本发明涉及图像处理技术领域,具体涉及一种快速检测运动物体的方法及装置。
背景技术:
随着深度学习的不断发展,以计算机视觉为代表的人工智能技术在安防等领域发挥着越来越重要的作用。众所周知,深度学习算法对计算机的计算能力有很高的要求。常规的目标检测算法是对整个检测画面进行全面扫描,来尽量确保不漏掉所检测的目标。这种做法给终端产品的计算能力带来很大的压力,特别是对于有实时检测需求的应用。
技术实现要素:
本发明针对现有技术中存在的技术问题,提供一种快速检测运动物体的方法及装置,只需要对运动物体所在区域进行检测,而不需要对整个视屏窗口进行全面扫描,可以大大降低产品终端的计算需求。
本发明解决上述技术问题的技术方案如下:
一方面,本发明提供一种快速检测运动物体的方法,包括以下步骤:
获取摄像头实时采集的视频图像;
对比当前帧与前一帧图像的像素差值,对像素差值大于阈值的区域进行运动物体检测。
进一步,该方法还包括以下步骤:
依次将所述像素差值大于阈值的区域作为目标区域,判断所述目标区域是否为背景区域,若是,则过滤此区域,并对可能的非背景目标区域进行下一步判断。
进一步,所述背景区域采用背景相似度的方法进行判断:
计算当前目标区域与真实背景区域的相关系数来判定其是否为背景,如果相关系数超过预设阈值,则判断当前目标区域可能为背景区域,并做进一步判定。
进一步,在利用背景相似度的方法判断目标区域是否为背景区域时,还包括:
将目标区域与真实背景进行模板匹配,匹配所述目标区域在当前帧图像中的位置与所述目标区域在前一帧图像的位置,若位置相同,同时所述相关系数超过预设阈值,则判断当前目标区域为背景区域。
另一方面,本发明还提供一种快速检测运动物体的装置,包括:
图像采集模块,用于实时采集的视频图像;
图像处理模块,用于对比当前帧与前一帧图像的像素差值,对像素差值大于阈值的区域进行运动物体检测。
进一步,所述图像处理模块包括:背景区域过滤模块,用于判断所述目标区域是否为背景区域。
进一步,所述背景区域过滤模块,用于计算目标区域与真实背景区域的相关系数来判定其是否为背景,如果相关系数超过预设阈值,则判断目标区域可能为背景区域。
进一步,所述背景区域过滤模块,还用于将所述目标区域与真实背景进行模板匹配,匹配所述目标区域在当前帧图像中的位置与所述目标区域在前一帧图像的位置,若位置相同,同时所述相关系数超过预设阈值,则判断当前目标区域为背景区域。
本发明的有益效果是:可以快速获取运动物体所在区域,并且基本排除由于光线变化引起背景物体误报的可能性。采用很少的计算耗时显著缩小了待检测区域,为后续的进一步目标识别大大减少了计算量。
附图说明
图1为本发明方法流程图;
图2为本发明算法处理流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
由于如安防领域等的目标检测特点是,所检测的目标往往是运动的物体。因此只需要对运动物体所在区域进行检测,而不需要对整个视屏窗口进行全面扫描,可以大大降低产品终端的计算需求。基于此,我们提出了一种快速检测运动物体的方法及装置,可以快速定位到运动物体所在的区域,并可以显著减少由光线变化等引起的背景物体误报。
如图1所示,本发明提供一种快速检测运动物体的方法,包括以下步骤:
获取摄像头实时采集的视频图像;
对比当前帧与前一帧图像的像素差值,依次将所述像素差值大于阈值的区域作为目标区域,计算当前目标区域与真实背景区域的相关系数来判定其是否为背景,如果相关系数超过预设阈值,将目标区域与真实背景进行模板匹配,匹配所述目标区域在当前帧图像中的位置与所述目标区域在前一帧图像的位置,若位置相同,则当前目标区域为背景区域;
过滤图像中属于背景区域的目标区域,并对非背景区域的目标区域进行运动物体检测。
实际应用当中,摄像头源源不断的传入图像画面,我们将前若干帧的图像进行存储,然后计算当前帧图像与前一帧图像的像素差值。理想情况下,若差值都为0,表明当前画面中没有运动物体;若差值比较大,则像素差值较大区域可能有运动物体。我们可以将像素差别较大的区域找出来,用作后续进一步的目标检测。运动区域相对于整个窗口往往是比较小的,通过对运动窗口进行提取可以大大减少了后续的计算量。在实际情况中,由于摄像头或者光线原因,即使当前画面中没有运动物体,前后两帧图像的像素差值也不可能全为0,但不会太大,因此需要对像素差值做一个过滤。对于光线快速变化的情况,即使画面中没有运动物体,前后两帧图像的像素差值也很大。我们通过背景的相似度来排除背景物体的误报,即计算目标区域与背景区域的相关系数来判定其是否为背景:如果相关系数很高,其很可能就是背景物体。进一步的,在背景区域的相关系数基础上,我们还可以通过模板匹配技术,匹配出目标区域与前一帧图像的位置。若位置相同,那么该区域很有可能就是背景物体。
通过上述方法,可以快速获取运动物体所在区域,并且基本排除由于光线变化引起背景物体误报的可能性。采用很少的计算耗时显著缩小了待检测区域,为后续的进一步目标识别大大减少了计算量,能够有效地促进实时目标检测的产品化落地。
图2中,左边是我们的视频输入端。我们将上一帧图像存储起来,并与当前帧图像对比,运动物体区域必定存在像素差。我们可以很方便的提取出存在像素差的区域,并将该区域作为模板,提取出原始图像中运动的物体。另外,我们可以看到倒数第三张插图中存在一个小的像素变化区域,其可能是由光线等变化原因造成的。在最后一步,为了排除此类误报,我们对该区域与背景进行模板匹配并计算其相关系数。若相似度很高且其所在位置相同,则说明其很可能背景物体。我们就可以对其进行过滤,从而减少误报。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。