一种实际运动目标的识别方法及装置的制造方法
【技术领域】
[0001]本发明涉及图像处理技术领域，尤其涉及一种实际运动目标的识别方法及装置。
【背景技术】
[0002]自动视频监控的内容主要包括运动目标检测、运动目标分类、运动目标跟踪和行为理解四个部分。其中，运动目标检测是将具有实际意义的运动变化区域从背景图像中分割提取出来，以备后续步骤的使用。运动目标检测作为整个视频监控的基础工作，它的效果好坏直接影响着整个监控系统的性能。
[0003]高斯模型是目前最常用的运动目标检测方法之一，由Stauffer和Grimson等于1999年提出。该方法通过对视频图像帧中各像素点建立对应的高斯模型，形成完整的背景模型，并根据该高斯模型的均值和方差信息，判断像素点是背景像素点还是前景目标的像素点，若当前帧中某像素点的特征与对应位置的像素点的背景高斯模型相匹配，则判定此像素点为背景像素点，否则，判定此像素点为前景目标的像素点，这里的前景目标就是指运动目标。
[0004]为了增强高斯模型对背景中微弱光照变化的适应性，人们后来又研究了混合高斯模型，混合高斯模型是对上述高斯模型的改进，它通过对多个高斯概率密度函数的加权平均来平滑地近似任意形状的密度分布函数；
[0005]但是，这种混合高斯模型只适用背景渐变的情况，很难对突然发生的背景扰动(t匕如树叶晃动等)进行适应，在采用混合高斯模型进行运动目标检测时，背景中突然发生的扰动很有可能导致对运动目标的误判。
【发明内容】
[0006]本发明实施例提供一种实际运动目标的识别方法及装置，用以减少由于背景中突然发生的扰动所导致的对运动目标的误判。
[0007]第一方面，提供一种实际运动目标的识别方法，包括:
[0008]连续获取预设时间的多帧视频图像；
[0009]根据预设的高斯模型，确定每帧视频图像的前景图像，其中，至少一帧所述前景图像包括第一候选运动目标；
[0010]根据所述每帧视频图像的前景图像，确定所述第一候选运动目标的运动数据，其中，所述运动数据为表示候选运动目标的运动特点的数据；
[0011]根据所述第一候选运动目标的运动数据，判断所述第一候选运动目标是否满足运动稳定性条件，其中，所述运动稳定性条件为表示运动过程具有渐变性特点的条件；
[0012]若所述第一候选运动目标满足所述运动稳定性条件，则确定所述第一候选运动目标为实际运动目标。
[0013]结合第一方面，在第一种可能的实现方式中，所述运动数据包括:所述第一候选运动目标的运动方向的变化幅度，所述运动方向的变化幅度为候选运动目标在当前帧前景图像中的运动方向相对于，所述候选运动目标在所述当前帧的前一帧前景图像中的运动方向，的变化角度；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的运动方向的变化幅度大于第一设定变化幅度的次数不大于第二设定阈值。
[0014]结合第一方面，在第二种可能的实现方式中，所述运动数据包括:所述第一候选运动目标的面积大小的变化幅度；所述面积大小的变化幅度为候选运动目标在当前帧前景图像中的面积大小相对于，所述候选运动目标在所述当前帧的在前一帧前景图像中的面积大小，的变化量；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的面积大小的变化幅度大于第三设定变化幅度的次数不大于第四设定阈值。
[0015]结合第一方面，在第三种可能的实现方式中，所述运动数据包括:所述第一候选运动目标在全部所述前景图像中出现的次数；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标出现的次数大于第五设定阈值。
[0016]第二方面，提供一种实际运动目标的识别装置，包括:
[0017]获取模块，用于连续获取预设时间的多帧视频图像，并将获取的多帧视频图像传输至第一确定模块；
[0018]第一确定模块，用于根据预设的高斯模型，确定每帧视频图像的前景图像，并将确定的每帧视频图像的前景图像传输至第二确定模块；其中，至少一帧所述前景图像包括第一候选运动目标；
[0019]第二确定模块，用于根据所述每帧视频图像的前景图像，确定所述第一候选运动目标的运动数据，并将确定的运动数据传输至判断模块；其中，所述运动数据为表示候选运动目标的运动特点的数据；
[0020]判断模块，用于根据所述第一候选运动目标的运动数据，判断所述第一候选运动目标是否满足运动稳定性条件，并将判断结果传输至第三确定模块，其中，所述运动稳定性条件为表示运动过程具有渐变性特点的条件；
[0021]第三确定模块，用于若所述第一候选运动目标满足所述运动稳定性条件，则确定所述第一候选运动目标为实际运动目标。
[0022]结合第二方面，在第一种可能的实现方式中，所述第二确定模块确定的运动数据包括:所述第一候选运动目标的运动方向的变化幅度，所述运动方向的变化幅度为候选运动目标在当前帧前景图像中的运动方向相对于，所述候选运动目标在所述当前帧的前一帧前景图像中的运动方向，的变化角度；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的运动方向的变化幅度大于第一设定变化幅度的次数不大于第二设定阈值。
[0023]结合第二方面，在第二种可能的实现方式中，所述第二确定模块确定的运动数据包括:所述第一候选运动目标的面积大小的变化幅度；所述面积大小的变化幅度为候选运动目标在当前帧前景图像中的面积大小相对于，所述候选运动目标在所述当前帧的在前一帧前景图像中的面积大小，的变化量；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标的面积大小的变化幅度大于第三设定变化幅度的次数不大于第四设定阈值。
[0024]结合第二方面，在第三种可能的实现方式中，所述第二确定模块确定的运动数据包括:所述第一候选运动目标在全部所述前景图像中出现的次数；所述运动稳定性条件包括:在全部所述前景图像中，所述第一候选运动目标出现的次数大于第五设定阈值。
[0025]采用上述第一方面提供的运动目标识别方法，可以针对某个候选运动目标，在确定该候选运动目标的运动数据后，根据确定的运动数据，判断该候选运动目标是否满足运动稳定性条件，这里的运动稳定性条件为表示运动过程具有渐变性特点的条件，在确定该候选运动目标满足运动稳定性条件后，则确定该候选运动目标为实际运动目标，从而可以减少将因突然发生背景扰动(比如树叶晃动等)所产生的干扰运动目标误判为实际运动目标的概率，提高对实际运动目标的识别准确率。
【附图说明】
[0026]图1为本发明实施例一提供的实际运动目标的识别方法流程图；
[0027]图2为一个实际运动目标运动方向示意图；
[0028]图3为一个干扰运动目标运动方向变化示意图；
[0029]图4 (a)为通过高斯模型建立的前景图1 ;
[0030]图4 (b)为通过高斯模型建立的前景图2 ；
[0031]图5 (a)为通过高斯模型建立的前景图3 ；
[0032]图5 (b)为通过高斯模型建立的前景图4 ；
[0033]图6为本发明实施例二提