r>[00%] 步驟3、利用動態(tài)背景模型生成背景圖像。例如對于Vibe模型,取每個模型樣本集 中像素的平均值或者中值來生成背景圖像,圖3是用Vibe模型樣本集中像素的平均值生成 的背景圖像示例;
[0027] 步驟4、在當前帖圖像和背景圖像之間提取匹配點對。首先在當前圖像中提 取一定數(shù)量的特征點(化31:或者Harris等),然后利用Kande-Lucas-TomasiFea1:ure Tracker〇(LT)跟蹤到背景圖像來尋找匹配點對。KLT可采用PyramidKLT來提升效果;
[0028] 步驟5、篩選精確的匹配點對并利用RANSAC來計算當前帖和背景圖像之間的仿射 變換參數(shù)。篩選過程可首先求得匹配點對間的偏移距離,然后找到大多數(shù)點對的偏移距離, 去除不在此偏移距離一定范圍內的點對。由于對于航拍視頻,目標距離相機的距離遠遠大 于相機焦距,所W可利用RANSAC計算具有6個參數(shù)的仿射模型來對圖像進行校正;如果匹 配點對過少則認為匹配失敗,把當前帖設為第一帖轉到步驟2對背景模型初始化,否則轉 到步驟6繼續(xù);
[0029] 步驟6、利用步驟5得到的仿射變換參數(shù),計算出動態(tài)背景模型中每個像素模型在 當前圖像帖坐標系的位置并調整像素模型的位置,將動態(tài)背景模型校正到當前圖像帖的坐 標系。C++/C語言實現(xiàn)將背景模型校正到當前圖像帖坐標系過程中,如果直接校正每個像 素背景模型的位置,賦值操作會很耗時,本發(fā)明采用校正指向每個像素背景模型的指針的 位置而不直接校正每個像素背景模型的位置來加快校正速度。比如在位置(〇,〇)上的像素 背景模型經仿射變換參數(shù)計算出的在當前圖像帖坐標系的位置為(1,1),則將指向運個像 素背景模型的指針放到(1,1)的位置,而不是將整個像素背景模型復制到(1,1)位置,復制 一個指針(4字節(jié))的操作要遠遠快于復制整個像素背景模型(通常遠大于4字節(jié))的操 作。;
[0030] 步驟7、用校正后的動態(tài)背景模型把當前帖圖像中的每個像素分為運動目標或背 景。WVibe背景模型為例,比較當前圖像中的像素與對應的背景模型像素集中的像素在顏 色空間中的距離,如果像素集中有2個像素與當前圖像中像素的距離都小于某一闊值,貝U 判定該像素為背景像素,否則將此像素歸為前景像素,即運動像素;
[0031] 步驟8、用當前圖像中歸類為背景的像素對動態(tài)背景模型進行動態(tài)更新。對于 Vibe建模方法,對標記為背景的像素,的概率去替換該像素背景模型樣本集中的元 素進行更新,其中被替換的元素是在樣本集中隨機選取的,同時W同樣的方法的概 率去更新其鄰居點的背景模型樣本值,婷通常設為16 ;
[0032] 步驟9、對當前圖像中歸類為運動目標的像素進行后處理得到運動目標。首先使用 形態(tài)學中的閉運算進行處理,得到運動圖像,如圖4所示;然后對處理后的運動圖像進行連 通域分析,最后利用面積約束來去除面積過大和面積過小的區(qū)域進一步提升檢測結果,得 到最終的運動目標。圖5是得到的最終運動目標的示例圖,矩形框表示的檢測結果。其中 面積約束所用面積范圍由得到的最終運動目標的平均面積不斷的進行更新。
[0033] 盡管已參照本發(fā)明的特定優(yōu)選實施例表示和描述了本發(fā)明,但本領域的技術人員 應該明白,可W在形式上和細節(jié)上對本發(fā)明的技術思想和相關方法做各種各樣的改變,而 不偏離所附權利要求書所限定的本發(fā)明的精神和范圍。
【主權項】
1. 一種視頻中基于在線動態(tài)背景建模的運動目標檢測方法,其特征在于,該方法包括 步驟: 步驟1 :讀入視頻幀,對其進行預處理; 步驟2 :判斷當前幀是否為第一幀,如果是則利用所述第一幀或者繼續(xù)讀入N幀后利用 讀入的N幀初始化形成動態(tài)背景模型;如果不是則直接轉到步驟3 ;其中,N為大于1的整 數(shù); 步驟3 :利用所述動態(tài)背景模型生成背景圖像; 步驟4 :從當前幀和背景圖像中提取匹配點對; 步驟5 :利用所述匹配點對計算當前幀與背景圖像之間的放射變換參數(shù); 步驟6 :利用所述仿射變換參數(shù),計算出動態(tài)背景模型中每個像素模型在當前幀坐標 系下的位置并調整所述動態(tài)背景模型中的每個像素模型的位置,以將所述動態(tài)背景模型校 正到當前幀的坐標系下; 步驟7 :利用校正后的所述動態(tài)背景模型將當前幀的像素集分為運動像素集和背景像 素集; 步驟8 :利用所述背景像素集對所述動態(tài)背景模型進行更新; 步驟9 :對所述運動像素集進行后處理得到運動目標。2. 根據權利要求1所述的的運動目標檢測方法,其中,所述視頻為航拍視頻。3. 根據權利要求1所述的運動目標檢測方法,其中,動態(tài)生成的背景圖像和當前圖像 配準,其中,步驟2中利用Vibe初始化動態(tài)背景模型,具體包括對于圖像幀中的每一個像素 點,隨機選取其鄰居點像素值作為所述動態(tài)背景模型的樣本值對所述動態(tài)背景模型中的樣 本集進行填充。4. 根據權利要求1所述的運動目標檢測方法,其中,步驟4具體包括: 從當前幀中提取預定數(shù)量的特征點; 利用KLT跟蹤所述背景圖像獲取所述特征點的匹配點,形成匹配點對。5. 根據權利要求1所述的的運動目標檢測方法,其中,步驟5中在計算所仿射變換參數(shù) 之前,還包括: 計算匹配點對之間的偏移距離,確定多數(shù)匹配點對的偏移距離范圍; 篩除偏移距離不在所述偏移距離范圍之內的匹配點對。6. 根據權利要求5所述的運動目標檢測方法,其中,步驟5中,如果篩除得到的匹配點 對少于預定值,則將當前幀設置為第一幀,并轉至步驟2。7. 根據權利要求1所述的的運動目標檢測方法,其中,步驟6中在將所述動態(tài)背景模型 校正到當前坐標系下的過程中,采用將指向所述動態(tài)背景模型中每個像素模型的指針指向 校正位置的方式。8. 根據權利要求1所述的的運動目標檢測方法,其中,步驟7中通過比較當前幀的像素 與所述動態(tài)背景模型中的像素在顏色空間中的距離,將小于預定閾值的當前幀像素判定為 背景像素,否則為運動像素。9. 根據權利要求1所述的的運動目標檢測方法,其特征在于,步驟8中通過以預定的概 率替換所述動態(tài)背景模型中隨機選取的像素模型實現(xiàn)所述動態(tài)背景模型的更新。10. 根據權利要求1所述的的運動目標檢測方法,其中,步驟9中對運動像素的后處理 包括形態(tài)學閉運算、連通域分析及面積約束。
【專利摘要】本發(fā)明公開了一種視頻中基于在線動態(tài)背景建模的運動目標檢測方法,包括以下步驟:采集圖像并進行預處理;判讀圖像幀是否為第一幀,如果是則初始化背景模型,否則轉到下一步;利用動態(tài)背景模型生成背景圖像;在當前幀圖像和背景圖像中提取匹配點對;篩選精確匹配對并利用RANSAC計算校正參數(shù);將動態(tài)背景模型校正到當前圖像幀的坐標系;利用校正后的背景模型將當前幀圖像的像素分為運動像素和背景像素;用背景像素對背景模型進行動態(tài)更新;對運動像素進行形態(tài)學處理、連通域分析及面積約束得到運動目標。本發(fā)明可以將固定平臺下先進的基于背景建模的運動目標檢測算法方便的用于航拍平臺上,更精確的對運動目標進行檢測。
【IPC分類】G06T7/20
【公開號】CN105279771
【申請?zhí)枴緾N201510696087
【發(fā)明人】常紅星, 蘭曉松, 李書曉, 朱承飛
【申請人】中國科學院自動化研究所
【公開日】2016年1月27日
【申請日】2015年10月23日