运动目标检测方法及装置的制作方法

文档序号:6382527阅读:188来源:国知局
专利名称:运动目标检测方法及装置的制作方法
技术领域
本发明涉及图像处理技术领域,尤其涉及一种运动目标检测方法及装置。
背景技术
目前,由于智能视频监控的人工依赖性小、安全性高、漏/误报率低等优点,使得其在公共安防领域发挥着越来越重要的作用。而视频画面中的运动目标的检测、跟踪和识别更是智能视频监控中的关键性技术。现如今,背景减除法是应用最为广泛的运动目标检测方法,它采用建立背景模型和不断更新背景模型,将当前画面帧与背景模型比对和差分,从而获得运动目标的前景图像。但是在实际的监控环境中,监控场景通常是很复杂的如树叶的晃动、明暗不定的光线变化、不可避免的噪声干扰(如阴影)、运动目标的叠加和遮挡(如拥挤的人群),这些因素都会对运动目标图像提取造成干扰,使得运动目标的检测方法算法复杂、数据处理量大,运动目标的检测装置成本高、运行慢。

发明内容
本发明实施例提供一种算法简单、数据处理量小的运动目标检测方法,采用所述运动目标检测方法的装置成本低、运行速度快。一种运动目标的检测方法包括获取用户从监控场景中选取的重点监控区域;为所述重点监控区域建立背景模型;参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的如景图像。其中,所述为所述重点监控区域建立背景模型的步骤包括采用单高斯背景建模法为所述重点监控区域建立背景模型,单高斯背景建模分为两个步骤步骤A.采集一段所述获取的重点监控区域固定背景视频,为所述视频建立视频序
列B。估计,即求得每个像素亮度的均值U。和方差2 R2丨=.V),
M ’ °i) J,I i 0
Y _ I1
U) = ^:1v)],T为所述视频序列对应的时间长度,(X,y)为所述视频
1 i 二Q
像素值,建立初始背景模型;步骤B.根据每次输入的视频帧更新模型,Bf =U,fj,A =(丨-1 +d/,
d = T=^exp1-("'―1 I,a 为更新率,K。在之St ={l-a)3t_l +S(Jt-Mf) , ^ IMdt^ { 2 J间。所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤包括从所述监控场景的图像帧中获取所述重点监控区域的图像帧;从所述重点监控区域的图像帧中查找出与所述背景模型具有不同像素的区域图像;将所述具有不同像素的区域图像确定为运动目标的前景图像。 其中,所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤之后包括对所述运动目标的前景图像进行形态学滤波。所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤之后还包括当检测出所述前景图像内有阴影时,采用基于色调Hue、饱和度Saturation、亮度Value的颜色模型-HSV颜色模型阴影消除算法消除所述前景图像中的阴影;所述HSV颜色模型阴影消除算法分为以下几个步骤步骤C.设f (x,y)为当前运动区域像素的值,g(x, y)为背景模型像素的值;步骤D.将RGB颜色模型-红绿蓝颜色模型转化为HSV颜色模型max=max(R,G, B)min=min (R, G, B)ifR=max, H=(G-B)/(max-min)if G=max, H=2+(B-R) / (max-min)if B=max, H=4+(R-G)/(max-min)H=H*60If H〈0, H=H+360V=max (R, G, B)S= (max - min) /max获取当前运动区域的亮度值V(f (x, y)),颜色值H(f (x, y)),饱和度值S(f (x, y)),以及背景模型的亮度值V (g(x, y)), H(g(x, y)), S(g(x, y));E.设定阀值U,如果|¥江(1,7));&(1,7))|〈11,定义此时的;^1,7)点为阴影点,在当前运动区域像素的值中去除阴影点像素的值,去掉阴影点;F.设定运动目标的阴影的像素变为白色。相应地,本发明还提供了一种用于实现所述运动目标检测方法的装置,包括获取模块,用于获取用户从监控场景中选取的重点监控区域;模型建立模块,用于为所述重点监控区域建立背景模型;提取模块,用于参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像。其中,所述模型建立模块是采用单高斯背景建模法为所述重点监控区域建立背景模型的。所述提取模块包括监控区域图像获取单元,用于从所述监控场景的图像帧中获取所述重点监控区域的图像帧;查找单元,用于从所述重点监控区域的图像帧中查找出与所述背景模型具有不同像素的区域图像;确定单元,用于将所述具有不同像素的区域图像确定为运动目标的前景图像。所述运动目标检测装置还包括滤波模块,用于对所述运动目标的前景图像进行形态学滤波。其中,所述运动目标检测装置还包括阴影去除模块,用于当检测出所述前景图像内有阴影时,采用基于HSV颜色模型的阴影消除算法去除所述前景图像中的阴影。本发明的有益效果为所述运动目标的检测方法采用获取用户从监控场景中选取的重点监控区域,以及为重点监控区域建立背景模型,参照背景模型,从监控场景的图像帧中提取出运动目标的前景图像,实现监控效果。本方法无需考虑重点监控区域之外干扰因素,使得算法简单、数据处理量小。用于实现所述方法的装置由于运动目标的检测方法算法简单、数据处理量小,所以成本低、运行速度快。


为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1是本发明的运动目标检测方法的第一实施例的流程示意图。图2是本发明的运动目标检测方法的第二实施例的流程示意图。图3是本发明的运动目标检测装置的第一实施例的结构示意图。图4是本发明的提取模块的实施例的结构示意图。图5是本发明的运动目标检测装置的第二实施例的结构示意图。
具体实施例方式下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。请参照图1,是本发明运动目标检测方法第一实施例的流程示意图。该方法包括步骤S11,获取用户从监控场景中选取的重点监控区域。一般情况下,运动目标总是出现在监控场景中的某部分区域而不是所有监控区域,因此,可以将该部分区域列为重点监控区域。步骤Sll采用提示用户在监控场景的监控图像上虚线框标识出重点监控区域的方式,以获取用户选取的重点监控区域。步骤S12,为重点监控区域建立背景模型。建立背景模型的方法有两大类一类是将不含运动目标的监控图像(即前景图像)拍摄下来作为背景模型,这种方法仅适用于室内监控,这是因为现实环境的监控场景的背景图是在不断变化的,如光照、风吹落叶等,都会带来严重的干扰;另一类是高斯背景建模法,它采用不断的刷新背景模型,以适应监控场景的环境变化。高斯背景建模法又分为单高斯背景建模法、混合高斯背景建模法。其中,单高斯背景建模法适用于背景像素变化不大的情况,即噪声不多,颜色比较集中;而混合高斯背景建模法对监控场景的动态变化具有较强的鲁棒性,适用于复杂场景中的目标检测。步骤S13,参照背景模型,从监控场景的图像帧中提取出运动目标的前景图像。本发明的实施例通过获取用户从监控场景中选取的重点监控区域,从而大大减小了监控范围;为重点监控区域建立背景模型,而不是全部监控区域建立背景模型使得风、雨、雪、树叶晃动等干扰因素相对较确定。本发明的实施例算法简单、数据处理量小。请参照图2,是本发明运动目标检测方法第二实施例的流程示意图。该方法包括步骤S21,获取用户从监控场景中选取的重点监控区域。一般情况下,运动目标总是出现在监控场景中的某部分区域而不是所有监控区域,因此,可以将该部分区域列为重点监控区域。步骤S21采用提示用户在监控场景的监控图像上虚线框标识出重点监控区域的方式,以获取用户选取的重点监控区域。步骤S22,采用单高斯背景建模法为重点监控区域建立背景模型。建立背景模型的方法有两大类,一类是将不含运动目标的监控图像(即前景图像)拍摄下来作为背景模型,这种方法仅适用于室内监控,这是因为现实环境的监控场景的背景图是在不断变化的,如光照、风吹落叶等,都会带来严重的干扰;另一类是高斯背景建模法,它采用不断的刷新背景模型,以适应监控场景的环境变化。高斯背景建模法又分为单高斯背景建模法、混合高斯背景建模法。其中,单高斯背景建模法适用于背景像素变化不大的情况,即噪声不多,颜色比较集中;而混合高斯背景建模法对监控场景的动态变化具有较强的鲁棒性,适用于复杂场景中的目标检测。由于步骤S21已经采用用户对重点监控区域的选取排除了相当一部分噪声,因此步骤S22优选单高斯背景建模法。单高斯背景建模分为两个步骤步骤A.估计背景图像。采集一段所述获取的重点监控区域固定背景视频,为所述视频建立视频序列Btl估计,即求得每个像素亮度的均值U C1和方差<。用数学公式表达出来如下B0 ^ ]其中
权利要求
1.一种运动目标检测方法,其特征在于,包括 获取用户从监控场景中选取的重点监控区域; 为所述重点监控区域建立背景模型; 参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像。
2.如权利要求1所述的方法,其特征在于,所述为所述重点监控区域建立背景模型的步骤包括 采用单高斯背景建模法为所述重点监控区域建立背景模型;所述单高斯背景建模分为两个步骤 步骤A.采集一段所述获取的重点监控区域固定背景视频,为所述视频建立视频序列B。估计,即求得每个像素亮度的均值y O和方差
3.如权利要求1所述的方法,其特征在于,所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤包括 从所述监控场景的图像帧中获取所述重点监控区域的图像帧; 从所述重点监控区域的图像帧中查找出与所述背景模型具有不同像素的区域图像; 将所述具有不同像素的区域图像确定为运动目标的前景图像。
4.如权利要求1所述的方法,其特征在于,所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤之后包括 对所述运动目标的前景图像进行形态学滤波。
5.如权利要求1所述的方法,其特征在于,所述参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像的步骤之后还包括 当检测出所述前景图像内有阴影时,采用基于色调Hue、饱和度Saturation、亮度Value的颜色模型-HSV颜色模型阴影消除算法消除所述前景图像中的阴影;所述HSV颜色模型阴影消除算法分为以下几个步骤 步骤C.设f(x,y)为当前运动区域像素的值,g(x, y)为背景模型像素的值; 步骤D.将RGB颜色模型-红绿蓝颜色模型转化为HSV颜色模型max=max(R,G, B)min=min(R, G, B)ifR=max, H=(G-B)/(max-min)if G=max, H=2+(B-R)/(max-min)if B=max, H=4+(R-G)/(max-min)H=H*60If H<0, H=H+360V=max(R, G, B)S=(max-min)/max 获取当前运动区域的亮度值V(f (x, y)),颜色值H(f (x, y)),饱和度值S(f (x, y)),以及背景模型的亮度值 V (g(x, y)), H(g(x, y)), S(g(x, y)); E.设定阀值U,如果|¥江(1,7));&(1,7))|〈11,定义此时的;^1,7)点为阴影点,在当前运动区域像素的值中去除阴影点像素的值; F.设定运动目标的阴影的像素变为白色。
6.一种运动目标检测装置,其特征在于,包括 获取模块,用于获取用户从监控场景中选取的重点监控区域; 模型建立模块,用于为所述重点监控区域建立背景模型; 提取模块,用于参照所述背景模型,从所述监控场景的图像帧中提取出运动目标的前景图像。
7.如权利要求6所述的装置,其特征在于,所述模型建立模块是采用单高斯背景建模法为所述重点监控区域建立背景模型的。
8.如权利要求6所述的装置,其特征在于,所述提取模块包括 监控区域图像获取单元,用于从所述监控场景的图像帧中获取所述重点监控区域的图像帧; 查找单元,用于从所述重点监控区域的图像帧中查找出与所述背景模型具有不同像素的区域图像; 确定单元,用于将所述具有不同像素的区域图像确定为运动目标的前景图像。
9.如权利要求6所述的装置,其特征在于,还包括 滤波模块,用于对所述运动目标的前景图像进行形态学滤波。
10.如权利要求6所述的装置,其特征在于,还包括 阴影去除模块,用于当检测出所述前景图像内有阴影时,采用基于HSV颜色模型的阴影消除算法去除所述前景图像中的阴影。
全文摘要
本发明涉及图像处理技术领域,尤其涉及一种运动目标检测方法及装置。一种运动目标的检测方法采用获取用户从监控场景中选取的重点监控区域,以及为重点监控区域建立背景模型,参照背景模型,从监控场景的图像帧中提取出运动目标的前景图像,实现监控效果。本方法无需考虑重点监控区域之外干扰因素,使得算法简单、数据处理量小。用于实现所述方法的装置由于运动目标的检测方法算法简单、数据处理量小,所以成本低、运行速度快。
文档编号G06T5/00GK102982558SQ201210495320
公开日2013年3月20日 申请日期2012年11月28日 优先权日2012年11月28日
发明者高峰 申请人:无锡港湾网络科技有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1