一种基于图像边缘的低复杂度视频移动侦测方法
【技术领域】
[0001] 本发明涉及视频摄像机监控和视频图像处理技术领域，具体涉及一种基于图像边 缘的低复杂度视频移动侦测方法。
【背景技术】
[0002] 移动侦测能够自动检测出视频中的运动场景，因而可以降低人工监控成本，提高 监控效率和监控力度。移动侦测已被作为运动检测录像技术的基础，是智能摄像机的重要 组成部分。近年发展起来的小体积、可携带、轻便式的家庭智能摄像机将移动侦测技术嵌入 到摄像机固件中，对移动侦测的准确度和实时性都具有严格的要求。
[0003] 传统的移动侦测方法主要分为两大类：基于像素值的侦测方法和基于像素光流的 侦测方法。
[0004] 基于像素值的侦测方法通过比较像素值的变化来确定视频画面的运动信息，主要 有背景减除法和时间差分法两种实现方式。背景减除法首先基于历史图像建立一个背景图 像模型，然后利用当前图像与背景图像的差分检测出运动区域。时间差分法对连续的图像 序列中的两个或三个相邻帧做差，将结果阈值化来提取图像中的运动区域。背景减除法和 时间差分法对光照、及如风吹绿植引起的画面变化等干扰因素特别敏感。
[0005] 基于像素光流的方法赋予图像中的每个像素点一个运动矢量，即光流失量。若图 像中不存在运动目标，那么光流矢量在整个图像区域则是连续变化的，而当物体和图像背 景中存在相对运动时，运动物体所形成的光流矢量则必然不同于邻域背景的光流矢量，从 而将运动物体的位置检测出来。光流法优点在于可以避免画面范围内的光线变化引起的误 报。但是它抗噪性能差，对画面中的噪点很敏感。此外，光流法计算复杂度非常高，需要特 别的硬件装置才能被应用于全帧视频流的实时处理。
[0006] 综上，现有的移动侦测方法主要存在如下一些问题：
[0007] 1)光线变化引起的误报问题
[0008] 实际应用场景中，光线变化的情况普遍存在，如室内开、关灯引起的光线骤变等。 传统的方法通过将检测变化区域的范围来避免光线变化引起的误报，如检测到整个画面的 像素都发生了变化，则认为是光线变化。这种方法会漏报正常画面的移动信息，如大范围场 景变换引起的画面整体像素的变化。
[0009] 2)无关因素干扰引起的误报问题
[0010] 无关因素，即无实际意义的画面变化，如风吹草动引起的画面细微的变化。传统方 法一般通过计算变化像素的个数来确定是否是干扰因素。如当像素变化个数低于某个阈 值，则忽略掉此移动信息。这种方法会漏掉有实际意义的移动信息，如远处物体移动引起的 小范围画面变化。
[0011] 3)图像噪声引起的误报问题
[0012] 由于图像传感器的工作情况受各种因素的影响，如图像获取中的环境条件和传感 元器件自身的质量，光照程度和传感器温度等，会引起图像噪声。图像噪声使得相同场景下 的两幅图像会有像素差异，这种差异随机分布在整幅画面中。传统侦测方法会将这种噪声 引起的差异检测为移动场景。
[0013] 4)侦测性能和侦测复杂度的平衡问题
[0014] 相比光流法，基于像素值的侦测方法具有较低的侦测复杂度，但是其侦测准确度 也较低。光流法侦测准确度相对较高，但是其运算复杂度也非常高，需要特别的硬件装置才 能被应用于全帧视频流的实时处理。难于满足小体积、轻便式、可携带摄像机对侦测准确性 和实时性的高需求。
【发明内容】
[0015] 针对现有技术中存在的误报问题以及侦测性能和侦测复杂度的平衡问题，本发明 提供了一种基于图像边缘的低复杂度视频移动侦测方法，实现有效避免误报、且降低移动 侦测运算复杂度的目的。
[0016] 本发明基于图像边缘的低复杂度视频移动侦测方法，实现步骤如下：
[0017] 步骤101 :获取一帧图像f。，对f。进行边缘检测，得到边缘图像fV;
[0018] 步骤102 :在当前时间距离图像f。的获取时间超过阈值t时，获取下一帧图像f p 并对进行边缘检测，得到边缘图像f Λ继续步骤201 ;
[0019] 步骤201 :对图像fQlPf ^做异或操作，得到边缘差异图像fd，继续步骤301 ;
[0020] 步骤301 :对边缘差异图像#进行腐蚀操作得到图像f de，继续步骤401 ;
[0021] 步骤401 :遍历腐蚀图像f'统计像素值不为0的像素个数count，获取严内像素 值不为〇的所有像素在水平方向和垂直方向上的最大和最小坐标值max_x, min_x, max_y和 min_y，得到移动区域A ;
[0022] 步骤402 :判断count是否大于阈值CHANGE_M0TI0N_THRESH0LD，若是继续步骤 403,否则转步骤501执行；CHANGE_M0TI0N_THRESH0LD为正整数；
[0023] 步骤403 :确定移动区域A在水平和垂直方向上的范围值dx和dy，判断dx或dy 的值是否大于阈值CHANGE_AREA_THRESHOLD，若是则侦测到移动信息，输出移动区域A的坐 标，继续步骤501 ;否则，当前没有物体移动，继续步骤501 ;
[0024] 其中，dx = max_x - min_x, dy = max_y - min_y ;阈值 CHANGE_AREA_THRESHOLD 为 整数；
[0025] 步骤501 :判断是否结束侦测，若是，结束侦测；否则，将当前图像匕作为图像f。， 更新边缘图像&6为fV，然后转步骤102继续执行。
[0026] 与现有的移动侦测方法相比，本发明的视频移动侦测方法具有以下优点和积极效 果：
[0027] 1)本发明方法对图像边缘而不是像素值进行检测，由于图像边缘不受光线明暗变 化的影响，因而本发明方法可以有效避免因光线变化，如开、关灯及光照条件改变等带来的 侦测误报问题。
[0028] 2)本发明方法比较边缘差异的像素个数及移动范围来判断物体变化的幅度，能够 相对有效地过滤掉某些无实际意义的画面变化，如风吹草动引起的画面细微的变化。
[0029] 3)对差异图像进行腐蚀操作，去除图像的随机噪点，可以有效避免图像噪声引起 的侦测误报。
[0030] 4)本发明方法具有较低的运算复杂度，对内存和CPU等硬件资源要求较低，可实 施性强。
【附图说明】
[0031] 图1是本发明的基于图像边缘的低复杂度移动侦测方法的概念流程图；
[0032] 图2是本发明的基于图像边缘的低复杂度移动侦测方法的流程示意图；
[0033] 图3是像素p及其垂直和水平方向相邻像素的位置关系；
[0034] 图4是腐蚀操作中像素p及其相邻像素的位置关系；
【具体实施方式】
[0035] 下面将结合附图和实施例对本发明作进一步的详细说明。
[0036] 如图1所示，本发明方法首先对输入的前后两帧图像分别进行边缘检测，然后求 取相邻两帧图像的边缘差异，接下来利用腐蚀算法对边缘差异图像进行腐蚀，最后统计得 到腐蚀图像中的变化区域。
[0037] 图2给出了本发明视频移动侦测方法的一种【具体实施方式】，具体包括以下步骤：
[0038] 步骤101 :获取一帧图像f。，对f。进行边缘检测，得到边缘图像f。'
[0039] 步骤102 :若当前时间距离图像f。的获取时间超过阈值t，则获取下一帧图像f i， 并对进行边缘检测，得到边缘图像fV，继续步骤201 ;否则继续等待。本发明将时间阈值 t设为450毫秒。时间阈值t还可根据实际使用情况或实验来设定。经实验，本发明设置的 450毫秒，可以降低检测复杂度，同时保证检测准确性。
[0040] 对图像进行边缘检测时，可采用现有的边缘检测算法来进行。本发明实施例中对 步骤101和步骤102中采用的边缘检测方法定义如下：
[0041] 当前图像用f表示，位于坐标（X，y)的像素 P的值用P (X，y)表示，像素 P与其水 平和垂直方向相邻像素的位置关系如图3所示。
[0042] 像素 P在水平方向相邻的两个像素的值分别表示为P (X-1，y)和P (x+1，y)，像素 P 在垂直方向相邻的两个像素的值分别表示为P(x，y-1)和P(x，y+1)。对当前图像f中的所 有像素进行如下操作，得到边缘图像。
[0043] 定义delta_h为像素 p在水平方向上相邻两个像素的差值的绝对值，定义delta_v 为像素 P在垂直方向相邻两个像素的差值的绝对值，计算方法如公式（1)和公式（2)所示。
[0044] delta_h = I p (χ-1，y) - p (x+1，y) I (1)
[0045] delta_v = I p (X，y_l) - p (X，y+1) I (2)
[0046] 若 delta_h 和 delta_v 的最大值 max (delta_h, delta_v)大于阈值 EDGE_ THRESHOLD，则将当前像素 p标记为边缘像素，像素值设为255 ;否则，将当前像素 p标记为 背景像素，像素值设为0。阈值EDGE_THRESHOLD的取值范围是[30, 70]。当阈值设置为50 时，发现获取的边缘图像更加合理、准确。
[0047] 步骤201 :对图像做异或操作，得到边缘差异图像fd。
[0048] 定义θ〇(χ，y)和ejx, y)分别为边缘图像f。*5和fV在坐标（X，y)处的像素值， d (X，y)为e。(X，y)和ei (X，y)的异或结果，即：
[0049] d(x, y) = e〇(x, y) ^e1 (x, y) (3)
[0050] 对图像f^PfV的所有像素做以上操作，得到差异图像fd。d(x，y)即为#在坐标 (x，y)处的像素值。
[0051] 继续步骤301。
[0052] 步骤301 :对差异图像#进行腐蚀操作得到图像f de。
[0053] 可采用现有的腐蚀方法对差异图像进行操作，本发明实施例为更好的消除图像噪 声，本发明实施例采用两次腐