運動對象檢測方法和運動對象檢測裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及運動對象檢測方法和運動對象檢 測裝置。
【背景技術(shù)】
[0002] 隨著智能交通系統(tǒng)（ITS)的快速發(fā)展，基于視覺的運動車輛檢測算法成為計算機(jī) 視覺研究的一項基礎(chǔ)技術(shù)。智能交通系統(tǒng)的應(yīng)用有很多，例如自動事件檢測（AID)，車輛流 量統(tǒng)計，車輛信息采集，車輛跟蹤，而運動車輛檢測是關(guān)鍵。
[0003] 目前已經(jīng)有一些基于視覺的運動車輛檢測方法，如背景差分法，光流法和幀差 法：
[0004] 背景差分法使用高斯混合模型，高斯模型，卡爾曼濾波器或其它統(tǒng)計模型來提取 場景的背景圖像，以及根據(jù)背景圖像與當(dāng)前幀的差分圖像來提取運動區(qū)域。然而，在提取背 景圖像的過程中且車輛在該背景圖像的場景中時，這種方法可帶來重復(fù)檢測的問題。同時， 場景的亮度變化是另一個嚴(yán)重的問題。
[0005] 光流法使用運動區(qū)域的光流信息來檢測運動區(qū)域的，其計算量很大。
[0006] 幀差法基于當(dāng)前幀與前一幀或幾幀的差值來提取運動區(qū)域。這種方法可以迅速地 適應(yīng)變化的環(huán)境，而提取的區(qū)域可能不是那么準(zhǔn)確，特別是對于快速移動的目標(biāo)。
[0007] 特征提取和分類方法，通過特征提取和分類以檢測車輛。這種方法甚至可以在單 個圖像中檢測到車輛。但計算量過大，并且檢測性能由數(shù)據(jù)集的質(zhì)量決定。
[0008] 因此，需要一種新的運動對象檢測方法，以解決目前的檢測方法所存在的計算量 大且檢測準(zhǔn)確率低的問題。

【發(fā)明內(nèi)容】

[0009] 有鑒于此，本發(fā)明提出了一種新的運動對象檢測技術(shù)，以至少解決現(xiàn)有的目標(biāo)檢 測技術(shù)的檢測精度低的問題。
[0010] 根據(jù)本發(fā)明的一個方面，提出了一種運動對象檢測方法，包括：獲得當(dāng)前幀圖像的 輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪廓圖像為所述當(dāng)前幀圖像的 輪廓圖像與其上一幀圖像對應(yīng)的背景輪廓圖像的差分圖像；按照預(yù)設(shè)間隔在所述前景輪廓 圖像中逐一選取子圖像塊；判斷所述子圖像塊是否包含前景輪廓像素；根據(jù)判斷結(jié)果，將 包含所述前景輪廓像素的子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計算每 一待處理子圖像塊的方向梯度直方圖特征；采用分類器對計算出的方向梯度直方圖特征進(jìn) 行檢測，以確定運動對象。
[0011] 根據(jù)本發(fā)明的另一方面，還提供了一種運動對象檢測裝置，包括：前景輪廓圖像生 成單元，獲得當(dāng)前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪 廓圖像為所述當(dāng)前幀圖像的輪廓圖像與其上一幀圖像對應(yīng)的背景輪廓圖像的差分圖像；選 取單元，按照預(yù)設(shè)間隔在所述前景輪廓圖像中逐一選取子圖像塊；待處理子圖像塊確定單 元，判斷所述子圖像塊是否包含前景輪廓像素，根據(jù)判斷結(jié)果，將包含所述前景輪廓像素的 子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計算單元，計算每一待處理子圖像 塊的方向梯度直方圖特征；檢測單元，采用分類器對計算出的方向梯度直方圖特征進(jìn)行檢 測，以確定運動對象。
[0012] 根據(jù)本發(fā)明的再一個方面，還提供了一種電子設(shè)備，該電子設(shè)備包括如上所述的 運動對象檢測裝置。
[0013] 根據(jù)本發(fā)明的又一個方面，還提供了一種存儲有機(jī)器可讀取的指令代碼的程序產(chǎn) 品，上述程序產(chǎn)品在執(zhí)行時能夠使上述機(jī)器執(zhí)行如上所述的運動對象檢測方法。
[0014] 此外，根據(jù)本發(fā)明的其他方面，還提供了 一種計算機(jī)可讀存儲介質(zhì)，其上存儲有如 上所述的程序產(chǎn)品。
[0015] 上述根據(jù)本發(fā)明實施例的運動對象檢測裝置、運動對象檢測方法以及電子設(shè)備， 利用前景輪廓圖像中的包含前景輪廓像素的子圖像塊來檢測運動對象，能夠至少實現(xiàn)以下 有益效果之一：子圖像塊包含前景輪廓像素，能夠使得檢測的精度較高；減少了前景輪廓 圖像中無關(guān)子圖像塊的檢測處理過程，計算量較?。灰约肮妮^低。
[0016] 通過以下結(jié)合附圖對本發(fā)明的最佳實施例的詳細(xì)說明，本發(fā)明的這些以及其他優(yōu) 點將更加明顯。
【附圖說明】
[0017] 本發(fā)明可以通過參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所 有附圖中使用了相同或相似的附圖標(biāo)記來表示相同或者相似的部件。所述附圖連同下面的 詳細(xì)說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進(jìn)一步舉例說明本 發(fā)明的優(yōu)選實施例和解釋本發(fā)明的原理和優(yōu)點。在附圖中：
[0018] 圖1示出了根據(jù)本發(fā)明的一個實施例的運動對象檢測方法的流程示意圖；
[0019] 圖2示出了根據(jù)本發(fā)明的另一個實施例的提取前景輪廓的流程示意圖；
[0020] 圖3示出了根據(jù)本發(fā)明的一個實施例的輪廓提取示意圖；
[0021] 圖4示出了根據(jù)本發(fā)明的一個實施例的圖像尺寸調(diào)整示意圖；
[0022] 圖5示出了根據(jù)本發(fā)明的一個實施例的方向梯度直方圖特征圖像的示意圖；
[0023] 圖6示出了相關(guān)技術(shù)中的選擇待處理子圖像塊的處理流程示意圖；
[0024] 圖7示出了根據(jù)本發(fā)明的一個實施例的選擇待處理子圖像塊的處理流程示意圖；
[0025] 圖8示出了根據(jù)本發(fā)明的一個實施例的待處理子圖像的劃分結(jié)構(gòu)示意圖；
[0026] 圖9示出了根據(jù)本發(fā)明的一個實施例的運動對象檢測裝置的框圖。
【具體實施方式】
[0027] 為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點，下面結(jié)合附圖和具體實 施方式對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說明的是，在不沖突的情況下，本申請的實施 例及實施例中的特征可以相互組合。
[0028] 在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可 以采用其他不同于在此描述的其他方式來實施，因此，本發(fā)明并不限于下面公開的具體實 施例的限制。
[0029] 圖1示出了根據(jù)本發(fā)明的一個實施例的運動對象檢測方法的流程圖。
[0030] 如圖1所示，根據(jù)本發(fā)明的實施例的運動對象檢測方法主要包括以下兩大步驟：
[0031] 步驟102,獲得當(dāng)前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，前 景輪廓圖像為當(dāng)前幀圖像的輪廓圖像與其上一幀圖像對應(yīng)的背景輪廓圖像的差分圖像。
[0032] 如何獲取背景輪廓圖像以及當(dāng)前幀圖像的輪廓圖像將在下文中詳細(xì)闡述。
[0033] 步驟104,基于分類器的運動對象檢測。
[0034] 在步驟104中，首先對獲取的前景輪廓圖像進(jìn)行尺寸調(diào)整，以符合相關(guān)要求。然后 進(jìn)行特征預(yù)提取。最后是本是實施例的關(guān)鍵部分：按照預(yù)設(shè)間隔在前景輪廓圖像中逐一選 取子圖像塊。一般情況下，該預(yù)設(shè)間隔為相鄰兩個所述子圖像塊中心之間的距離。當(dāng)然，也 可以根據(jù)實際需要設(shè)置合適的預(yù)設(shè)間隔。
[0035] 判斷子圖像塊是否包含前景輪廓像素。根據(jù)判斷結(jié)果，將包含前景輪廓像素的子 圖像塊作為待處理子圖像塊，否則跳過子圖像塊。在本實施例中，僅對包含有前景輪廓像素 的子圖像塊進(jìn)行檢測處理，對于沒有包含前景輪廓像素的子圖像塊則忽略，這樣就可以避 免對不可能有運動對象的子圖像塊進(jìn)行處理的過程，一方面可減少計算量，提高檢測速度， 另一方面，可提高檢測準(zhǔn)確率，因為所處理的子圖像塊均是包含有前景像素的。
[0036] 計算每一待處理子圖像塊的方向梯度直方圖特征。采用分類器對計算出的方向梯 度直方圖特征進(jìn)行檢測，以確定運動對象。
[0037] 下面結(jié)合圖2詳細(xì)說明上述步驟102的一個具體實施過程。
[0038] 如圖2所示，步驟202,獲得針對待檢測區(qū)域所捕獲的多幀圖像各自的輪廓圖像。 上述多幀圖像可以通過攝像頭等攝影、攝像設(shè)備來預(yù)先獲得。待檢測區(qū)域可以是某個房間、 某個場所，或者可以是某條道路，等等。在一個例子中，待檢測區(qū)域可以是某條預(yù)定道路，或 該預(yù)定道路的部分道路。在實際應(yīng)用中，例如可以將諸如攝像頭等攝影、攝像設(shè)備的攝像范 圍對應(yīng)地設(shè)置為上述待檢測區(qū)域，以便于捕獲上述待檢測區(qū)域的圖像。
[0039] 在根據(jù)本發(fā)明的實施例的運動對象檢測方法的一種實現(xiàn)方式中，可以通過梯度算 法來獲得上述多幀圖像中每