圖像處理裝置及圖像處理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理裝置及圖像處理方法，具體地，涉及從運動圖像中檢測物體 的技術(shù)。
【背景技術(shù)】
[0002] 作為從照相機拍攝的圖像中檢測物體的技術(shù)，公開了背景差分法。在背景差分法 中，固定的照相機來預先拍攝不具有任何被攝體的背景圖像，并且將該圖像的特征存儲為 背景模型。之后，獲得背景模型中的特征與從照相機輸入的圖像中的特征之間的差分，并且 不同的區(qū)域被檢測為前景（物體）。
[0003] 例如，在專利文獻1 (特許第2950267號）中，使用像素值作為特征生成背景模型， 并且以像素單位計算差分，從而檢測物體。當以像素單位生成背景模型時，存儲器消耗和處 理成本隨著分辨率上升而增加。為了防止這種情況，在專利文獻2 (特許第4653155號）中， 輸入圖像被分割為8X8像素塊，并且作為DCT(離散余弦變換）的編碼結(jié)果的DCT系數(shù)被 用作特征。
[0004] 然而，在背景差分法中，因為假定照相機要被固定，所以在照相機由于振動等而移 動的情況下出現(xiàn)以下問題。即，在即使在圖像中沒有任何物體，照相機的運動也使輸入圖像 偏移的情況下，同一坐標處的圖像內(nèi)容在專利文獻1的方法中時間上連續(xù)的輸入圖像之間 改變。例如，在紅門與藍墻之間的邊界附近的像素中，像素值從紅色突然地改變?yōu)樗{色。另 外，在專利文獻2的方法中，在包括紅門與藍墻之間的邊界的塊中，塊中包括的紅色像素與 藍色像素的比率改變。結(jié)果，在專利文獻1的方法和專利文獻2的方法兩者中，在背景中包 括強邊緣的邊界附近發(fā)生檢測錯誤。
[0005] 在專利文獻1的方法中，因為僅同一像素值的像素的坐標偏移，所以能夠通過向 比較對象添加鄰近像素來防止檢測錯誤。然而，這種方法無法解決存儲器容量和處理成本 的問題。專利文獻2的方法能夠抑制存儲器容量和處理成本。然而，因為塊的特征本身改 變，所以無法解決檢測錯誤的問題。因此，在不增加存儲器消耗和處理成本的情況下，傳統(tǒng) 技術(shù)無法避免由于照相機的運動引起輸入圖像的偏移而產(chǎn)生的檢測錯誤。

【發(fā)明內(nèi)容】

[0006] 鑒于上述問題作出了本發(fā)明，本發(fā)明提供了用于在不增加存儲器消耗和處理成本 的情況下實現(xiàn)避免由于攝像設(shè)備的運動引起輸入圖像的偏移而發(fā)生的檢測錯誤的技術(shù)。
[0007] 根據(jù)本發(fā)明的第一方面，提供一種圖像處理裝置，所述圖像處理裝置包括：視頻輸 入單元；區(qū)域分割單元，其被構(gòu)造為將所述視頻輸入單元獲取的圖像分割為各自包括相似 屬性的像素的多個區(qū)域；特征提取單元，其被構(gòu)造為從所述區(qū)域分割單元分割的各個區(qū)域 中提取特征；背景模型存儲單元，其被構(gòu)造為預先存儲由背景的特征生成的背景模型；以 及特征比較單元，其被構(gòu)造為將所述特征提取單元提取的特征與所述背景模型中的特征進 行比較，并且針對所述多個區(qū)域中的各個區(qū)域確定所述區(qū)域是否為背景。
[0008] 根據(jù)本發(fā)明的第二方面，提供一種圖像處理裝置進行的圖像處理方法，所述圖像 處理方法包括：區(qū)域分割步驟，將獲取的圖像分割為各自包括相似屬性的像素的多個區(qū)域； 特征提取步驟，從在所述區(qū)域分割步驟中分割的各個區(qū)域中提取特征；以及特征比較步驟， 將在所述特征提取步驟中提取的特征與由背景的特征生成的背景模型中的特征進行比較， 并且針對所述多個區(qū)域中的各個區(qū)域確定所述區(qū)域是否為背景。
[0009] 根據(jù)以下（參照附圖）對示例性實施例的描述，本發(fā)明的其他特征將變得清楚。
【附圖說明】
[0010] 圖1是示出計算機的硬件結(jié)構(gòu)的示例的框圖；
[0011] 圖2是示出圖像處理裝置的功能結(jié)構(gòu)的示例的框圖；
[0012] 圖3是圖像處理裝置進行的處理的流程圖；
[0013] 圖4是示出選擇鄰近區(qū)域的處理的詳情的流程圖；以及
[0014] 圖5A至圖5C是用于說明根據(jù)穩(wěn)定性獲得閾值的方法以及根據(jù)穩(wěn)定性獲得閾值的 意義的圖。
【具體實施方式】
[0015] 現(xiàn)在將參照附圖描述本發(fā)明的實施例。注意，以下要描述的實施例是本發(fā)明的具 體實施方式的示例或者是所附權(quán)利要求中描述的結(jié)構(gòu)的具體示例。
[0016][第一實施例]
[0017] 在本實施例中，將描述依次獲得運動圖像的各幀的圖像并從所所獲取的圖像中檢 測包括物體的區(qū)域的圖像處理裝置的模式。首先，將參照圖2的框圖說明根據(jù)本實施例的 圖像處理裝置的功能結(jié)構(gòu)的示例。注意，圖2中所示的結(jié)構(gòu)僅為示例，可以采用實現(xiàn)等于或 大于圖2中的功能的任何其他結(jié)構(gòu)。
[0018] 視頻輸入單元201依次獲取運動圖像的各幀的圖像（幀圖像），并且將所獲取的幀 圖像發(fā)送到后段的區(qū)域分割單元202。可以從攝像機依次發(fā)送各幀的圖像，或者通過諸如流 的技術(shù)從外部裝置依次傳送各幀的圖像。
[0019] 區(qū)域分割單元202將從視頻輸入單元201接收到的各幀圖像分割為相似圖像特征 (屬性）的區(qū)域。特征提取單元203進行從區(qū)域分割單元202分割的各區(qū)域提取圖像特征 的處理。鄰近區(qū)域選擇單元205從背景模型存儲單元204中存儲的區(qū)域的信息中，讀出區(qū)域 分割單元202分割的各區(qū)域的鄰近區(qū)域的信息，并且將讀出信息發(fā)送到特征比較單元206。
[0020] 針對區(qū)域分割單元202分割的各區(qū)域，特征比較單元206將從該區(qū)域提取的圖像 特征，與鄰近區(qū)域選擇單元205從背景模型存儲單元204讀出的關(guān)于該區(qū)域的信息，進行比 較。
[0021] 根據(jù)特征比較單元206的比較結(jié)果，物體區(qū)域輸出單元207在針對幀圖像分割的 區(qū)域當中指定包括物體的區(qū)域，并且輸出關(guān)于所指定的區(qū)域的信息。
[0022] 特征更新單元208和穩(wěn)定性計算單元209更新背景模型存儲單元204中存儲的背 景模型。
[0023] 接下來，將參照示出了根據(jù)本實施例的圖像處理裝置進行的從幀圖像提取包括物 體的區(qū)域的處理的流程圖的圖3描述該處理。
[0024] 在步驟S301中，視頻輸入單元201獲取與一幀相對應的幀圖像，并且將所獲取的 幀圖像發(fā)送到后段的區(qū)域分割單元202。
[0025] 在步驟S302中，區(qū)域分割單元202將從視頻輸入單元201接收到的幀圖像分割為 相似圖像特征的區(qū)域。近年來，提出了將圖像分割為子區(qū)域（稱為超像素（Superpixel)) 的方法，各子區(qū)域由具有相似圖像特征（諸如亮度或顏色）的像素組形成（例如，參照非 專利文獻 1(RadhakrishnaAchanta,AppuShaji,KevinSmith,AurelienLucchi,Pascal Fua,andSabineSusstrunk,〃SLICSuperpixels",EPFLTechnicalReport149300,June 2010)和非特許文獻 2 (Felzenszwalb,P. ,Huttenlocher,D. ,''Efficientgraph-based imagesegmentation"，InternationalJournalofComputerVision, 2004))〇
[0026] 雖然超像素的大小幾乎恒定（非專利文獻1)或者主要依據(jù)圖像的內(nèi)容而改變 (非專利文獻2)，但是圖像分割方法具有以下共同特性。即，在超像素分割中，由于具有相 似亮度或顏色的像素被放在一起，因此圖像在亮度或顏色大改變的強邊緣部分被分割。在 圖像中包括的物體的邊界處觀察到強邊緣。因此，物體的邊界附近的超像素的邊界與物體 的邊界匹配。在本實施例中，使用這種超像素的特性。
[0027] 在將幀圖像分割為相似圖像特征的區(qū)域（即，超像素）之后，區(qū)域分割單元202將 像素所屬的超像素固有的標簽編號分配給幀圖像的各像素，并且將該