专利名称：动态背景下的运动目标检测方法及系统的制作方法
技术领域：
本发明涉及计算机视觉、模式识别、视频编码、基于内容的检索等的交叉领域，尤 其涉及一种动态背景下的运动目标检测方法及系统。
背景技术：
运动目标检测在视频监控、虚拟现实、机器人导航、军事瞄准、电视编辑、医学图像 分析等许多领域都有了广泛的应用，因此具有重要的使用价值和广阔的发展前景。例如运 动目标检测在以下几方面就有非常重要的应用第一、智能视频监控领域。随着经济和社会的发展，智能视频监控系统不仅应用于 政府、军队、银行、电力等传统的对安全要求高的场合，而且也开始服务于人们的日常生活 安全，如小区、商场、学校、停车场等。这些系统利用计算机视觉和视频处理技术自动分析摄 像头采集的图像序列，实时对场景中的目标进行定位、跟踪、分析以判断目标是否对安全造 成威胁。而这些对目标的运动分析，行为理解等诸多后续处理都依赖于运动目标检测的结合。第二、智能交通领域。在交通系统中，运动目标检测有广泛的应用，主要包括电子 警察、车流量检测、车辆超速检测、卡口车辆统计、车辆异常行为检测等，智能交通最终需要 的得到的是车牌号、车的数量、车的颜色和车型等车辆信息，但是要获得这些重要信息首先 需要一个车辆触发和车辆检测的过程，即需要对运动的车辆进行检测，检测的结果提供给 后续应用进行处理。所以，运动目标检测的结果是否优良直接影响后续对车辆的高级分析， 也是提高整个系统性能的重要环节。第三、电视电影编辑领域。现代电视电影节目编辑技术发展日新月异，我们看到的 很多精彩的画面都是电脑合成的结果，例如，电视台新闻节目中的主持人和变化的背景的 合成，电影中分开拍摄的场景合成令人称赞的画面，3D电影立体电影中画面的分层等，电视 电影编辑过程，当需要将一幅场景中拍摄的人提取出来与其他场景进行合成时，就需要运 动目标的检测。此外，运动目标检测还应用在人机交互，运动分析，视频传输等方面。除了上述民 用方面的应用之外，运动目标检测技术在军事领域，特别是制导和导航方面也有广泛的应用。视频中的运动目标检测是必须解决的基本问题之一，同时也是视频领域许多高级 应用的基础，如目标跟踪、识别、内容分析与行为理解、基于对象的压缩等。由于各种视频应用的场合不尽相同，运动目标所处的环境和背景千变万化，这对 运动目标检测算法的适应性和稳健性提出了更高的要求。所以，复杂条件(或背景)下的 运动目标检测一直是视频图像处理和理解领域研究的难点和热点，也日益成为视频图像处 理系统实用性和可靠性的一大障碍。复杂的环境在运动目标检测中表现在动态背景(树 木摆动，水面波动，前景遮挡背景等)、光照变化、摄像机抖动、噪声等，这些现象在现实场景 中经常出现，并且发生的频率和程度也不尽相同，所以，现实给运动目标检测算法的设计提出了更高的要求，针对复杂环境下运动目标检测的研究也非常重要和必要。但是，传统的帧差分法、简单的背景减除的方法在检测运动目标时很难适应背景 的变化。
发明内容
本发明的目的在于提供一种动态背景下的运动目标检测方法及系统，基于本发 明，以更好的处理动态背景下的运动目标的检测。一方面，本发明一种动态背景下的运动目标检测方法包括分割步骤，确定背景图 像和当前帧图像，获取与所述具有第一分辨率的背景图像原图对应的第二分辨率的图像， 以及与所述具有第一分辨率的当前帧图像原图对应的第二分辨率的图像；分别对所述背景 图像和当前帧图像的第二分辨率图像进行区域分割，并求出多个子区域直方图；所述第一 分辨率大于第二分辨率；第一检测步骤，第二分辨率下，基于背景图像的多个子区域直方图 获取背景模型；基于当前帧图像的多个子区域直方图与所述背景模型，检测可能存在运动 目标的区域；第二检测步骤，第一分辨率下，确定所述可能存在运动目标的区域在所述当前 帧图像中所对应的区域；基于自适应高斯混合模型检测运动目标，重新确定所述运动目标 所对应的区域；修正步骤，判断所述运动目标所对应的区域与所述可能存在运动目标的区 域是否相同；若否，则基于无限脉冲响应滤波器法更新建立的背景模型，然后返回执行第二 检测步骤；若是，则执行前景检测步骤；前景检测步骤，基于所述修正的背景模型，确定当 前帧的前景点与背景点，进而完成自适应混合高斯模型下的目标检测。上述运动目标检测方法中，优选所述分割步骤中，还包括直方图修正步骤，判断 所述背景图像的多个子区域直方图和当前帧图像的多个子区域直方图是否受边界效应的 影响，若受到影响，则采用线性插值法对子区域直方图进行修正。上述运动目标检测方法中，优选所述可能存在运动目标的区域通过如下方式确 定计算当前帧图像的子区域直方图与背景模型对应的子区域直方图的欧氏距离，若所述 欧式距离大于指定阈值时，所述当前帧的子区域直方图与所述背景模型中直方图不相似， 所述当前帧子区域被认为可能存在运动目标的区域。上述运动目标检测方法中，优选所述修正步骤中，通过如下方式，基于无限脉冲响 应滤波器法更新建立的背景模型Bk=(Pa)Bk-Ja^fk其中，1)是更新率，fk是当前帧对应的直方图，Bk-I是前一帧背景模 型的直方图，Bk是当前帧背景模型的直方图。上述运动目标检测方法中，优选所述第二检测步骤中，所述自适应高斯混合模型 通过如下方式获取使用自适应高斯混合模型进行建模；对模型中的混合高斯分布参数进 行修正；对模型中各个权重进行归一化处理；从混合高斯分布集合中选出多个高斯分布作 为自适应高斯混合模型。另一方面，本发明一种动态背景下的运动目标检测系统，包括分割模块、第一检 测模块、第二检测模块、修正模块和前景检测模块。其中分割模块用于确定背景图像和当 前帧图像，获取与所述具有第一分辨率的背景图像原图对应的第二分辨率的图像，以及与 所述具有第一分辨率的当前帧图像原图对应的第二分辨率的图像；分别对所述背景图像和当前帧图像的第二分辨率图像进行区域分割，并求出多个子区域直方图；所述第一分辨率 大于第二分辨率；第一检测模块用于第二分辨率下，基于背景图像的多个子区域直方图获 取背景模型；基于当前帧图像的多个子区域直方图与所述背景模型，检测可能存在运动目 标的区域；第二检测模块用于第一分辨率下，确定所述可能存在运动目标的区域在所述当 前帧图像中所对应的区域；基于自适应高斯混合模型检测运动目标，重新确定所述运动目 标所对应的区域；修正模块用于判断所述运动目标所对应的区域与所述可能存在运动目标 的区域是否相同；若否，则基于无限脉冲响应滤波器法更新建立的背景模型，然后返回执行 第二检测步骤；若是，则执行前景检测步骤；前景检测模块用于基于所述修正的背景模型， 确定当前帧的前景点与背景点，进而完成自适应混合高斯模型下的目标检测。上述运动目标检测系统，优选所述分割模块中，还包括直方图修正单元，用于判 断背景图像的多个子区域直方图和当前帧图像的多个子区域直方图是否受边界效应的影 响，若受到影响，则采用线性插值法对子区域直方图进行修正。上述运动目标检测系统，优选所述可能存在运动目标的区域通过如下方式确定 计算当前帧图像的子区域直方图与背景模型对应的子区域直方图的欧氏距离，若所述欧式 距离大于指定阈值时，所述当前帧的子区域直方图与所述背景模型中直方图不相似，所述 当前帧子区域被认为可能存在运动目标的区域。上述运动目标检测系统，优选所述修正模块中，通过如下方式，基于无限脉冲响应 滤波器法更新建立的背景模型=Bk = (l-^B^+a · fk ；其中，a (0彡a彡1)是更新率，fk是 当前帧对应的直方图，Bk^1是前一帧背景模型的直方图，Bk是当前帧背景模型的直方图。上述运动目标检测系统，优选所述第二检测模块中，所述自适应高斯混合模型通 过如下方式获取使用自适应高斯混合模型进行建模；对模型中的混合高斯分布参数进行 修正；对模型中各个权重进行归一化处理；从混合高斯分布集合中选出多个高斯分布作为 自适应高斯混合模型。相对于现有技术而言，本发明充分考虑序列图像中背景变化在时间和空间上的关 系，可以很好的处理动态背景问题，并且，本发明的高、低分辨率的互补检测过程，相对于混 合高斯模型运动目标检测有以下优点第一，对于背景缓慢或突发局部扰动，低分辨率都可 以减少其影响，进而减少互补算法的检测错误，但是直接使用混合高斯模型检测不能处理 突发局部扰动，会在背景突然变化时刻造成检测错误。第二，高、低分辨率互补检测对噪声 影响具有一定的鲁棒性。
图IA为本发明动态背景下的运动目标检测方法框架图；图IB为图像的多分辨率分层图示意图；图2为本发明动态背景下的运动目标检测方法实施例的步骤流程图；图3为本发明动态背景下的运动目标检测方法的运动目标检测结果图；图4为不同子区域选取方式下的低分辨率运动目标区域检测结果图；图5为本发明动态背景下的运动目标检测系统的结构框图。
具体实施例方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实 施方式对本发明作进一步详细的说明。运动目标检测是计算机视觉、模式识别、视频编码、基于内容的检索等领域的研究 重点和难点，已经在视频监控、虚拟现实、机器人导航等许多领域得到广泛应用。参照图IA和图1B，本发明采用降低分辨率的方法，对图像进行多分辨率处理。其 中，多分辨率处理是指对图像进行高斯模糊并降低分辨率的过程。发明分为低分辨率处理 和高分辨率处理两步，低分辨率下获取运动目标的子区域，高分辨率得到精确的检测结果。参照图2，图2为本发明动态背景下的运动目标检测方法实施例的步骤流程图，包 括如下步骤分割步骤S210，确定背景图像和当前帧图像，获取与所述具有第一分辨率的 背景图像原图对应的第二分辨率的图像，以及与所述具有第一分辨率的当前帧图像原图对 应的第二分辨率的图像；分别对所述背景图像和当前帧图像的第二分辨率图像进行区域分 割，并求出多个子区域直方图；所述第一分辨率大于第二分辨率；第一检测步骤S220，第二 分辨率下，基于背景图像的多个子区域直方图获取背景模型；基于当前帧图像的多个子区 域直方图与所述背景模型，检测可能存在运动目标的区域；第二检测步骤S230，第一分辨 率下，确定所述可能存在运动目标的区域在所述当前帧图像中所对应的区域；基于自适应 高斯混合模型检测运动目标，重新确定所述运动目标所对应的区域；修正步骤S240，判断 所述运动目标所对应的区域与所述可能存在运动目标的区域是否相同；若否，则基于无限 脉冲响应滤波器法更新建立的背景模型，然后返回执行第二检测步骤；若是，则执行前景检 测步骤；前景检测步骤S250，基于所述修正的背景模型，确定当前帧的前景点与背景点，进 而完成自适应混合高斯模型下的目标检测。上述各个步骤涉及如下技术图像的多分辨率处理本发明所使用的图像的多分辨率处理是指对图像进行高斯模糊并降低分辨率的过 程，即原有图像进行高斯平滑，然后利用均值滤波进行降分辨率处理，得到低分辨率图像。背景图像估计方法(1)统计平均方法这种方法是对背景图像进行多幅平均，多幅图像经常选择最近一段时间内的连续 图像，这种方法一般适用于场景内目标滞留时间较短，目标出现不频繁的情况。简单的背景 修正方法可采用如下方式
权利要求
一种动态背景下的运动目标检测方法，其特征在于，分割步骤，确定背景图像和当前帧图像，获取与所述具有第一分辨率的背景图像原图对应的第二分辨率的图像，以及与所述具有第一分辨率的当前帧图像原图对应的第二分辨率的图像；分别对所述背景图像和当前帧图像的第二分辨率图像进行区域分割，并求出多个子区域直方图；所述第一分辨率大于第二分辨率；第一检测步骤，第二分辨率下，基于背景图像的多个子区域直方图获取背景模型；基于当前帧图像的多个子区域直方图与所述背景模型，检测可能存在运动目标的区域；第二检测步骤，第一分辨率下，确定所述可能存在运动目标的区域在所述当前帧图像中所对应的区域；基于自适应高斯混合模型检测运动目标，重新确定所述运动目标所对应的区域；修正步骤，判断所述运动目标所对应的区域与所述可能存在运动目标的区域是否相同；若否，则基于无限脉冲响应滤波器法更新建立的背景模型，然后返回执行第二检测步骤；若是，则执行前景检测步骤；前景检测步骤，基于所述修正的背景模型，确定当前帧的前景点与背景点，进而完成自适应混合高斯模型下的目标检测。
2.根据权利要求1所述的运动目标检测方法，其特征在于，所述分割步骤中，还包括直方图修正步骤，判断所述背景图像的多个子区域直方图和当前帧图像的多个子区域直方图是否受边界效应的影响，若受到影响，则采用线性插值法对子区域直方图进行修正。
3.根据权利要求2所述的运动目标检测方法，其特征在于，所述可能存在运动目标的 区域通过如下方式确定计算当前帧图像的子区域直方图与背景模型对应的子区域直方图的欧氏距离，若所述 欧式距离大于指定阈值时，所述当前帧的子区域直方图与所述背景模型中直方图不相似， 所述当前帧子区域被认为可能存在运动目标的区域。
4.根据权利要求3所述的运动目标检测方法，其特征在于，所述修正步骤中，通过如下 方式，基于无限脉冲响应滤波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是当前帧对应的直方图，Blri是前一帧背景模型的直 方图，Bk是当前帧背景模型的直方图。
5.根据权利要求4所述的运动目标检测方法，其特征在于，所述第二检测步骤中，所述 自适应高斯混合模型通过如下方式获取使用自适应高斯混合模型进行建模；对模型中的混合高斯分布参数进行修正；对模型 中各个权重进行归一化处理；从混合高斯分布集合中选出多个高斯分布作为自适应高斯混 合模型。
6.一种动态背景下的运动目标检测系统，其特征在于，包括分割模块，用于确定背景图像和当前帧图像，获取与所述具有第一分辨率的背景图像 原图对应的第二分辨率的图像，以及与所述具有第一分辨率的当前帧图像原图对应的第二 分辨率的图像；分别对所述背景图像和当前帧图像的第二分辨率图像进行区域分割，并求 出多个子区域直方图；所述第一分辨率大于第二分辨率；第一检测模块，用于第二分辨率下，基于背景图像的多个子区域直方图获取背景模型；基于当前帧图像的多个子区域直方图与所述背景模型，检测可能存在运动目标的区域；第二检测模块，用于第一分辨率下，确定所述可能存在运动目标的区域在所述当前帧 图像中所对应的区域；基于自适应高斯混合模型检测运动目标，重新确定所述运动目标所 对应的区域；修正模块，用于判断所述运动目标所对应的区域与所述可能存在运动目标的区域是否 相同；若否，则基于无限脉冲响应滤波器法更新建立的背景模型，然后返回执行第二检测步 骤；若是，则执行前景检测步骤；前景检测模块，用于基于所述修正的背景模型，确定当前帧的前景点与背景点，进而完 成自适应混合高斯模型下的目标检测。
7.根据权利要求6所述的运动目标检测系统，其特征在于，所述分割模块中，还包括直方图修正单元，用于判断背景图像的多个子区域直方图和当前帧图像的多个子区域直方图是否受边界效应的影响，若受到影响，则采用线性插值法对子区域直方图进行修正。
8.根据权利要求7所述的运动目标检测系统，其特征在于，所述可能存在运动目标的 区域通过如下方式确定计算当前帧图像的子区域直方图与背景模型对应的子区域直方图的欧氏距离，若所述 欧式距离大于指定阈值时，所述当前帧的子区域直方图与所述背景模型中直方图不相似， 所述当前帧子区域被认为可能存在运动目标的区域。
9.根据权利要求8所述的运动目标检测系统，其特征在于，所述修正模块中，通过如下 方式，基于无限脉冲响应滤波器法更新建立的背景模型Bk = (Pa)Bk-^a · fk其中，1)是更新率，fk是当前帧对应的直方图，Blri是前一帧背景模型的直 方图，Bk是当前帧背景模型的直方图。
10.根据权利要求9所述的运动目标检测系统，其特征在于，所述第二检测模块中，所 述自适应高斯混合模型通过如下方式获取使用自适应高斯混合模型进行建模；对模型中的混合高斯分布参数进行修正；对模型 中各个权重进行归一化处理；从混合高斯分布集合中选出多个高斯分布作为自适应高斯混 合模型。
全文摘要
本发明公开了一种动态背景下的运动目标检测方法及系统。该方法包括低分辨率处理和高分辨率处理，低分辨率下获取运动目标的子区域，高分辨率得到精确的检测结果。本发明可以很好的处理动态背景问题；并且，本发明的高、低分辨率的互补检测过程，相对于混合高斯模型运动目标检测有以下优点第一，对于背景缓慢或突发局部扰动，低分辨率都可以减少其影响，进而减少互补算法的检测错误，但是直接使用混合高斯模型检测不能处理突发局部扰动，会在背景突然变化时刻造成检测错误。第二，高、低分辨率互补检测对噪声影响具有一定的鲁棒性。
文档编号G06T7/20GK101996410SQ20101058285
公开日2011年3月30日 申请日期2010年12月7日 优先权日2010年12月7日
发明者刘渭滨, 崇信毅, 户磊, 李波, 邢薇薇, 邱亚钦 申请人:北京交通大学