本發(fā)明涉及智能視頻監(jiān)控、計(jì)算機(jī)視覺(jué)領(lǐng)域，具體涉及一種基于雙背景模型的雙掩膜背景更新的遺留物檢測(cè)方法。

背景技術(shù)：

視頻監(jiān)控系統(tǒng)在各行各業(yè)都得到了廣泛的應(yīng)用，特別是在居民小區(qū)、銀行、超市、地鐵、機(jī)場(chǎng)、博物館等都有視頻監(jiān)控設(shè)備。一般情況下，以上監(jiān)控系統(tǒng)主要由傳統(tǒng)的閉路電視CCTV監(jiān)控構(gòu)成，可以對(duì)監(jiān)控場(chǎng)景進(jìn)行記錄和儲(chǔ)存，但并不能對(duì)公共安全等犯罪行為及時(shí)發(fā)出報(bào)警，而且需要大量的工作人員時(shí)刻監(jiān)視著監(jiān)控畫(huà)面。故以CCTV為主的視頻監(jiān)控系統(tǒng)已經(jīng)無(wú)法滿(mǎn)足現(xiàn)代人們對(duì)安全防范的需求，從而智能視頻監(jiān)控應(yīng)運(yùn)而生，將在以后全面取代前者。

遺留物檢測(cè)是安防預(yù)警領(lǐng)域中智能視頻監(jiān)控的一個(gè)重要分支，在機(jī)場(chǎng)、地鐵、體育場(chǎng)、候車(chē)室和展覽館等公共場(chǎng)合的可疑遺留物檢測(cè)是智能視頻監(jiān)控系統(tǒng)不可缺少的內(nèi)容。目前已有的遺留物檢測(cè)方法主要存在如下的問(wèn)題：

目前直接采用混合高斯模型對(duì)兩個(gè)背景同時(shí)建模，需要運(yùn)行的計(jì)算量非常龐大，很難滿(mǎn)足實(shí)時(shí)性的要求。目前遺留物的長(zhǎng)時(shí)間停留很容易被更新到背景里面，從而導(dǎo)致無(wú)法檢測(cè)到遺留物；目前遺留物檢測(cè)中沒(méi)有對(duì)干擾物進(jìn)行嚴(yán)格的剔除，造成遺留物誤檢率極高。

所以如何提高在復(fù)雜環(huán)境下視頻監(jiān)控系統(tǒng)中遺留物檢測(cè)的準(zhǔn)確性、實(shí)時(shí)性是有待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述的技術(shù)問(wèn)題，本發(fā)明的目的就在于提高遺留物檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性，提供一種基于雙背景模型的雙掩膜背景更新的遺留物檢測(cè)方法。

本發(fā)明所采用的技術(shù)方案是：

S10，讀入監(jiān)控視頻，并創(chuàng)建兩個(gè)背景模型，以監(jiān)控視頻的第一幀圖像作為快更新背景模型和慢更新背景模型的背景圖像；

S20，檢測(cè)靜止前景物體；

S30，對(duì)檢測(cè)到的靜止物體進(jìn)行篩選；

S40，雙背景模型的更新；

S50，將檢測(cè)到的遺留物加以標(biāo)記輸出到視頻監(jiān)控；

上述的技術(shù)方案，其中優(yōu)選的，所述步驟S10中創(chuàng)建兩個(gè)背景模型包括如下步驟：

S11，兩個(gè)背景模型分別為快更新背景模型和慢更新背景模型，它們兩個(gè)不僅背景更新速率不一樣，而且它們的背景更新機(jī)制也不同，快更新背景模型是基于像素比較法進(jìn)行背景更新的，慢更新背景模型是基于混合高斯背景建模進(jìn)行背景更新的。

所述步驟S20中檢測(cè)靜止前景物體中包括如下步驟：

S21，用快更新背景模型與慢更新背景模型進(jìn)行差分，用二值標(biāo)示，若差值大于閾值，則在二值圖像對(duì)應(yīng)點(diǎn)處置為255，255標(biāo)示不相同，即標(biāo)示靜止物；反之，則在二值圖像對(duì)應(yīng)點(diǎn)處置為0，0標(biāo)示相同，即標(biāo)示非靜止物。

S22，對(duì)暫時(shí)靜止的物體進(jìn)行跟蹤計(jì)時(shí)，掃描靜止物體圖像的每個(gè)點(diǎn)，找到像素值為255的點(diǎn)，在累計(jì)圖像對(duì)應(yīng)點(diǎn)計(jì)數(shù)加1，然后掃描累計(jì)圖像的每個(gè)點(diǎn)，找到計(jì)數(shù)大于設(shè)定閾值的像素點(diǎn)，形成新的靜止物體的二值圖像；

S23，對(duì)新的二值圖像進(jìn)行形態(tài)學(xué)濾波的膨脹操作。

所述步驟S30中靜止物體進(jìn)行篩選包括如下步驟：

S31，首先篩選出一個(gè)合適大小的靜止物體，過(guò)濾掉過(guò)大或過(guò)小的靜止物體。

S32，先找出外接矩形的長(zhǎng)寬比符合人體形狀要求的靜止物體，然后利用HOG+SVM行人檢測(cè)算法檢測(cè)這些物體是否是靜止行人。

S33，用運(yùn)動(dòng)物體的二值圖像和靜止物體的二值圖像相與得到新的二值圖像，在該二值圖像上使用中值濾波來(lái)過(guò)濾室外樹(shù)葉、柳絮飄動(dòng)等風(fēng)吹物體的擺動(dòng)的干擾。

S34，用靜止物體的輪廓面積與外接矩形面積之比小于設(shè)定的比值的過(guò)濾掉靜止自行車(chē)和電瓶車(chē)的干擾。

上述的技術(shù)方案，其中，所述步驟S40中雙背景模型的更新如下步驟：

S41，快更新背景模型利用讀入的每幀數(shù)據(jù)與當(dāng)前背景進(jìn)行比較每個(gè)像素點(diǎn)上的灰度值大小來(lái)更新快更新背景模型。

S42，慢更新背景模型首先構(gòu)造兩個(gè)掩膜，隨著視頻監(jiān)控中有無(wú)遺留物的情況不斷變化，利用這兩個(gè)掩膜可以隨時(shí)切換慢更新背景模型的全局/局部背景上的混合高斯背景建模更新。

優(yōu)選的，所述快更新背景模型利用讀入的每幀視頻圖像數(shù)據(jù)與當(dāng)前背景進(jìn)行每個(gè)像素點(diǎn)上的灰度值大小的比較來(lái)更新快更新背景模型，如果當(dāng)前視頻圖像的灰度值比當(dāng)前背景圖像的對(duì)應(yīng)點(diǎn)處大，則當(dāng)前背景圖像的對(duì)應(yīng)點(diǎn)灰度值加1，反之，如果當(dāng)前視頻圖像的灰度值比當(dāng)前背景圖像對(duì)應(yīng)點(diǎn)處小，則當(dāng)前背景圖像對(duì)應(yīng)點(diǎn)處減1。

優(yōu)選的，所述慢更新背景模型的更新方法為：

1)構(gòu)造兩個(gè)掩膜，第一個(gè)掩膜為灰度值都為255的圖像，第二個(gè)掩膜為第一個(gè)掩膜取反后的結(jié)果圖像；

2)如果監(jiān)控視頻中沒(méi)有出現(xiàn)遺留物，則慢更新背景模型進(jìn)行全局混合高斯背景更新，并且兩個(gè)掩膜圖像信息保持不變；一旦檢測(cè)到遺留物，則把遺留物在圖像上的位置存儲(chǔ)下來(lái)，然后在第一個(gè)掩膜圖像上的相對(duì)應(yīng)的位置上把該部分的灰度值全都置為0，第二個(gè)掩膜圖像對(duì)第一個(gè)掩膜圖像重新進(jìn)行取反更新；

3)把第一個(gè)掩膜圖像與當(dāng)前慢更新背景圖像相與得到需要更新的背景區(qū)域，第二個(gè)掩膜圖像與當(dāng)前慢更新背景圖像相與得到遺留物對(duì)應(yīng)的不需要更新的背景區(qū)域；

4)第一個(gè)掩膜圖像和當(dāng)前視頻圖像相與得到需要背景更新區(qū)域的混合高斯背景更新的輸入數(shù)據(jù)圖像；

5)最后把更新好的背景區(qū)域圖像與不需要更新的背景區(qū)域圖像相或得到完整的全新慢更新背景圖像。

本發(fā)明的遺留物檢測(cè)方法產(chǎn)生以下幾種良好的效果：

效果1：本發(fā)明采用像素比較法對(duì)快更新背景模型進(jìn)行背景更新，從而取代混合高斯背景建模的背景更新方法，降低了全高清視頻圖像分析處理的計(jì)算量，提高檢測(cè)算法的實(shí)時(shí)性。

效果2：本發(fā)明采用先篩選后用HOG+SVM人體檢測(cè)方法來(lái)過(guò)濾靜止行人的方法，很大程度上減少了HOG+SVM人體檢測(cè)方法的計(jì)算量，提高檢測(cè)算法的實(shí)時(shí)性。

效果3：本發(fā)明采用雙掩膜對(duì)慢更新背景模型進(jìn)行局部更新，很靈活的在沒(méi)有遺留物出現(xiàn)時(shí)的背景全局更新與有遺留物出現(xiàn)時(shí)的背景局部更新之間自由的切換，從而避免遺留物的遺留時(shí)間過(guò)長(zhǎng)而融入到慢更新背景模型中的現(xiàn)象。

效果4：本發(fā)明采用嚴(yán)格的篩選方法，消除干擾目標(biāo)(噪聲、靜止行人、風(fēng)吹物體的擺動(dòng)、靜止自行車(chē))對(duì)遺留物的影響，提高算法的準(zhǔn)確度，盡量減少漏檢和誤檢率。

附圖說(shuō)明

圖1是本方法的步驟圖；

圖2是計(jì)算靜止物體的流程圖；

圖3是靜止物體跟蹤計(jì)時(shí)的流程圖；

圖4是過(guò)濾風(fēng)吹物體擺動(dòng)的干擾的流程圖；

圖5是快更新背景模型的背景更新流程圖；

圖6是慢更新背景模型的雙掩膜背景更新流程圖.

具體實(shí)施方式

以下結(jié)合附圖和具體實(shí)施對(duì)本發(fā)明進(jìn)行詳細(xì)描述，但不作為對(duì)本發(fā)明的限定。

如圖1，本方法的實(shí)現(xiàn)步驟如下：

A讀取監(jiān)控視頻，并創(chuàng)建兩個(gè)背景模型

利用攝像頭獲得監(jiān)控視頻圖像數(shù)據(jù)，并且把第一幀圖像作為一開(kāi)始兩個(gè)背景模型的背景圖像。

B檢測(cè)靜止前景物體

在上一步我們利用視頻圖像數(shù)據(jù)，建立了兩個(gè)背景模型，兩個(gè)背景模型的不同之處在于背景更新速率和背景更新方法，分別記為快更新背景和慢更新背景，其中快更新背景模型的更新速率是0.5秒/次，慢更新背景模型的更新速率是25秒/次?？旄卤尘澳Ｐ团c慢更新背景模型的更新速率在1：40到1：80之間比較合適，這個(gè)比值可以根據(jù)具體的實(shí)際環(huán)境來(lái)設(shè)定。

如圖2所示，把兩個(gè)背景模型進(jìn)行差分，并且用二值標(biāo)示，若差值大于閾值60，則在二值圖像對(duì)應(yīng)點(diǎn)處置為255，255標(biāo)示不相同，即標(biāo)示靜止物；反之，則在二值圖像對(duì)應(yīng)點(diǎn)處置為0，0標(biāo)示相同，即標(biāo)示非靜止物。

接下來(lái)要對(duì)靜止物體的靜止時(shí)間跟蹤進(jìn)行計(jì)時(shí)。如圖3所示，掃描靜止物體圖像的每個(gè)點(diǎn)，找到像素值為255的點(diǎn)，在累計(jì)圖像對(duì)應(yīng)點(diǎn)計(jì)數(shù)加1。然后掃描累計(jì)圖像的每個(gè)點(diǎn)，找到大于閾值為80的像素點(diǎn)，形成新的靜止物體的二值圖像。對(duì)新的二值圖像進(jìn)行形態(tài)學(xué)濾波中的膨脹處理，膨脹操作使用3*3的內(nèi)核。

C對(duì)檢測(cè)到的靜止物體進(jìn)行篩選

首先對(duì)靜止物體的二值圖像進(jìn)行連通域標(biāo)記，接下來(lái)運(yùn)用遺留物連通域的輪廓特性進(jìn)行如下篩選：

1.首先篩選出連通域大小在500到10000之間的靜止物。

2.在上面的基礎(chǔ)上先篩選出連通域的外接矩形的長(zhǎng)寬比大于1.5的靜止物，再利用HOG+SVM行人檢測(cè)算法檢測(cè)篩選出來(lái)的靜止物是否是靜止行人，把檢測(cè)出來(lái)為行人的連通域去除掉。

3.如圖4所示，首先計(jì)算當(dāng)前視頻圖像和當(dāng)前慢更新背景圖像對(duì)應(yīng)點(diǎn)的差，差值大于閾值為60的對(duì)應(yīng)點(diǎn)處結(jié)果置為255，反之，對(duì)應(yīng)點(diǎn)處結(jié)果置為0。0標(biāo)示相同，即為背景，255標(biāo)示不相同，即為運(yùn)動(dòng)前景。上面計(jì)算得到運(yùn)動(dòng)物體的二值圖像，然后把運(yùn)動(dòng)物體圖像與當(dāng)前靜止物體圖像相與得到新的靜止物體的二值圖像。

4.在新的靜止物體的圖像上找到連通域面積與該連通域的外接矩形面積之比小于0.5的連通域，將其過(guò)濾掉，最后剩下的連通域部分就是最終的遺留物。

D雙背景模型的更新

雙背景模型的更新利用到兩個(gè)不一樣的背景更新方法，快更新背景模型的更新方法如圖5所示，利用每幀讀入的視頻圖像數(shù)據(jù)與當(dāng)前背景圖像進(jìn)行比較對(duì)應(yīng)點(diǎn)的灰度值大小。如果當(dāng)前視頻圖像的灰度值比當(dāng)前背景圖像的對(duì)應(yīng)點(diǎn)處大，則當(dāng)前背景圖像的對(duì)應(yīng)點(diǎn)灰度值加1，反之，如果當(dāng)前視頻圖像的灰度值比當(dāng)前背景圖像對(duì)應(yīng)點(diǎn)處小，則當(dāng)前背景圖像對(duì)應(yīng)點(diǎn)處減1?？旄卤尘澳Ｐ途褪沁@樣每一幀去更新它的當(dāng)前背景圖像。

慢更新背景模型的更新方法如圖6所示，首先構(gòu)造兩個(gè)掩膜，第一個(gè)掩膜為灰度值都為255的圖像，第二個(gè)掩膜為第一個(gè)掩膜取反后的結(jié)果圖像。一開(kāi)始，如果監(jiān)控視頻中沒(méi)有出現(xiàn)遺留物，則慢更新背景模型進(jìn)行全局混合高斯背景更新，并且兩個(gè)掩膜圖像信息保持不變。一旦發(fā)現(xiàn)檢測(cè)到遺留物，則把遺留物在圖像上的位置存儲(chǔ)下來(lái)，然后在第一個(gè)掩膜圖像上的相對(duì)應(yīng)的位置上把該部分的灰度值全都置為0。第二個(gè)掩膜圖像對(duì)第一個(gè)掩膜圖像重新進(jìn)行取反更新。接著把第一個(gè)掩膜圖像與當(dāng)前慢更新背景圖像相與得到需要更新的背景區(qū)域，第二個(gè)掩膜圖像與當(dāng)前慢更新背景圖像相與得到遺留物對(duì)應(yīng)的不需要更新的背景區(qū)域。第一個(gè)掩膜圖像還要和當(dāng)前視頻圖像相與得到需要背景更新區(qū)域的混合高斯背景更新的輸入數(shù)據(jù)圖像。最后把更新好的背景區(qū)域圖像與不需要更新的背景區(qū)域圖像相或得到完整的全新慢更新背景圖像。

E將檢測(cè)到的遺留物加以標(biāo)記輸出到視頻監(jiān)控

計(jì)算遺留物二值圖像中的遺留物連通域的外接矩形并把它們畫(huà)到視頻監(jiān)控圖像上相對(duì)應(yīng)的位置。