視頻中運(yùn)動(dòng)物體的檢測(cè)方法
【專利摘要】本發(fā)明涉及視頻中運(yùn)動(dòng)物體的檢測(cè)方法，該方法首先建立初始圖像，初始圖像有多個(gè)像素點(diǎn)，每個(gè)像素點(diǎn)對(duì)應(yīng)一個(gè)單詞本，每個(gè)單詞本中含有多個(gè)單詞；每個(gè)單詞包括五個(gè)像素特征；然后獲取視頻，用視頻第一幀圖像中像素點(diǎn)的像素特征替換初始圖像一個(gè)單詞本中隨機(jī)選取的一個(gè)單詞的像素特征，該單詞本中其他單詞的像素特征賦特定值；然后從視頻第2幀圖像開始，將每幀圖像中的對(duì)應(yīng)的像素點(diǎn)對(duì)應(yīng)地與初始圖像中的像素點(diǎn)進(jìn)行比較，求出相似度，當(dāng)相似度滿足要求則將該幅圖像拷貝并將對(duì)應(yīng)的像素點(diǎn)涂白，否則涂黑，每幀圖像處理后都將初始圖像更新，當(dāng)視頻所有幀圖像都處理后，最后輸出黑白色圖像，其中白色部分即為視頻中的運(yùn)動(dòng)物體。該方法運(yùn)算速度快，檢測(cè)結(jié)果的魯棒性更高。
【專利說(shuō)明】視頻中運(yùn)動(dòng)物體的檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理和識(shí)別【技術(shù)領(lǐng)域】，具體涉及視頻中運(yùn)動(dòng)物體的檢測(cè)方法。
【背景技術(shù)】
[0002]運(yùn)動(dòng)檢測(cè)通常作為計(jì)算機(jī)視覺(jué)處理的第一個(gè)，其準(zhǔn)確和實(shí)時(shí)性很受重視。近年來(lái)很多運(yùn)動(dòng)檢測(cè)的方法被提出，比較經(jīng)典的有如下幾種。I)高斯混合模型檢測(cè)算法，最初始的高斯模型利用一個(gè)高斯函數(shù)去描述背景，適用于室內(nèi)簡(jiǎn)單的場(chǎng)景，但是室外的復(fù)雜場(chǎng)景往往是不符合高斯分布的，因此單高斯模型對(duì)于室外場(chǎng)景檢測(cè)效果很差?；旌细咚鼓Ｐ驮趩胃咚鼓Ｐ偷幕A(chǔ)上，使用多個(gè)高斯函數(shù)而不是一個(gè)高斯函數(shù)去描述背景，讓室外的運(yùn)動(dòng)的檢測(cè)得到改觀。2)核密度估計(jì)方法，利用一個(gè)核密度函數(shù)描述重復(fù)運(yùn)動(dòng)的背景。該算法最大的優(yōu)點(diǎn)是不需要設(shè)置參數(shù)，對(duì)于一些重復(fù)運(yùn)動(dòng)的物體，例如電梯的檢測(cè)效果很好。算法使用核密度函數(shù)去描述背景，并不停的修正核函數(shù)，最后使得算法效果越來(lái)越好。3) Vibe檢測(cè)方法，使用采樣的方法對(duì)每一個(gè)像素建立一個(gè)樣本集合，并使用該樣本集合去描述背景。Vibe檢測(cè)方法是目前一種非常流行的算法，以其運(yùn)算量小和對(duì)內(nèi)存占用低被廣泛使用在各個(gè)領(lǐng)域。算法核心 思想是使用隨機(jī)更新的方法去確保背景的平滑更新，但是原始的Vibe檢測(cè)方法是針對(duì)灰度圖和RGB圖像的，因此對(duì)陰影的處理效果不好。4) CodeBook檢測(cè)方法(單詞本檢測(cè)法)，利用主成分分析的思想，使用單詞本曲描述背景。Vibe檢測(cè)方法的思想來(lái)源于LZW壓縮算法(LZW是指作者Lempel-Ziv-Welch Encoding提出的一種檢測(cè)算法)，利用“單詞本”去記錄背景中出現(xiàn)的各種可能的“單詞”，優(yōu)點(diǎn)是對(duì)于有規(guī)律的動(dòng)態(tài)背景效果很好，缺點(diǎn)是對(duì)光線的變化很敏感，而且需要很多幀的圖像去訓(xùn)練，檢測(cè)速度慢，而且魯棒性差。

【發(fā)明內(nèi)容】

[0003]針對(duì)現(xiàn)有技術(shù)存在的上述問(wèn)題，本發(fā)明的目的是提供一種視頻中運(yùn)動(dòng)物體的檢測(cè)方法，該方法，將視頻中的運(yùn)動(dòng)物體和非運(yùn)動(dòng)物體分別涂成白色和黑色，然后輸出一副黑白圖像。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案:視頻中運(yùn)動(dòng)物體的檢測(cè)方法，具體包括如下步驟:
[0005]步驟a:
[0006]al:建立初始圖像，設(shè)初始圖像共有Z個(gè)像素點(diǎn)，像素點(diǎn)Ej, I ^ j ^ Z對(duì)應(yīng)一個(gè)單詞本Cj,單詞本Cj中有L個(gè)單詞，Cj = (Cj1, Cj2,..., cJX,..., CjJ , I≤λ≤L,單詞Cp由
維數(shù)相等的表示像素特征向量的Λ》,λ、表示方差向量的和表示計(jì)數(shù)器向量的構(gòu)成，
cJA = 'I' ^jA }；
[0007]所述矹2，^ green^ /λ，^ hhtt\ (λ , ^textmw I，其中 Vgray, j λ，^red, j λ，VgreelljjAi VbluejjA和vtexturyA為像素特征向量的Λ?#的向量元，分別表示初始圖像中像素點(diǎn)Ej經(jīng)RGB轉(zhuǎn)灰度圖的方法后，像素點(diǎn)對(duì)應(yīng)的單詞本單詞Cp的灰度值，紅色分量的特征值，綠色分量的特征值，藍(lán)色分量的特征值和紋理特征值；
[0008]所述
【權(quán)利要求】
1.視頻中運(yùn)動(dòng)物體的檢測(cè)方法，其特征在于具體包括如下步驟: 步驟a:al:建立初始圖像，設(shè)初始圖像共有Z個(gè)像素點(diǎn)，像素點(diǎn)Ep I ^ j ^ Z對(duì)應(yīng)一個(gè)單詞本C」，單詞本Cj中有L個(gè)單詞，Cj = (Cji, Cj2,...，Cjλ,...，CjJ , I≤λ≤L,單詞cjA由維數(shù)相等的表示像素特征向量的^^、表示方差向量的5^和表示計(jì)數(shù)器向量的#P構(gòu)成，所述 j/ — gray,JA 5 ^teJ JA i ^greenJA * ^hlue.jA "* ^lexntreJA I ’ 其中 Vgray，j λ，vred, j λ，v green, j λ，Vbiuej JA和VtraitureUA為像素特征向量的的向量元,分別表示初始圖像中像素點(diǎn)Ej經(jīng)RGB轉(zhuǎn)灰度圖的方法后，像素點(diǎn)Ej對(duì)應(yīng)的單詞本單詞Cp的灰度值，紅色分量的特征值，綠色分量的特征值，藍(lán)色分量的特征值和紋理特征值；所述 Sja = {mgiWtM?Mmdji，Mgfmtjx，Mbhmjl，Wltextumjl} ? 其中 mgray, Jλ，mred, JA,mgreen,jA,mblue；JA)mtexture；JX為方差向量的I#的向量元,分別表示像素點(diǎn)Ej對(duì)應(yīng)的單詞本單詞Cja的像素特征向量中向量元vgMy，jX對(duì)應(yīng)的方差值，向量元VratuA對(duì)應(yīng)的方差值，向量元對(duì)應(yīng)的方差值，向量元Vblue，jA對(duì)應(yīng)的方差值和向量元對(duì)應(yīng)的方差值；所述 Wpr — {^grey ,/2，^mdJA，^gmmJA，嘗MmJl,，texture,,其中 wgray，j λ，Wred, j λ , Wgreen,jA, Wblue；J λ, Wtexture； JA為計(jì)數(shù)器向量的向量元，分別表示像素點(diǎn)Ej對(duì)應(yīng)的單詞本單詞Cja的像素特征向量Μ#中向量元Vgray，jA對(duì)應(yīng)的計(jì)數(shù)值，向量元VraUA對(duì)應(yīng)的計(jì)數(shù)值，量元Vgreen；Jx對(duì)應(yīng)的計(jì)數(shù)值，向量元Vblm，jA對(duì)應(yīng)的計(jì)數(shù)值和向量元對(duì)應(yīng)的計(jì)數(shù)值；a2:對(duì)初始圖像中所有像素點(diǎn)對(duì)應(yīng)的單詞本中的單詞的向量元設(shè)置初始值:a21:獲取視頻，所述視頻共有Q幀圖像，每幀圖像中像素點(diǎn)的數(shù)量相同都為H，HSZ，視頻的第一幀圖像中的像素點(diǎn)1，ξ ^H,像素點(diǎn)Βξ由維數(shù)相等的表示像素特征向量的、表示方差向量的焉和表示計(jì)數(shù)器向量的K構(gòu)成，Bt；所述 M々—{，VlvJ s| 5 ^greeti^，~ΜνΜ,ξ "> ^Μχηα'?,ξ I" r 其中 Vgray, ξ，Vred, ξ，Vgreen, ξ，Vblue, ξ和VtextuieJ為像素特征向量的啲向量元，分別表示第一幀圖像中的像素點(diǎn)Βξ經(jīng)RGB轉(zhuǎn)灰度圖的方法后，像素點(diǎn)Βξ的灰度值，紅色分量的特征值，綠色分量的特征值，藍(lán)色分量的特征值和紋理特征值； 所述 ^ = {rn^-4, 4, mrn^4, ,> ,其中屺“…fflgreen^.niblue, ξ和mtexture，ξ為方差向量的If的向量元，分別表示第一幀圖像中的像素點(diǎn)B ξ的像素特征向量化中向量元Vgray，ξ對(duì)應(yīng)的方差值，向量元V1^ ξ對(duì)應(yīng)的方差值，向量元Vg_，ξ對(duì)應(yīng)的方差值，向量元Vb一 ξ對(duì)應(yīng)的方差值和向量元Vt6xtur6，ξ對(duì)應(yīng)的方差值；所沐
【文檔編號(hào)】G06T7/20GK103971385SQ201410228074
【公開日】2014年8月6日 申請(qǐng)日期:2014年5月27日 優(yōu)先權(quán)日:2014年5月27日
【發(fā)明者】張小洪, 趙晨丘, 李飛, 蒲薇欖, 洪明堅(jiān), 徐玲, 楊夢(mèng)寧, 葛永新 申請(qǐng)人:重慶大學(xué)