专利名称：一种运动目标检测方法及装置的制作方法
技术领域：
本发明属于图像处理技术领域，特别涉及一种运动目标检测方法及装置。
背景技术：
运动目标检测算法是视频智能分析中最基础最重要的部分，主要是指通过定义相应数学模型及分割算法，将视频帧序列中持续运动目标自动从背景中检测出来的一种技术。在进行运动目标检测时，需要对图像内容进行理解，主要途径为提取图像的结构特征和纹理特征，并用结构特征和纹理特征来表征图像。利用结构特征的方法主要是提取图像的基本轮廓和结构信息，常用的方法有Gabor滤波器、初始简图(Primal Sketch)滤波器等。通过设置不同方向、不同大小、不同形状的滤波器去尽可能完整地描述图像的整体结构。利用纹理特征的方法主要是提取图像的具有一定规律变化的纹理区域，常用的方法是利用颜色直方图、局部二进制模式(LBP)特征、梯度方向直方图(HOG)等统计信息来进行描述。现有技术的一种运动目标检测算法为通过利用背景的空间相关性，进行单个图像帧上像素块提取，对提取的像素块进行特征描述，根据特征描述的差别来判定运动目标和背景，其中，多帧像素块特征差值较大的为运动目标区域，特征差值较小的为背景区域。发明人在实现本发明的过程中，发现现有技术至少存在如下问题对于基于像素块的背景建模算法来说，事实上由于现实场景中存在很多复杂的背景情况，如突然的光照变化、雨雾天气等，根据单帧像素块分析根本无法得到完整的背景图像，再加上场景中光照阴影影响和镜面反射等变化，使得基于此种背景建模算法的运动目标检测方法的准确度不高。
发明内容
本发明的目的是提供一种运动目标检测方法及装置，解决现有技术中运动目标检测的准确度不高的问题。为解决上述问题，本发明提供技术方案如下一种运动目标检测方法，包括从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；提取视频块的结构特征；提取视频块的纹理特征；将每个视频块的结构特征和纹理特征组合为该视频块的特征向量；将多个视频块的特征向量组合为背景的特征矩阵；构造将待检测视频块的特征向量用所述特征矩阵进行线性表示的方程，并求取所述方程的最小化残差解，得到解向量；当所述解向量对应的残差大于第一阈值，或者，所述解向量的稀疏度小于第二阈值时，将所述待检测视频块判定为运动目标。上述的运动目标检测方法，其中，所述提取视频块的结构特征包括构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行垂直移动或者保持不动，得到多个二维Gabor滤波器；求取所述视频块对所述多个二维Gabor滤波器的线性响应，得到线性响应向量；将所述线性响应向量构造为所述视频块的结构特征。上述的运动目标检测方法，其中，所述将所述线性响应向量构造为所述视频块的结构特征包括按照从大到小的顺序从所述线性响应向量中选取预定数目个元素，将选取的预定数目个元素更新为1，将其余元素更新为0，并将更新得到的线性响应向量构造为所述视频块的结构特征。上述的运动目标检测方法，其中，所述预定数目为3。上述的运动目标检测方法，其中，所述提取视频块的纹理特征包括构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行水平移动或者保持不动，得到多个二维Gabor滤波器；求取所述视频块对所述多个二维Gabor滤波器的卷积响应，得到卷积响应向量；将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征。上述的运动目标检测方法，其中，所述将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征对所述统计直方图进行归一化处理，得到均值直方图，并将所述均值直方图构造为所述视频块的纹理特征。上述的运动目标检测方法，其中，通过最小化1-范数的方法来求取所述方程的最
小化残差解。上述的运动目标检测方法，其中，按照如下公式计算所述解向量的稀疏度
k-\其中，所为所述解向量，/闲)为两的稀疏度，k为&的维数，^^1)为去除S中的零元素后得到的向量，P(A)I1为风的1-范数，IIMbii^ 1-范数。一种运动目标检测装置，包括视频块提取模块，用于从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；结构特征提取模块，用于提取视频块的结构特征；纹理特征提取模块，用于提取视频块的纹理特征；特征向量构造模块，用于将每个视频块的结构特征和纹理特征组合为该视频块的特征向量；特征矩阵构造模块，用于将多个视频块的特征向量组合为背景的特征矩阵；求解模块，用于构造将待检测视频块的特征向量用所述特征矩阵进行线性表示的方程，并求取所述方程的最小化残差解，得到解向量；判定模块，用于当所述解向量对应的残差大于第一阈值，或者，所述解向量的稀疏度小于第二阈值时，将所述待检测视频块判定为运动目标。上述的运动目标检测装置，其中，所述结构特征提取模块进一步用于构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行垂直移动或者保持不动，得到多个二维Gabor滤波器；求取所述视频块对所述多个二维Gabor滤波器的线性响应，得到线性响应向量；将所述线性响应向量构造为所述视频块的结构特征。上述的运动目标检测装置，其中，所述纹理特征提取模块进一步用于
构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行水平移动或者保持不动，得到多个二维Gabor滤波器；求取所述视频块对所述多个二维Gabor滤波器的卷积响应，得到卷积响应向量；将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征。上述的运动目标检测装置，其中，所述求解模块进一步用于通过最小化1-范数的方法来求取所述方程的最小化残差解。与现有技术采用像素块进行背景建模的算法相比，本发明提出了结合图像的空间相关性和时间相关性(在一段时间序列下的图像帧序列的背景会有一定的稳定性)，对多帧图像序列进行视频块基元(所述多帧图像序列中相同位置处的像素块组成一个视频块基元)提取后进行背景建模的方案，能够规避复杂场景如雨雾天气、灯光变化等，所造成的背景在单帧图像上有很大变化的问题，从而能够提高运动目标检测的准确度。
图1为根据本发明实施例的运动目标检测方法流程图；图2为本发明实施例中视频块与像素块的对比示意图；图3为根据本发明实施例的运动目标检测装置结构图。
具体实施例方式本发明实施例提出了结合图像的空间相关性和时间相关性(在一段时间序列下的图像帧序列的背景会有一定的稳定性)，对多帧图像序列进行视频块基元提取后进行背景建模的方案，能够提高复杂场景如雨雾天气、光照突变、阴影反射等情况下运动目标检测的准确度，从而为后续的智能分析和应用提供更好的预处理。为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明进行详细描述。参照图1，本发明实施例的运动目标检测方法，主要包括如下步骤
步骤101 从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；从视频中顺序提取多个图像帧序列，当输入一个新图像帧In(n = 1，2...)(图像大小为W*H)时，将其分为N= (W*H)/(h*h)个像素块，表示为巧 〔，其中，i为像素块索引，h为像素块的高和宽。参照图2，对于每个像素块Pi,n，将此像素块与前t-Ι个图像帧中相同位置处的像素块组合成一个视频块基元，基元的大小为h*h*t。因此，可以将视频块基元定义为(Bi)H1 ,其中，Bi=诋,BiW^dBiitI在此后的图像特征提取和运动目标检测都是基于视频块基元Bi进行分析和处理。以上仅为视频块基元提取的一种实现方式。在具体实现时，如果运算能力允许，也可以针对当前图像帧中的每个像素点提取一个视频块，或者，每隔若干像素点提取一个视频块。所述视频块同样由相同位置处的t个像素块组成，且所述像素块的中心点为该像素点。对于边缘像素点，其对应的像素块会有部分区域位于图像之外，此时，可以采用现有的方法进行处理，例如，直接将位于图像之外的像素点的值置为零，或者，将图像的边缘区域的像素点的值复制到所述位于图像之外的像素点。步骤102 提取视频块的结构特征；可以采用各种方法进行结构特征提取，以下介绍采用时空Gabor滤波器对视频块进行结构特征提取的方法，具体包括构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行垂直移动或者保持不动，得到多个二维Gabor滤波器；求取所述视频块对所述多个二维Gabor滤波器的线性响应，得到线性响应向量；将所述线性响应向量构造为所述视频块的结构特征。举例如下假设视频块B的大小为15*15*5，对其进行时空Gabor滤波得到Gabor基函数的子空间为
权利要求
1.一种运动目标检测方法，其特征在于，包括从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；提取视频块的结构特征； 提取视频块的纹理特征；将每个视频块的结构特征和纹理特征组合为该视频块的特征向量； 将多个视频块的特征向量组合为背景的特征矩阵；构造将待检测视频块的特征向量用所述特征矩阵进行线性表示的方程，并求取所述方程的最小化残差解，得到解向量；当所述解向量对应的残差大于第一阈值，或者，所述解向量的稀疏度小于第二阈值时， 将所述待检测视频块判定为运动目标。
2.如权利要求1所述的运动目标检测方法，其特征在于，所述提取视频块的结构特征包括构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行垂直移动或者保持不动，得到多个二维Gabor滤波器； 求取所述视频块对所述多个二维Gabor滤波器的线性响应，得到线性响应向量； 将所述线性响应向量构造为所述视频块的结构特征。
3.如权利要求2所述的运动目标检测方法，其特征在于，所述将所述线性响应向量构造为所述视频块的结构特征包括按照从大到小的顺序从所述线性响应向量中选取预定数目个元素，将选取的预定数目个元素更新为1，将其余元素更新为0，并将更新得到的线性响应向量构造为所述视频块的结构特征。
4.如权利要求2所述的运动目标检测方法，其特征在于 所述预定数目为3。
5.如权利要求1所述的运动目标检测方法，其特征在于，所述提取视频块的纹理特征包括构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行水平移动或者保持不动，得到多个二维Gabor滤波器； 求取所述视频块对所述多个二维Gabor滤波器的卷积响应，得到卷积响应向量； 将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征。
6.如权利要求5所述的运动目标检测方法，其特征在于，所述将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征对所述统计直方图进行归一化处理，得到均值直方图，并将所述均值直方图构造为所述视频块的纹理特征。
7.如权利要求1所述的运动目标检测方法，其特征在于 通过最小化1-范数的方法来求取所述方程的最小化残差解。
8.如权利要求7所述的运动目标检测方法，其特征在于，按照如下公式计算所述解向量的稀疏度
9.一种运动目标检测装置，其特征在于，包括视频块提取模块，用于从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；结构特征提取模块，用于提取视频块的结构特征； 纹理特征提取模块，用于提取视频块的纹理特征；特征向量构造模块，用于将每个视频块的结构特征和纹理特征组合为该视频块的特征向量；特征矩阵构造模块，用于将多个视频块的特征向量组合为背景的特征矩阵； 求解模块，用于构造将待检测视频块的特征向量用所述特征矩阵进行线性表示的方程，并求取所述方程的最小化残差解，得到解向量；判定模块，用于当所述解向量对应的残差大于第一阈值，或者，所述解向量的稀疏度小于第二阈值时，将所述待检测视频块判定为运动目标。
10.如权利要求9所述的运动目标检测装置，其特征在于，所述结构特征提取模块进一步用于构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行垂直移动或者保持不动，得到多个二维Gabor滤波器； 求取所述视频块对所述多个二维Gabor滤波器的线性响应，得到线性响应向量； 将所述线性响应向量构造为所述视频块的结构特征。
11.如权利要求9所述的运动目标检测装置，其特征在于，所述纹理特征提取模块进一步用于构造多个方向的二维Gabor滤波器；将每个二维Gabor滤波器进行水平移动或者保持不动，得到多个二维Gabor滤波器； 求取所述视频块对所述多个二维Gabor滤波器的卷积响应，得到卷积响应向量； 将所述卷积响应向量的统计直方图构造为所述视频块的纹理特征。
12.如权利要求9所述的运动目标检测装置，其特征在于，所述求解模块进一步用于 通过最小化1-范数的方法来求取所述方程的最小化残差解。
全文摘要
本发明提供一种运动目标检测方法及装置，方法包括从连续多帧图像中提取多个视频块，每个视频块由所述连续多帧图像中相同位置处的像素块组成；提取视频块的结构特征；提取视频块的纹理特征；将每个视频块的结构特征和纹理特征组合为该视频块的特征向量；将多个视频块的特征向量组合为背景的特征矩阵；构造将待检测视频块的特征向量用所述特征矩阵进行线性表示的方程，并求取所述方程的最小化残差解，得到解向量；当所述解向量对应的残差大于第一阈值，或者，所述解向量的稀疏度小于第二阈值时，将所述待检测视频块判定为运动目标。本发明能够提高运动目标检测的准确度。
文档编号G06T7/20GK102542571SQ201010608739
公开日2012年7月4日 申请日期2010年12月17日 优先权日2010年12月17日
发明者刘之富, 林倞, 梁小丹, 胡赟, 陈俊贤, 陈健平, 黄光彬, 黄凯峰 申请人:中国移动通信集团广东有限公司