蝕操作，再進(jìn)行一次膨脹操作，用3*3核，以此可以去除一些小的噪點(diǎn)，然后進(jìn)行一次膨脹操作，再進(jìn)行一次腐蝕操作，用3*5核。
10.如權(quán)利要求1所述的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，所述區(qū)域標(biāo)記方法，采用兩輪掃描的方式，首先水平掃描，把連續(xù)的前景點(diǎn)，連成一段，并標(biāo)記之，在第二次掃描的時(shí)候，采用堆棧的方式，把這些段在垂直方向上相連的段連接起來(lái)，成為一個(gè)區(qū)域，并標(biāo)記之。
【文檔編號(hào)】G06T7/20GK103456028SQ201310390972
【公開(kāi)日】2013年12月18日 申請(qǐng)日期:2013年8月30日 優(yōu)先權(quán)日:2013年8月30日
【發(fā)明者】鄭仙斌, 袁義雷, 余意 申請(qǐng)人:浙江立元通信技術(shù)有限公司