一种视频序列图像的运动目标区域快速提取方法和系统与流程

本发明涉及计算机图像处理技术领域，尤其是涉及一种视频序列图像的运动目标区域快速提取方法和系统。

背景技术：

现如今，视频序列图像运动目标的提取一直是计算机视觉领域中涉及的面很广的问题，在安全监控、跟踪识别、运动图像编码等领域有诸多应用。从图像序列中检测出运动信息，进而识别与跟踪物体是其主要任务。现有的主要提取方法是单独利用背景差分法或小波逆变换重构法进行提取，但是，在针对运动环境下目标检测时单独利用背景差分法和小波逆变换重构法进行运动目标检测存在运算量大、耗时长、噪声多等缺陷。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种视频序列图像的运动目标区域快速提取方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种视频序列图像的运动目标区域快速提取方法，包括如下步骤：

s1.选择视频序列图像中两帧连续的图像，其中第一帧作为背景图，第二帧作为原图，分别进行灰度化处理；

s2.将两帧灰度处理后的图像分别进行小波分解，提取出低频分量；

s3.对原图的低频分量与背景图的低频分量进行背景差分法处理得到二值图；

s4.画出二值图中二值区域的外接矩形框，即框出所需提取的运动目标范围，并且得到四个顶点的坐标；

s5.对四个顶点的坐标进行小波逆变换重构得到其在原图中的坐标；

s6.对四个定点依次连线，所得矩形框包含的范围即为运动目标区域。

进一步地，通过最大最小值坐标法得到外接矩形框四个顶点的坐标。

进一步地，步骤s3中，背景差分法的具体步骤为：原图的低频分量与背景的低频分量做差值，取差值的绝对值；设定一个阈值，当绝对值大于阈值时，该点的值设为1，当绝对值小于阈值，该点的值设为0。

进一步地，步骤s6的具体步骤包括：新建一个与低频分量等像素的矩阵；存入四个顶点的坐标，对矩阵进行小波逆变换的图像重构，在图像重构时，高频分量置零处理。

一种视频序列图像的运动目标区域快速提取系统，包括：

灰度预处理模块，用于选择视频序列图像中两帧连续的图像，其中第一帧作为背景图，第二帧作为原图，分别进行灰度化处理；

分解模块，用于将两帧灰度处理后的图像分别进行小波分解，提取出低频分量；

处理模块，用于对原图的低频分量与背景图的低频分量进行背景差分法处理得到二值图；

区域提取模块，用于画出二值图中二值区域的外接矩形框，即框出所需提取的运动目标范围，并且得到外接矩形框四个顶点的坐标；

重构模块，用于对四个顶点的坐标进行小波逆变换重构得到其在原图中的坐标；

输出模块，用于对四个定点依次连线，所得矩形框包含的范围即为运动目标区域。

进一步地，所述的区域提取模块中，通过最大最小值坐标法得到外接矩形框四个顶点的坐标。

进一步地，所述的处理模块中，背景差分法的具体步骤为：原图的低频分量与背景的低频分量做差值，取差值的绝对值；设定一个阈值，当绝对值大于阈值时，该点的值设为1，当绝对值小于阈值，该点的值设为0。

进一步地，所述的重构模块中，四个顶点的坐标进行小波逆变换重构的具体步骤包括：新建一个与低频分量等像素的矩阵；存入四个顶点的坐标，对矩阵进行小波逆变换的图像重构，在图像重构时，高频分量置零处理。

与现有技术相比，本发明具有以下优点：

1、本发明在复杂动态环境下相比于传统的方式优势明显，运算时间减少近十倍，本发明在提取运动目前区域时只需对四个顶点进行小波逆变换，减少了噪声的干扰和大量的计算，节约了处理的时间，使得图像处理效率得到超越性提高。

2、使用传统方式提取的目标区域，其边缘信息截取不为完整，而本发明通过二值区域的顶点检测到的范围更准确，在顶点逆变换后重新在原图上进行区域的框选，不会造成边缘有用的数据丢失。本发明在视频运动目标检测中具有较好的适用性和通用性，能良好地对视频中运动的目标进行检测。

3、本发明能够在不同分辨率下实现多分辨率空间的运动目标检测和空间重构。

附图说明

图1为实施例的背景图和原图；

图2为小波逆变换重构法处理后的二值图；

图3为框选出运动目标区域的结果图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例提供了一种视频序列图像的运动目标区域快速提取方法。其具体步骤如下：

1、如图1所示，选择视频序列图像中两帧连续的图像，其中第一帧作为背景图，第二帧作为原图，分别进行灰度化处理。本实施例选择了三组不同的视频，分别提取其中连续的两帧，图中的上半部分为背景图，下半部分为原图，其分辨率大小为480*640。

2、将两帧灰度处理后的图像分别进行小波分解，提取出低频分量。灰度图像经过小波分解之后，可以获取优秀的空间频率多分辨率的表示。分解后得到ca1、ch1、cv1、cd1四个分量，其中，ca1是低频分量返回值，为低频小波系数的矩阵，包含大多数的能量以及图像中的大部分信息，图像中的明显的整体特征的信息都被表达出来；高频子图中的这些细节系数包含了图像边缘、纹理等微小变化的细节信息，能充分反映图像细节的变换情况，由于大部分的信息都在ca1中，在一系列尺寸缩小、分辨率降低的图像，随着观测的分辨率的不同，图像的尺度大小也就不同，进行图像处理的计算量也会不同，因此采取低分辨率图像进行处理运算量将远远小于直接对原图像进行处理的计算量。小波分解的函数为：

其中，{pk}和{qk}是低通滤波器和高通滤波器系数，是的相近似同的信号，是的细节信号。

3、对原图的低频分量与背景图的低频分量进行背景差分法处理得到二值图，如图2所示。

背景差分法主要是对正在运动的目标进行检测。假定有一帧固定不变的背景图，如果运动的目标出现在图像中时，用出现目标时的图像与背景图进行差分运算，就可以检测提取出运动的物体。背景差分法利用当前图与背景图相减检测到运动区域。运动目标检测就相当于图像处理中的阈值分割，若进行差分的差值超过运算之前设置的固定阈值，那么，就可以判定此像素是运动目标的像素。具体方法为：原图的低频分量与背景的低频分量做差值，取差值的绝对值；设定一个阈值，当绝对值大于阈值时，该点的值设为1，当绝对值小于阈值，该点的值设为0，提取结果放入矩阵d中，得到的减法结果即需要提取的目标。

4、画出二值图中二值区域的外接矩形框，即框出所需提取的运动目标范围。利用前景二值目标区域，d为最大最小值所在的行列，寻找矩阵中最大最小坐标，根据最大最小值坐标方可以得到外接矩形框中四个顶点的坐标位置(a,c)，(a,d)，(b,d)，(b,c)。

5、对四个顶点的坐标进行小波逆变换重构得到其在原图中的坐标。新建一个与分解的分量等像素的矩阵e只存入四个顶点的坐标，对矩阵进行小波逆变换的图像重构，在图像重构时对高频(ch，cv，cd)三分量置零处理，矩阵e恢复原图大小，再选目标区域外接矩形框逆变换后的四个顶点，获得需要提取的目标范围。小波逆变换的函数为：

其中，{pk}和{qk}是低通滤波器和高通滤波器系数，是的相近似同的信号，是的细节信号。

6、如图3所示，对四个定点依次连线，所得矩形框包含的范围即为运动目标区域。图中，对四个顶点重构的图像大小是480*640，与原图的像素相同，可见小波逆变换后四个顶点放大后的位置是原图中目标的位置，在原图中进行了变换后四个顶点的连线构成矩形框，提取目标。

采用背景差分法和小波逆变换重构法同样对本实施例的三组视频进行运动目标提取，三组视频分别进行三种方案的程序运行时间如下表1：

表1三种方案程序运行时间检测评估表

从上述的三个方法的对比可以清晰的看出，利用直接背景差分的方法进行目标检测时程序运行时间分别为0.526s，0.503s，0.506s运行时间最长，运算量最大。利用小波逆变换图像重构的方法程序运行时间分别是0.419s，0.376s，0.378s相比于第一种方法有一定的缩短，运算量也相应的减少，但是运算量还是比较大依然不够满足需求，减少的幅度不大。本发明完成目标检测的运行时间只有0.074s，0.062s，0.044s相比上述两种方法的运算量大大减小，将近缩短一个数量级，具有一定的优越性。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。