一种视频中不动物检测的方法与流程

本发明涉及一种视频检测方法，尤其是一种视频中不动物检测的方法。

背景技术：

近年来，视频监控技术越来越多地应用在安防领域，随着监控数据量的不断增长，使得监控人员需要花掉大量的时间对数据进行人工过滤，从中选择有用的视频信息，而繁复、重复的工作常常使他们力不从心。监控人员迫切需要有一种工作起来更轻松，更易于操作和管理的产品来替代原有系统。于是，智能视频技术应运而生，进入人们的生活。

智能视频是将计算机视觉方法引入到智能监控中。这一技术包括由视频图像序列自动的进行运动或静止目标的检测、目标分类和行为理解等方面的内容，目的是在图像和图像描述之间建立映射关系，从而使计算机能够分析和理解视频画面中的内容。

不动物检测技术是智能视频分析中的重要技术，在遗留物检测、物品遗失检测、乱涂乱画、停车检测等应用中具有广阔的应用场景。但目前大部分研究者都将注意力集中在解决较理想场景中的不动物检测技术。然而，对于复杂光线场景，不动物检测效果往往不佳，出现大量误报。如果提高检测阈值，又造成较多漏报。

传统上的不动物检测方法包括三大类：一类是基于快慢前景差来检测，这需要较高准确度的前景检测，但前景检测本身就是难题；另一类是基于前景、背景特征比较进行检测，这样做误报率较高；第三类是基于跟踪，当发现物体轨迹不动时就报警，但物体跟踪在复杂场景中是非常困难的。上述方法都不能较好解决复杂光线的问题。

复杂光线场景包括光线变化场景、室内复杂灯光场景和室外光线干扰下的室内场景等。在这种情况下，传统的方法往往因为前景检测和跟踪困难而失效。

技术实现要素：

本发明提供了一种适用于复杂光线条件下的不动物检测的视频中不动物检测的方法。

实现本发明目的的视频中不动物检测的方法，包括如下步骤：

(1)背景图生成，形成背景图像；

(2)背景特征生成，进行计算分块的背景图特征；

(3)静止前景块判断，当一个图像块是前景并且特征与背景不同时就认为是静止前景块；

(4)连通区域生成，将连接的前景块统一成连通区域；

(5)特征点计算，进行计算图像上的特征点；

(6)稳定特征点提取，统计那些特征点在连续若干帧中的大多数都是位置较为一致的；

(7)稳定连通区提取，当步骤(4)中生成的连通区域中含有一定数量的步骤(6)中提取的稳定特征点时，认为是稳定连通区域，作为不动物的区域进行输出。

本发明的视频中不动物检测的方法的有益效果如下：

本发明的视频中不动物检测的方法，能够适用于复杂光线条件下的不动物检测，提高了不动物检测的准确性，减少了误报率，尤其是复杂光线情况下检测效果好。

附图说明

图1为本发明的视频中不动物检测的方法的流程图。

图2为本发明的连通区域生成方法的流程图。

图3为本发明的稳定特征点提取方法的流程图。

图4为本发明的输出不动物检测结果方法的流程图。

具体实施方式

如图1所示，本发明的视频中不动物检测的方法，包括如下步骤：

(1)背景图生成，形成背景图像；

(2)背景特征生成，进行计算分块的背景图特征；

(3)静止前景块判断，当一个图像块是前景并且特征与背景不同时就认为是静止前景块；

(4)连通区域生成，将连接的前景块统一成连通区域；

(5)特征点计算，进行计算图像上的特征点；

(6)稳定特征点提取，统计那些特征点在连续若干帧中的大多数都是位置较为一致的；

(7)稳定连通区提取，当步骤(4)中生成的连通区域中含有一定数量的步骤(6)中提取的稳定特征点时，认为是稳定连通区域，作为不动物的区域进行输出。

如图2所示，连通区域生成的方法如下：

背景提取与前景检测：将彩色图像转为灰度图像。顺序读入各帧图像；对于第N帧图像，如果N＜ITh，则与第一帧比较，得到帧差图像，所述帧差图像中每个像素点值为ΔN＝|IN-I1|，Ii为第i帧图像中该像素点的像素值；否则与第N-ITH+1帧图像比较，得到帧差图像，其中每个象素点值为ΔN＝IN-IN-ITh+1；设置变化阈值MTh，如果所述ΔN大于此变化阈值，则把帧差图像DN中此点值设为1，否则设为0；N为大于1的整数；

所述背景图生成单元，初始化背景图为第一帧图像B0，对第N帧图像，BN＝BN-1*α+IN*(1-α)*(1-DN)。

分块处理：将灰度图像(HxW)分为大小为8x8的块；计算每块中DN值的和，如果小于一个阈值(如选择为20)，则认为是静止块。对于静止块作下面处理。如果帧数N小于某阈值(如选择为50)，则将此块的特征参与更新。特征计算方法如下：计算灰度直方图(值为0-255)，均匀量化为8阶，除以64。对图像的(H/8*W/8)个块，特征更新方法如下：如果是第一个相应位置的静止块，则赋为此位置块的特征，否则，就以一定权重更新背景特征(更新权重更新为0.9，即新帧特征占权重0.1)，记为Fb。当帧数N大于阈值，则计算新一帧的块特征Fn。计算Fn与Fb的欧氏距离，如果大于某阈值(设为1.0)，则认为此块为可疑前景块，将其特征记为相应位置块的前景特征Ff。如果相应位置块已经有前景特征，则将前景特征进行更新，更新权重与背景更新一致(设为0.9)。如果Fn与Fb的距离小于阈值(1.0)，就认为是背景，参与背景特征的更新，更新权重仍相同(设为0.9)。如果一个块被检测为可疑前景块，则此块前景分数加1；如果一个块被检测为背景块，则此块前景分数减1。当一个块前景分数超过某个阈值(设为20)，就认为是静止前景块。

静止连通区域提取：检测到一幅图像的静止前景块后，进行连通区域提取，组合成静止前景的连通区域。

如图3所示，稳定特征点提取的方法如下：

帧采样：由于特征点计算比较耗时，所以本方案采用帧采样，即每隔一定帧(设为3帧)取一帧进行处理。处理结果作为本帧和下一采样帧之前各帧的处理基础。

获得特征点：计算Harris角点，具体方法可以参照相关文献。

稳定性分析：初始化稳定特征点图Isf(大小与输入图像帧同)值为0。对每个采样帧的特征点，将这点和周围8个点的稳定特征点图Isf相应位置加1，然后对图像乘以消退权值(设为0.9)。如果Isf某点的值超过一定阈值(设为5)，则认为本采样帧本位置有稳定特征点。

如图4所示，输出不动物检测结果的方法如下：

稳定区域检测：计算出每一帧的静止前景连通区域。将此前景区域的分数初始化为一个值(设为1)。对新一帧仍计算静止前景连通区域，将这个连通区域与上帧的静止前景连通区域进行匹配，如果重合面积比例超过一定阈值(50％)，则认为两者是匹配的，将本帧的此静止连通区域分数加某个值(设为1)。如果上一帧的某静止前景连通区域在本帧没有对应静止前景连通区域，则其分数减某个值(设为2)。如果一个静止连通区域分数超过某个阈值(设为10)，则将其进入下一步处理。

不动物区域判断：对于上一步确认的静止前景区域进行判断，如果其包含不少于一定数目的稳定特征点(设为2)，则认为其是不动物区域，进行输出。

上面所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神前提下，本领域普通工程技术人员对本发明技术方案做出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。