同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明的不同方面 的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明的精神和原则之内， 所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种背景模型和运动物体检测方法，其特征在于，包括： 将第一帧图像作为背景帧，从第二帧开始，最新的一帧为输入帧，通过比较背景帧和输 入帧，从而得到掩码帧和标号帧； 从运动物体掩码帧中对所有明显运动部位进行提取并分别标号； 根据提取到的明显运动部位，对输入帧作边缘提取，找到输入帧中所有属于运动物体 边缘的像素点，得到运动物体边缘图像； 沿着运动物体边缘图像找到包括该物体边缘的矩形框； 结合运动物体边缘图像以及包括该物体边缘的矩形框，对检测到的明显运动部位进行 基于深度连续性的区域增长，从而得到要检测的运动物体； 根据要检测的运动物体，得到一个0/1分布的完整运动物体的图像，表示输入帧中明 显运动部位所属于的完整运动物体； 将输入帧中所有不属于完整运动物体位置的部分判定为背景像素，其用来在当前输入 帧处理结束之后更新背景帧。2. 根据权利要求1所述的方法，其特征在于， 所述比较背景帧和输入帧的步骤包括： 设定用来区别当前运动像素和当前背景像素的负阈值，以及用于区别前一刻运动像素 和前一刻背景像素的正阈值； 对输入帧和背景帧进行做差运算； 所述得到表示输入帧中明显运动部分所处位置的掩码帧的步骤包括： 对深度差小于负阈值的像素点，判定为当前运动像素，在掩码帧中标记为1，其余的像 素点判定为当前背景像素，在掩码帧中标记为〇 ; 所述得到用来表示背景帧中明显运动部分所处位置的标号帧步骤包括： 对深度差大于正阈值的像素点，判定为前一刻运动像素，在标号帧中标记为〇,其余的 像素点判定为前一刻背景像素，在标号帧中标记为1 ; 将掩码帧初始时刻的第一帧单独保存为初始运动物体掩码帧，接下来的时刻中，掩码 帧均表示运动物体掩码帧。3. 根据权利要求1所述的方法，其特征在于，所述从运动物体掩码帧中对所有明显运 动部位进行提取并分别标号的步骤，包括： 输入0/1分布的运动物体掩码帧图像和深度图像输入帧； 初始化表示物体的数据结构：{矩形框=空，均值=〇,像素点集合=空}，拷贝0/1分 布的运动物体掩码帧到标号帧，并设定标号初始值为2 ; 从左到右，从上到下，逐行扫描标号帧； 如果发现0/1分布的标号帧上的一个像素点值为1，则将所述像素点重新赋值为当前 的标号值，接着从输入帧上获取该像素点对应的深度值，更新当前深度均值，将当前深度均 值、该像素点位置及其相关信息一起压入堆栈； 如果堆栈非空，从堆栈弹出一个标号帧上的像素点，搜索该像素点的邻域像素点，如果 某个邻域像素点值为1，赋值为当前标号值，并把该像素点和深度图像输入帧上对应像素点 的相关信息压入堆栈； 如果堆栈为空，标号值增加1，并把现有的像素点集合和信息拷贝到输出序列中； 直到整个图形扫描完毕，输出所有提取到的物体及多个物体的深度均值、像素点集合 及其相关信息。4. 根据权利要求1所述的方法，其特征在于，所述沿着运动物体边缘图像找到包括该 物体边缘的矩形框的步骤，包括： 输入为0/1分布的运动物体边缘图像和检测到的明显运动部位； 初始化表示物体的数据结构：{矩形框=空，均值=〇,像素点集合=空}; 从左到右，从上到下，分别逐行扫描运动物体边缘图像和检测到的明显运动部位； 如果堆栈非空，如果发现运动物体边缘图像中的一个点的值为1，并且检测到的明显运 动部位中对应像素点也是1，则更新矩形框和均值，同时把该像素点位置及其相关信息压入 堆栈。将处理过的像素点重置为0,之后不扫描该像素点； 从堆栈弹出一个像素点，搜索该像素点的邻域，如果某个邻域像素点的值为1并且和 当前堆栈弹出像素点的距离小于给定阈值，更新并把该像素点位置及其相关信息压入堆 栈。将处理过的像素点重置为0,之后不扫描该像素点； 如果堆栈为空，把现有的像素点集合和信息拷贝到输出序列中作为一个物体的矩形 框； 直到整个图形扫描完毕，提取到包括该物体边缘的矩形框，输出运动物体的矩形框。5. 根据权利要求1所述的方法，其特征在于，所述在当前输入帧处理结束之后更新背 景帧的步骤，可选用选择性的渐进更新方案对背景帧进行更新，即根据标号帧中值为〇的 像素点所处位置，将背景帧与输入帧中同样位置的像素点进行加权，用加权后的结果对背 景帧进行更新。6. -种背景模型和运动物体检测系统，其特征在于，包括： 模型初始化模块，用于将第一帧图像作为背景帧，从第二帧开始，最新的一帧为输入 帧，通过比较背景帧和输入帧，从而得到掩码帧和标号帧； 明显运动部位检测模块，用于从运动物体掩码帧中对所有明显运动部位进行提取并分 别标号； 运动物体边缘提取模块，用于根据提取到的明显运动部位，对输入帧作边缘提取，找到 输入帧中所有属于运动物体边缘的像素点，得到运动物体边缘图像； 限定搜索区域模块，用于沿着运动物体边缘图像找到如包括该物体边缘的矩形框； 方向性区域增长模块，用于结合运动物体边缘图像以及包括该物体边缘的矩形框，对 检测到的明显运动部位进行基于深度连续性的区域增长，从而得到要检测的运动物体； 输出完整运动物体模块，用于根据要检测的运动物体，得到一个0/1分布的完整运动 物体的图像，表示输入帧中明显运动部分所属于的完整运动物体； 更新背景帧模块，用于将输入帧中所有不属于完整运动物体位置的部分判定为背景像 素，其用来在当前输入帧处理结束之后更新背景帧。7. 根据权利要求6所述的系统，其特征在于，所述模型初始化模块包括： 阈值设定模块，用于设定用来区别当前运动像素和当前背景像素的负阈值，以及用于 区别前一刻运动像素和前一刻背景像素的正阈值； 做差模块，用于对输入帧和背景帧进行做差运算； 掩码帧生成模块，用于对深度差小于负阈值的像素点，判定为当前运动像素，在掩码帧 中标记为1，其余的像素点判定为当前背景像素，在掩码帧中标记为ο; 标号帧生成模块，用于对深度差大于正阈值的像素点，判定为前一刻运动像素，在标号 帧中标记为0,其余的像素点判定为前一刻背景像素，在标号帧中标记为1，标号帧初始化 全部为1 ; 运动物体掩码帧生成模块，用于将掩码帧初始时刻的第一帧单独保存为初始运动物体 掩码帧，接下来的时刻中，掩码帧均表示运动物体掩码帧。8. 根据权利要求6所述的系统，其特征在于，所述明显运动部位检测模块，包括： 检测输入模块，用于输入0/1分布的运动物体掩码帧图像和深度图像输入帧； 检测初始化模块，用于初始化表示物体的数据结构：{矩形框=空，均值=〇,像素点集 合=空}，拷贝0/1分布的运动物体掩码帧到标号帧，并设定标号初始值为2 ; 检测扫描模块，用于从左到右，从上到下，逐行扫描标号帧； 检测赋值模块，用于如果发现0/1分布的标号帧上的一个像素点值为1，则将所述像素 点重新赋值为当前的标号值，接着从输入帧上获取该像素点对应的深度值，更新当前深度 均值，将当前深度均值、该像素点位置及其相关信息一起压入堆栈； 检测标号模块，用于如果堆栈非空，从堆栈弹出一个标号帧上的像素点，搜索该像素点 的邻域像素点，如果某个邻域像素点值为1，赋值为当前标号值，并把该像素点和深度图像 输入帧上对应像素点的相关信息压入堆栈； 检测更新模块，用于如果堆栈为空，标号值增加1，并把现有的像素点集合和信息拷贝 到输出序列中； 检测输出模块，用于直到整个图形扫描完毕，输出所有提取到的物体及多个物体的深 度均值、像素点集合及其相关信息。9. 根据权利要求6所述的系统，其特征在于，所述限定搜索区域模块，包括： 限定搜索输入模块，用于输入为0/1分布的运动物体边缘图像和检测到的明显运动部 位； 限定搜索初始化模块，用于初始化表示物体的数据结构：{矩形框=空，均值=〇,像素 点集合=空}; 限定搜索扫描模块，用于从左到右，从上到下，分别逐行扫描运动物体边缘图像和检测 到的明显运动部位； 限定搜索赋值模块，用于如果发现运动物体边缘图像中的一个像素点的值为1，并且检 测到的明显运动部位中对应像素点也是1，则更新矩形框和均值，同时把该像素点位置及其 相关信息压入堆栈。将处理过的像素点重置为0,之后不扫描该像素点； 限定搜索标号模块，用于如果堆栈非空，从堆栈弹出一个像素点，搜索该像素点的邻 域，如果某个邻域像素点的值为1并且和当前堆栈弹出像素点的距离小于给定阈值，更新 并把该像素点位置及其相关信息压入堆栈。将处理过的像素点重置为0,之后不扫描该像素 占. 限定搜索更新模块，用于如果堆栈为空，把现有的像素点集合和信息拷贝到输出序列 中作为一个物体的矩形框； 限定搜索输出模块，用于直到整个图形扫描完毕，提取到包括该物体边缘的矩形框，输 出运动物体的矩形框。
【专利摘要】本发明公开了一种背景模型和运动物体检测方法，包括模型初始化得到背景帧和掩码帧，明显运动部位检测，根据检测出的明显部位做运动物体边缘提取，根据运动物体边缘限定搜索区域，对明显运动部位进行方向性区域增长，最后输出完整运动物体并更新背景帧。本发明还公开了一种背景模型和运动物体检测系统，包括模型初始化模块，明显运动部位检测模块，运动物体边缘提取模块，限定搜索区域模块，方向性区域增长模块，输出完整运动物体模块，更新背景帧模块。本发明提供的背景模型和运动物体检测方法及系统不需要专门训练背景模型，即插即用，而且可以学习随着时间变化的背景，并且不要求特定的初始条件。
【IPC分类】G06T7/00, G06T7/20
【公开号】CN105374030
【申请号】CN201510659389
【发明人】张勇, 李常春, 张磊
【申请人】北京深视科技有限公司
【公开日】2016年3月2日
【申请日】2015年10月12日