一種運動目標的識別方法、裝置制造方法
【專利摘要】本發(fā)明適用于視頻監(jiān)控【技術領域】，提供了一種運動目標的識別方法、裝置，所述方法包括：A、采集含有背景和運動目標的視頻圖像；B、對第一幀視頻圖像進行建模，得到第一背景模型；C、根據第二幀圖像和第一背景模型計算得到第一差分圖像；D、對第二幀視頻圖像進行建模，得到第二背景模型；E、根據第三幀視頻圖像和第二背景模型計算得到第二差分圖像；F、根據第一差分圖像和第二差分圖像分別計算得到第一二值圖像和第二二值圖像；G、根據第一二值圖像和第二二值圖像得到運動目標的變化區(qū)域；H、依次重復執(zhí)行步驟A到步驟G，檢測出所有運動目標的變化區(qū)域。本發(fā)明，對車載移動攝像頭有很好的自適應性，運動目標的識別率高。
【專利說明】一種運動目標的識別方法、裝置
【技術領域】
[0001]本發(fā)明屬于視頻監(jiān)控技術，尤其涉及一種運動目標的識別方法、裝置。
【背景技術】
[0002]視頻監(jiān)控是計算機視覺的一個重要應用，其廣泛應用于居民小區(qū)、辦公樓宇和交通運輸?shù)葓龊希呀洺蔀樽≌瑓^(qū)、交通、商業(yè)乃至國防等領域進行安全防范監(jiān)控的重要手段。
[0003]常用的移動偵測方法有背景減除法、幀差法和光流法等，這些方法主要以靜態(tài)或準靜態(tài)背景為條件，適應于車輛運動速度較慢且對圖像分割精度要求不是很高的場合，但在背景為動態(tài)背景或復雜背景的情況下，用其實現(xiàn)移動偵測實時性差，對于外界環(huán)境的變化非常敏感，抗噪性能差，當視頻圖像受到嚴重噪聲污染時，會導致較大的誤判概率。

【發(fā)明內容】

[0004]本發(fā)明實施例提供了一種運動目標的識別方法、裝置，旨在解決現(xiàn)有技術提供的移動偵測方法，誤判概率較大的問題。
[0005]一方面，提供一種運動目標的識別方法，所述方法包括:
[0006]步驟A、采集含有背景和運動目標的視頻圖像；
[0007]步驟B、對第一幀視頻圖像進行建模，得到第一背景模型；
[0008]步驟C、根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0009]步驟D、對第二幀視頻圖像進行建模，得到第二背景模型；
[0010]步驟E、根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像；
[0011]步驟F、根據所述第一差分圖像和所述第二差分圖像分別計算得到第一二值圖像和第二二值圖像；
[0012]步驟G、根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域；
[0013]步驟H、依次重復執(zhí)行步驟A到步驟G，檢測出所有運動目標的變化區(qū)域。
[0014]進一步地，在所述步驟G之后，還包括:
[0015]將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。
[0016]進一步地，所述以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標包括:
[0017]以預設大小的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ；
[0018]對所述NI個宏塊逐個檢測，如果檢測到的宏塊中覆蓋的運動目標像素總個數(shù)超過預設像素數(shù)量，則所述宏塊被計數(shù)一次；
[0019]統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ；
[0020]當N2/N1大于預先設定的值時，則判定運動目標的變化區(qū)域中有運動目標。[0021]進一步地，采用改進的混合高斯模型對第一幀視頻圖像進行建模，得到第一背景模型；
[0022]采用改進的混合高斯模型對第二幀視頻圖像進行建模，得到第二背景模型。
[0023]進一步地，采用幀間差分法根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0024]采用幀間差分法根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像。
[0025]另一方面，提供一種運動目標的識別裝置，所述裝置包括:
[0026]視頻圖像采集單元，用于采集含有背景和運動目標的視頻圖像；
[0027]第一背景模型獲取單元，用于對第一幀視頻圖像進行建模，得到第一背景模型；
[0028]第一差分圖像獲取單元，用于根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0029]第二背景模型獲取單元，用于對第二幀視頻圖像進行建模，得到第二背景模型；
[0030]第二差分圖像獲取單元，用于根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像；
[0031]二值圖像獲取單元，用于根據所述第一差分圖像和所述第二差分圖像分別計算得到第一二值圖像和第二二值圖像；
[0032]變化區(qū)域獲取單元，用于根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域。
[0033]進一步地，所述裝置還包括:
[0034]運動目標識別單元，用于將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。
[0035]進一步地，所述運動目標識別單元包括:
[0036]宏塊總個數(shù)統(tǒng)計模塊，用于以預設大小的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ；
[0037]宏塊檢測模塊，用于對所述NI個宏塊逐個檢測，如果宏塊中覆蓋的運動目標像素總個數(shù)超過預設像素數(shù)量，則所述宏塊被計數(shù)一次；
[0038]宏塊個數(shù)統(tǒng)計模塊，用于統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ；
[0039]運動目標判斷模塊，用于當N2/N1大于預先設定的值時，則判定運動目標的變化區(qū)域中有運動目標。
[0040]進一步地，所述第一背景模型獲取單元采用改進的混合高斯模型對第一幀視頻圖像進行建模，得到第一背景模型；
[0041]所述第二背景模型獲取單元采用改進的混合高斯模型對第二幀視頻圖像進行建模，得到第二背景模型。
[0042]進一步地，所述第一差分圖像獲取單元采用幀間差分法根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0043]所述第二差分圖像獲取單元采用幀間差分法根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像。[0044]在本發(fā)明實施例，在車輛移動的過程中，先根據實時采集的視頻幀圖像不斷構建和更新背景模型，再根據更新后的背景模型以及實時采集的視頻幀計算運動目標的變化區(qū)域，對車載移動攝像頭有很好的自適應性，運動目標的識別率高。
【專利附圖】

【附圖說明】
[0045]圖1是本發(fā)明實施例一提供的運動目標的識別方法的實現(xiàn)流程圖；
[0046]圖2是本發(fā)明實施例一提供的運動目標的識別裝置的結構框圖。
【具體實施方式】
[0047]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0048]在本發(fā)明實施例中，采集含有背景和運動目標的視頻圖像；對第一幀視頻圖像進行建模，得到第一背景模型；根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；對第二幀視頻圖像進行建模，得到第二背景模型；根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像；根據所述第一差分圖像和所述第二差分圖像分別計算得到第一二值圖像和第二二值圖像；根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域；重復依次執(zhí)行上述步驟，檢測出所有運動目標的變化區(qū)域。
[0049]以下結合具體實施例對本發(fā)明的實現(xiàn)進行詳細描述:
[0050]實施例一
[0051]圖1示出了本發(fā)明實施例一提供的運動目標的識別方法的實現(xiàn)流程，詳述如下:
[0052]在步驟SlOl中，采集含有背景和運動目標的視頻圖像。
[0053]在本實施例中，用車載視頻監(jiān)控攝像頭采集含有背景和運動目標的視頻圖像。
[0054]在步驟S102中，對第一幀視頻圖像進行建模，得到第一背景模型。
[0055]在本實施例中，將步驟SlOl中采集得到的第一幀視頻圖像作為初始背景圖像，對所述初始背景圖像的像素利用混合高斯模型建模，得到第一背景模型。
[0056]當然，也可以對所述初始背景圖像的像素利用改進的混合高斯模型建模，得到第一背景模型。
[0057]具體的，本實施例中，還可以通過對初始背景圖像的像素利用中值法背景建模、均值法背景建模、卡爾曼濾波背景建?；蛘吒呒壉尘敖５冉７椒ǖ玫降谝槐尘澳Ｐ?，具體采用何種建模方法，在此不做限制，只是優(yōu)選的，采用混合高斯建模對初始背景圖像的像素進行建模。
[0058]在步驟S103中，根據第二幀圖像和所述第一背景模型計算得到第一差分圖像。
[0059]在本實施例中，將第二幀視頻圖像與第一背景模型分別進行灰度化后，再對灰度化的第二幀視頻圖像和灰度化的第一背景模型通過幀間差分法進行處理，得到第一差分圖像。
[0060]在步驟S104中，對第二幀視頻圖像進行建模，得到第二背景模型。
[0061]在本實施例中，對步驟SlOl中采集得到的第二幀視頻圖像的像素利用混合高斯建模，得到第二背景模型。[0062]當然，也可以對第二幀視頻圖像的像素利用改進的混合高斯模型建模，得到第二背景模型。
[0063]在步驟S105中，根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像。
[0064]在本實施例中，將步驟SlOl中采集得到的第三幀視頻圖像與步驟S104中得到的第二背景模型分別進行灰度化后，再對灰度化的第三幀視頻圖像和灰度化的第二背景模型通過幀間差分法進行處理，得到第二差分圖像。
[0065]在步驟S106中，根據所述第一差分圖像和所述第二差分圖像分別計算得到第
一二值圖像和第二二值圖像。
[0066]在本實施例中，將步驟S103中得到的第一差分圖像和步驟S105中得到的第二差分圖像分別進行二值化處理，分別得到第一二值化圖像和第二二值化圖像。
[0067]在步驟S107中，根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域。
[0068]在本實施例中，在每一個像素點，對步驟S106得到的第一二值化圖像和第二二值化圖像進行邏輯與運算，則可以計算得到運動目標的變化區(qū)域?；谶\動目標的變化區(qū)域的灰度值設定灰度檢測門限，進而可以準確地判斷視頻圖像中的運動目標。
[0069]執(zhí)行完步驟S107后，可以依次重復執(zhí)行步驟SlOl至步驟S107，檢測出所有運動目標的變化區(qū)域。
[0070]作為本發(fā)明的一個優(yōu)選實施例，在步驟S107之后，還包括:
[0071]將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。其中，將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理不僅可以最大限度地排除噪聲像素的干擾，還可以在最大程度上提取出運動目標相關的像素，使運動目標的變化區(qū)域的判斷更精準。
[0072]其中，本實施例中，將運動目標的變化區(qū)域分割成多個大小相同的圖像塊，每個圖像塊的大小為16*16像素，即宏塊的尺寸為16*16像素。
[0073]具體實施時，如果被分割成的每個小區(qū)域超過16*8像素，即算作一個圖像塊。
[0074]具體的，用16*16像素的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ;然后對這NI個宏塊逐個考量，如果宏塊中覆蓋的運動目標像素總個數(shù)超過預設的像素數(shù)量，比如128(即宏塊像素數(shù)量的1/2)，則該宏塊被計數(shù)一次，再統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ;最后判斷N2/N1的大小，當N2/N1大于某個預先設定的值(如1/4或者1/3或者1/2)時，即判定運動目標的變化區(qū)域中有運動目標。其中，“N2/N1”表示“N2除以NI”。
[0075]本實施例，在車輛移動的過程中，根據實時采集的視頻幀圖像不斷構建和更新背景模型，再根據更新后的背景模型以及實時采集的視頻幀計算運動目標的變化區(qū)域，對車載移動攝像頭有很好的自適應性，運動目標的識別率高。另外，采用幀間差分法和二維交叉熵閾值分割法相結合的方式對視頻圖像進行處理，提高了對運動目標準確判斷的概率和抗噪性能。
[0076]本領域普通技術人員可以理解實現(xiàn)上述各實施例方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，相應的程序可以存儲于一計算機可讀取存儲介質中，所述的存儲介質，如ROM/RAM、磁盤或光盤等。
[0077]實施例二
[0078]圖2示出了本發(fā)明實施例二提供的運動目標的識別裝置的具體結構框圖，為了便于說明，僅示出了與本發(fā)明實施例相關的部分。該運動目標的識別裝置包括:視頻圖像采集單元21、第一背景模型獲取單元22、第一差分圖像獲取單元23、第二背景模型獲取單元24、第二差分圖像獲取單元25、二值圖像獲取單元26和變化區(qū)域獲取單元27。
[0079]其中，視頻圖像采集單元21，用于采集含有背景和運動目標的視頻圖像；
[0080]第一背景模型獲取單元22，用于對第一幀視頻圖像進行建模，得到第一背景模型；
[0081]第一差分圖像獲取單元23，用于根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0082]第二背景模型獲取單元24，用于對第二幀視頻圖像進行建模，得到第二背景模型；
[0083]第二差分圖像獲取單元25，用于根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像；
[0084]二值圖像獲取單元26，用于根據所述第一差分圖像和所述第二差分圖像分別計算
得到第一二值圖像和第二二值圖像；
[0085]變化區(qū)域獲取單元27，用于根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域。
[0086]進一步地,所述裝置2還包括:
[0087]運動目標識別單元，用于將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。
[0088]具體的，所述運動目標識別單元包括:
[0089]宏塊總個數(shù)統(tǒng)計模塊，用于以預設大小的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ；
[0090]宏塊檢測模塊，用于對所述NI個宏塊逐個檢測，如果宏塊中覆蓋的運動目標像素總個數(shù)超過預設像素數(shù)量，則所述宏塊被計數(shù)一次；
[0091]宏塊個數(shù)統(tǒng)計模塊，用于統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ；
[0092]運動目標判斷模塊，用于當N2/N1大于預先設定的值時，則判定運動目標的變化區(qū)域中有運動目標。
[0093]進一步地，所述第一背景模型獲取單元采用改進的混合高斯模型對第一幀視頻圖像進行建模，得到第一背景模型；
[0094]所述第二背景模型獲取單元采用改進的混合高斯模型對第二幀視頻圖像進行建模，得到第二背景模型。
[0095]進一步地，所述第一差分圖像獲取單元采用幀間差分法根據第二幀圖像和所述第一背景模型計算得到第一差分圖像；
[0096]所述第二差分圖像獲取單元采用幀間差分法根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像。[0097]本發(fā)明實施例提供的運動目標的識別裝置可以應用在前述對應的方法實施例一中，詳情參見上述實施例一的描述，在此不再贅述。
[0098]值得注意的是，上述裝置實施例中，所包括的各個單元只是按照功能邏輯進行劃分的，但并不局限于上述的劃分，只要能夠實現(xiàn)相應的功能即可；另外，各功能單元的具體名稱也只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。
[0099]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。
【權利要求】
1.一種運動目標的識別方法，其特征在于，所述方法包括: 步驟A、采集含有背景和運動目標的視頻圖像； 步驟B、對第一幀視頻圖像進行建模，得到第一背景模型； 步驟C、根據第二幀圖像和所述第一背景模型計算得到第一差分圖像； 步驟D、對第二幀視頻圖像進行建模，得到第二背景模型； 步驟E、根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像； 步驟F、根據所述第一差分圖像和所述第二差分圖像分別計算得到第一二值圖像和第二二值圖像； 步驟G、根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域； 步驟H、依次重復執(zhí)行步驟A到步驟G，檢測出所有運動目標的變化區(qū)域。
2.如權利要求1所述的方法，其特征在于，在所述步驟G之后，還包括: 將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。
3.如權利要求2所述的方法，其特征在于，所述以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存 在運動目標包括: 以預設大小的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ；對所述NI個宏塊逐個檢測，如果檢測到的宏塊中覆蓋的運動目標像素總個數(shù)超過預設像素數(shù)量，則所述宏塊被計數(shù)一次； 統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ； 當N2/N1大于預先設定的值時，則判定運動目標的變化區(qū)域中有運動目標。
4.如權利要求1、2或3所述的方法，其特征在于，采用改進的混合高斯模型對第一幀視頻圖像進行建模，得到第一背景模型； 采用改進的混合高斯模型對第二幀視頻圖像進行建模，得到第二背景模型。
5.如權利要求1、2或3所述的方法，其特征在于，采用幀間差分法根據第二幀圖像和所述第一背景模型計算得到第一差分圖像； 采用幀間差分法根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像。
6.一種運動目標的識別裝置，其特征在于，所述裝置包括: 視頻圖像采集單元，用于采集含有背景和運動目標的視頻圖像； 第一背景模型獲取單元，用于對第一幀視頻圖像進行建模，得到第一背景模型； 第一差分圖像獲取單元，用于根據第二幀圖像和所述第一背景模型計算得到第一差分圖像； 第二背景模型獲取單元，用于對第二幀視頻圖像進行建模，得到第二背景模型； 第二差分圖像獲取單元，用于根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像； 二值圖像獲取單元，用于根據所述第一差分圖像和所述第二差分圖像分別計算得到第一二值圖像和第二二值圖像； 變化區(qū)域獲取單元，用于根據所述第一二值圖像和所述第二二值圖像得到運動目標的變化區(qū)域。
7.如權利要求6所述的裝置，其特征在于，所述裝置還包括:運動目標識別單元，用于將運動目標的變化區(qū)域進行基于空間鄰域信息的二維交叉熵閾值分割處理，并以預設大小的宏塊為單位判定運動目標的變化區(qū)域中是否存在運動目標。
8.如權利要求7所述的裝置，其特征在于，所述運動目標識別單元包括: 宏塊總個數(shù)統(tǒng)計模塊，用于以預設大小的宏塊來分割所有運動目標的變化區(qū)域，統(tǒng)計出所用的宏塊總個數(shù)NI ； 宏塊檢測模塊，用于對所述NI個宏塊逐個檢測，如果宏塊中覆蓋的運動目標像素總個數(shù)超過預設像素數(shù)量，則所述宏塊被計數(shù)一次； 宏塊個數(shù)統(tǒng)計模塊，用于統(tǒng)計所有被計數(shù)的宏塊個數(shù)N2 ； 運動目標判斷模塊，用于當N2/N1大于預先設定的值時，則判定運動目標的變化區(qū)域中有運動目標。
9.如權利要求6、7或8所述的裝置，其特征在于，所述第一背景模型獲取單元采用改進的混合高斯模型對第一幀視頻圖像進行建模，得到第一背景模型； 所述第二背景模型獲取單元采用改進的混合高斯模型對第二幀視頻圖像進行建模，得到第二背景模型。
10.如權利要求6、7或8所述的裝置，其特征在于，所述第一差分圖像獲取單元采用幀間差分法根據第二幀圖像和所述第一背景模型計算得到第一差分圖像； 所述第二差分圖像獲取單元采用幀間差分法根據第三幀視頻圖像和所述第二背景模型計算得到第二差分圖像 。
【文檔編號】H04N7/18GK103826102SQ201410062447
【公開日】2014年5月28日 申請日期:2014年2月24日 優(yōu)先權日:2014年2月24日
【發(fā)明者】陳文明, 莊少華, 李秋林 申請人:深圳市華寶電子科技有限公司