专利名称：一种静止物体检测的方法及系统的制作方法
技术领域：
本发明涉及计算机及电子技术领域，特别是对静止物体检测的方法及系统。
背景技术：
目前，大多数公共场所均装有摄像头，用来发现遗留物，或者监控贵重物体是否被移动，或者监控敏感区域内是否有物体长时间停滞等。基于上述用途，自动检测静止物体已成为一个重要的研究方向。
现有技术中静止物体检测的基本方法是首先获得背景图像，然后根据当前图像和背景图像获得当前图像中的目标前景，再将目标前景与历史前景进行匹配，若匹配，则认为该历史前景可见，否则删除该历史前景，将所述目标前景作为历史前景。
若发现有长时间形状和位置均未发生变化的物体，则认为该物体为静止物体。现有技术中静止物体检测的方法一般都在语意(Semantic)层完成，在语意层中加入识别的方法，如位置、形状和纹理等特征，可提取出当前图像中的目标前景。
但是，在现有技术中，当历史前景被目标前景遮挡时认为该历史前景可见，并删除该目标前景。显然，在所有历史前景被目标前景遮挡的情况下认为历史前景可见是不准确的，此时的历史前景可能不是一个真正的物体，也许是一处噪声，若此时未将目标前景加入历史前景，则漏检测了一个物体，而该物体可能成为一个静止物体，导致检测不准确。
发明内容
本发明提供一种静止物体检测的方法及系统，用以解决现有技术中存在检测静止物体不准确的问题。
本发明提供以下技术方案一种静止物体检测的方法，包括以下步骤将当前图像帧中的各目标前景与各历史前景进行比较；确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值；确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景；将达到第三阈值的所述被匹配的参数值所对应的历史前景确定为静止物体。
一种用于检测静止物体的装置，包括匹配模块，用于将当前图像帧中的各目标前景与各历史前景进行比较，确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值，或者确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景；判断模块，用于将达到预设第三阈值的被匹配的参数值所对应的历史前景作为静止物体。
一种用于检测静止物体的系统，包括背景图像提取装置，用于从多个图像帧中确定各像素点关于灰度的分布中心，将权重最大的分布的中心确定为相应的像素点的灰度值，即获得背景图像；静止物体检测装置，用于根据背景图像获得当前图像帧中的目标前景，并将当前图像帧中的各目标前景与各历史前景进行比较，确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值，或者确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景，以及将达到预设的第三阈值的可视参数所对应的历史前景作为静止物体。
本发明有益效果如下1、本发明在建立背景图像时应用较为简单的K-mean算法，并且在K-mean算法中合并相似的分布，使得到的灰度值更准确，准确背景图像有助于获得准确的前景图像。
2、本发明在更新背景图像时只对未发生运动的区域进行更新，简化了更新流程，并且避免了运动物体对背景图像的影响。并且本发明在确定发生运动的区域时使用膨胀操作，可以更加准确的得到发生运动的区域，同时减少了更新区域，使更新流程简化。
3、本发明同样在获取目标前景的过程中使用膨胀操作，从而获得较为准确的目标前景，并且使目标前景数量减少，使检测过程更加简化。
4、本发明对目标前景与历史前景的比较结果作细致的分析，可以有效的获知噪声引起的干扰，避免将干扰影像作为静止物体，同时也避免了错误的将目标前景看作是某历史前景而被删除。
图1为本实施例中检测静止物体的系统结构图；图2为本实施例中背景图像提取装置的结构图；图3为本实施例中背景图像更新装置的结构图；图4为本实施例中检测静止物体的装置结构图；
图5为本实施例中检测静止物体的主要方法流程图；图6为本实施例中建立背景图像的方法流程图；图7为本实施例中多幅图像的示例图；图8为本实施例中背景图像的示例图；图9为本实施例中更新背景图像的方法流程图；图10为本实施例中二值化结果的示例图；图11为本实施例中膨胀操作结果的示例图；图12为本实施例中前景区域的示例图；图13为本实施例中从当前图像帧中获取目标前景的方法流程图；图14为本实施例中确定静止物体的方法流程图；图15为本实施例中确定静止物体的示例图。
具体实施例方式
为了解决现有技术中存在检测静止物体不准确的问题，本发明实施例在将目标前景与历史前景进行匹配时，将匹配的结果作细致的分类，根据不同结果做相应的处理，可较准确的检测出静止物体。并且，本发明实施例对获得背景图像的流程、背景图像的更新流程和获取目标前景的流程进行改进，用以更加准确的检测出静止物体。
参见图1，本实施例中用于检测静止物体的系统包括背景图像提取装置101、背景图像更新装置102、静态物体检测装置103和中央控制装置104。
中央控制装置104获得视频数据，并对背景图像提取装置101、背景图像更新装置102和静态物体检测装置103进行调度，需要建立背景图像时启动背景图像提取装置101，在需要更新背景图像时启动背景图像更新装置102，然后启动静态物体检测装置103确定静止物体。
背景图像提取装置101在检测静态物体过程的开始阶段，通过一段视频中的多个连续图像帧获得背景图像。首先根据K-均值聚类算法(K-mean算法)获得各像素点的灰度关于多个图像帧的分布中心，将中心较近的两个分布合并为一个分布并重新确定各分布的中心，将权重最大的分布的中心确定为像素点的灰度值，即获得背景图像。也可以应用期望最大化(EM)等算法来估计出分布的中心和权重，但K-mean算法的实现较为简单，并且效果基本相同，本实施例只是提供一种较佳的实现方式。
背景图像更新装置102定期对背景图像进行更新，如每10秒更新一次。背景图像更新装置102先根据当前图像帧和之前相邻的图像帧获得发生运动的区域，只对未发生运动的区域进行更新。根据未发生运动的区域中的各像素的灰度值及公式来更新各像素的分布，并将权重最大的分布的中心确定为背景图像中该像素点的灰度值，若权重最大的分布的中心发生变化，则背景图像也随着变化。
静态物体检测装置103首先从背景图像提取装置101或背景图像更新装置102获得背景图像，根据背景图像和当前图像帧获得目标前景，将目标前景与本地的历史前景进行比较，其中历史前景为之前图像帧中的目标前景，判断目标前景与历史前景是否匹配或历史前景被遮挡，若匹配，则将历史前景对应的被匹配参数加1，并禁止该目标前景作为历史前景，若历史前景被遮挡，则将历史前景对应的被遮挡参数加1，若不满足上述两种情况即认为是不匹配，则删除该历史前景。遍历目标前景，将未被禁止的目标前景作为历史前景，同时可以将其被匹配参数加1。遍历历史前景，达到预设阈值的被匹配参数所对应的历史前景作为静止物体。但在历史前景被遮挡的情况中，若目标前景比历史前景大很多，超过预设阈值时，该历史前景可能是噪声导致的一个极小的影像，而不是实际的物体，此时需要删除该历史前景，并将目标前景作为历史前景。
参见图2，本实施例中背景图像提取装置101包括数据模块201、算法模块202、分析模块203和存储模块204。
数据模块201从一段视频图像中获得多个图像帧，并进一步获得图像帧中各像素点的灰度值。
算法模块202随机确定多个类中心，将一个像素点在多个图像帧中的灰度值作为样本，确定各样本距离最近的类中心，并将样本加入到相应的类，然后重新确定各类的类中心，如此迭代，直到符合结束条件时结束此流程。结束条件有多种，如设置迭代次数，迭代30次便结束，或者如相邻两次迭代的得到的类中心之差不大于1，则流程结束。判断任意两个类中心之差是否小于预设的阈值，若是，则合并两个类中心所对应的类，并重新确定合并后的类的类中心，否则，结束。继续确定下一个像素点的类中心，直到得到图像帧中所有像素点的类中心。
分析模块203将关于一个像素点得到的中心作为均值，类中的样本数与总样本数的比值为该分布的权重，其中权重最大的分布的均值即为像素点的灰度值。继续得到下一个像素点关于各个类的均值及确定权重最大的分布的均值，直到得到图像帧中所有像素点的各个均值和权重最大的分布的均值，即获得背景图像。
存储模块204存储收到的图像数据(包括各图像帧中各像素点的灰度值)、各像素点的高斯概率密度、各分布的权重、均值和方差，以及存储获得的背景图像等。本实施例中的各存储模块可以是各种存储介质，如硬盘、磁带和闪存等。
参见图3，本实施例中背景图像更新装置102包括数据模块301、分析模块302、更新模块303和存储模块304。
存储模块304存储背景图像提取装置101得到的数据，包括背景图像中各像素点的高斯概率密度、各分布的权重、均值和方差，以及高斯多峰分布，以及存储更新后的背景图像等。可以与存储模块204合为一个模块。
数据模块301从视频数据中获得当前图像帧及在前相邻的图像帧，并获得两个图像帧中各像素点的灰度值。
分析模块302将两个图像帧进行减运算，并对运算结果进行二值化处理，用白色标识两个图像帧中不匹配的区域，对该区域进行膨胀操作，使多个不匹配的区域构成连通区域，将包含连通区域的最小矩形视为两个图像帧不匹配的部分，即发生运动的部分。从当前图像帧中删除发生运动的部分，获得未发生运动的部分。
更新模块303根据当前图像帧中未发生运动的部分中的各像素点的灰度值更新背景图像中相应的像素点的均值和权重，将更新后最大权重的分布对应的均值作为背景图像中像素点的灰度值，实现更新背景图像。
参见图4，本实施例中静态物体检测装置103包括前景模块401、匹配模块402、判断模块403和存储模块404。
存储模块404存有之前检测出的目标前景，即视为历史前景，所有历史前景构成一个历史前景集合，第一个图像帧中的目标前景均视为历史前景。该模块还存有各历史前景对应的被匹配参数的值和被遮挡参数的值，以及存有标记的静止物体等。存储模块404与存储模块304和存储模块204可以是一个模块。
前景模块401将当前图像帧与背景图像进行减运算，并对运算结果进行二值化处理，用白色标识两个图像帧中不匹配的区域，即为前景图像，对该区域进行膨胀操作，使多个不匹配的区域构成连通区域，将包含一个连通区域的最小矩形视为目标前景。使当前图像帧中的所有目标前景构成一个目标前景集合。
匹配模块402将各目标前景与各历史前景进行比较，若一个目标前景与一个历史前景相交的面积分别与该目标前景和该历史前景的比值均不小于预设的阈值时，将该历史前景的被匹配参数值加1，并禁止将该目标前景加入历史前景集合；若目标前景将历史前景遮挡，并且目标前景没有比历史前景大很多，则将该历史前景的被遮挡参数值加1；若目标前景将历史前景遮挡，并且目标前景比历史前景大很多，则认为该历史前景是一种噪声影像，将其删除；其余情况均认为目标前景与历史前景不匹配。若各目标前景与一个历史前景均不匹配，则将该历史前景从历史前景集合中删除。
判断模块403遍历目标前景集合中的目标前景，将未被禁止的目标前景加入历史前景集合，可以进一步将其对应的被匹配参数值加1，然后遍历历史前景集合中的历史前景，将被匹配参数值达到预设阈值的历史前景作为静止物体，可以进一步输出判断出的静止物体的相关数据，如代表静止物体的矩形的4个顶点坐标，或者如矩形内所有像素点的灰度值。
参见图5，本实施例中检测静止物体的主要方法流程如下步骤501获取视频数据，并得到需要的图像帧。
步骤502判断是否已存在背景图像，若是则继续步骤504，否则继续步骤503。
步骤503建立背景图像，并继续步骤506。
步骤504判断是否需要对背景图像进行更新，若是，则继续步骤505，否则继续步骤506。
步骤505更新背景图像，并继续步骤506。
步骤506根据当前图像帧和背景图像获得目标前景，并将目标前景与历史前景进行比较，确定历史前景是否被匹配或被遮挡，并将既未被匹配也未被遮挡的历史前景，即将不匹配的历史前景从历史前景集合中删除；确定未被匹配的目标前景，并将其加入历史前景集合，作为历史前景。将被匹配的次数达到阈值的历史前景作为静止物体。
参见图6，本实施例中获取背景图像的具体方法流程如下步骤601应用K-mean算法，将灰度值划分为多个类，本实施例中为5个类，随机设置每个类的中心。如5个类为0-50，51-100，101-150，151-200，200-255。中心分别为25，75，125，175，227。
步骤602获得一段视频数据，并从中获得多个连续的图像帧，确定各图像帧中各像素点的灰度值，将其作为样本。参见图7所示。取连续的图像帧有助于获得较为准确的样本分布规律，即获得准确的背景图像。
步骤603判断是否有未取的像素点，若有，则继续步骤604，否则继续步骤611。
步骤604取一个像素点在所有获得的图像帧中的灰度值(即样本)。
步骤605从关于一个像素点的多个样本中取一个样本，判断该样本到各类中心的距离，将该样本加入最短距离所对应的类。如将灰度值为90的样本归入51-100的类，并且其距离75最短。
步骤606判断是否有未取到的样本，若有，则执行步骤605，否则继续步骤607。
步骤607根据各类中的样本重新计算各类的中心，即将类中的所有样本的值取平均，得到的平均值即为该类的中心并记录。
步骤608判断本次得到的各类的中心与前一次得到的同类的中心之差是否不大于预设的阈值，若是，则继续步骤609，否则继续步骤605。
也可以将迭代次数作为终止迭代的条件。
步骤609将本次得到的各类的中心进行比较，若它们之间的差值的绝对值小于预设的阈值，则合并两个类，并重新确定合并后的类的中心。
步骤610确定各个类(即分布)的权重，并进一步得到最大的权重，将最大权重对应的中心作为该像素点的灰度值。继续步骤603。其中，一个类的权重为该类中的样本数与总样本数的比值。
步骤611根据得到的各像素点的灰度值构成背景图像。参见图8所示。
上述方法流程可以跳过步骤609，执行步骤608发现所述差不大于阈值时继续执行步骤610，最终也可以确定各像素点的灰度值。本实施例只是提供一种较佳的实现方式，执行步骤609可避免权重分散，使得到的类和中心更准确，有助于在背景图像更新时得到更准确的背景图像。
参见图9，本实施例中更新背景图像的具体方法流程如下步骤901将当前图像帧与其在前相邻的图像帧进行减运算，并对减运算结果进行二值化处理。具体操作为判断各像素点经过减运算的差值的绝对值是否大于预设的阈值，若是，则将该像素点的灰度值设为255(即白色)，否则设为0(即黑色)。参见图10所示。
在二值化处理过程中，只要将大于预设的阈值的像素点与不大于该阈值的像素点设置为不同的灰度值即可，两种灰度值的距离越大越容易识别。故，本实施例将灰度值分别设为0和255。
步骤902对白色区域进行膨胀操作，即，将白色区域的连续多个相邻像素点的灰度值也设为255。参见图11所示。
步骤903标记白色区域中的各像素点，相互分离的白色区域标记不同的记号，统计标记相同的区域即为一个连通区域。
步骤904计算出包含一个连通区域的最小矩形，一个连通区域对应一个最小矩形，所有所述最小矩形即为当前图像帧中发生运动的区域。参见图12所示。
步骤905从当前图像帧中删除发生运动的区域，即得到未发生运动的区域，根据未发生运动的区域中各像素点的灰度值更新背景图像中的相应区域。
步骤906根据得到的各像素点的灰度值更新相应分布的权重和均值(即中心)，权重的更新公式如下ωk，t＝(1-α)ωk，t-1+α(Mk，t)(1)其中，ω表示权重，k为类的标识，t表示欲获得的背景图像，t-1表示被更新的背景图像，α为参数，用于控制更新的速度，本实施例中为0.005，Mk，t表示该灰度值是否与该分布匹配，若匹配，则Mk，t取1，否则Mk，t为0。
若得到的像素点的灰度值与各分布均不匹配，那么用该灰度值来取代当前分布中权重最小的分布，并将其权重设定为一个较小的值。
进一步对更新后的权重进行归一化，即，使一个像素点的所有权重之和为1。具体操作为用1除以各权重之和，再将得到的结果分别与各权重相乘，得到最终更新后的权重。
均值更新公式如下ut＝(1-ρ)ut-1+ρXt(2)其中，μ表示均值，ρ为参数，用于控制更新的速度，本实施例中为0.005，X表示该灰度值。通过公式(2)可见，只需更新灰度值所属分布的均值。
应用公式(1)和(2)可以较为快速的得到更新后的权重和均值，并且结果比较准确。
步骤907确定各像素点的最大权重，以及对应的均值，即获得更新后的背景图像。
在该方法中可以直接将步骤902中获得的白色区域作为发生运动的区域。执行步骤903是为了得到更为准确的发生运动的区域，因为步骤902中的一个白色区域可能只是实际物体的一部分，通过步骤903可以得到较为完整的物体，并且将一个连通区域作为一个发生运动的区域，可以减少白色区域的数量，使操作简化。执行步骤904是为了使操作更加简化，因为一个连通区域是不规则的，而只要根据矩形的4个顶点变可确定一个前景，并且得到的效果基本相同。
参见图13，本实施例中从当前图像帧中获取目标前景的具体方法流程如下步骤1301将当前图像帧与背景图像进行减运算，并对减运算结果进行二值化处理。具体操作为判断各像素点经过减运算的差值的绝对值是否大于预设的阈值，若是，则将该像素点的灰度值设为255(即白色)，否则设为0(即黑色)。参见图10所示。
步骤1302对二值化后得到的白色区域进行膨胀操作，即，将白色区域的连续多个相邻像素点的灰度值也设为255。参见图11所示。
步骤1303标记白色区域中的各像素点，相互分离的白色区域标记不同的记号，统计标记相同的区域即为一个连通区域。
步骤1304计算出包含一个连通区域的最小矩形，一个连通区域对应一个最小矩形，所有所述最小矩形即为当前图像帧中的目标前景。参见图12所示。
在该方法中可以直接将步骤1302中获得的白色区域作为目标前景。执行步骤1303是为了得到更为准确的目标前景，因为步骤1302中的一个白色区域可能只是实际物体的一部分，通过步骤1303可以得到较为完整的物体，并且减少白色区域的数量，将一个连通区域作为一个目标前景，使得在将目标前景与历史前景进行比较时的过程简化。执行步骤1304是为了使目标前景与历史前景的比较过程更加简化，因为一个连通区域是不规则的，而只要根据矩形的4个顶点变可确定一个前景，并且比较的结果基本相同。
参见图14，本实施例中判断物体是否为静止物体的主要方法流程如下步骤1401从历史前景集合中提取一个历史前景，用F1表示。
步骤1402从目标前景集合中提取一个目标前景，用F2表示。
步骤1403获得F1和F2相交的面积，并计算相交的面积分别与F1和F2的面积比，与F1的比值记为R1，与F2的比值记为R2。
步骤1404判断R1是否不小于预设的阈值m，若是，则继续步骤1405，否则，继续步骤1410。
步骤1405判断R2是否不小于预设的阈值m，若是，则继续步骤1406，否则，继续步骤1407。
步骤1406认为F1和F2匹配，将F1的被匹配参数加1，并标记F2被禁止加入历史前景集合。继续步骤1410。
步骤1407判断R1是否为1，即目标前景是否将历史前景遮挡，若是，则继续步骤1408，否则认为F1和F2不匹配，继续步骤1410。
步骤1408继续判断R2是否大于预设的阈值n，若是，则继续步骤1409，否则认为F1是噪声导致的影像，继续步骤1410。
步骤1409将F1的被遮挡参数加1，并标记F2被禁止加入历史前景集合。
步骤1410判断目标前景集合中的目标前景是否已经取完，若是，则继续步骤1411，否则执行步骤1402。
步骤1411将被匹配参数和被遮挡参数均为0的F1从历史前景集合中删除。
步骤1412判断历史前景集合中的历史前景是否已经取完，若是，则继续步骤1413，否则执行步骤1401。
步骤1413遍历目标前景集合中的目标前景，将没有禁止标记的目标前景加入历史前景集合。
步骤1414遍历历史前景集合中历史前景的被匹配参数，将被匹配参数达到预设阈值的历史前景确定为静止物体。参见图15所示的矩形框。
本实施例是以各目标前景与一个历史前景比较的顺序为例进行说明，也可以按照各历史前景分别与一个目标前景的顺序进行比较。
本实施例在建立背景图像时应用较为简单的K-mean算法，并且在K-mean算法中合并相似的分布，使得到的灰度值更准确，准确背景图像有助于获得准确的前景图像。本实施例在更新背景图像时只对未发生运动的区域进行更新，简化了更新流程，并且避免了运动物体对背景图像的影响。并且本实施例在确定发生运动的区域时使用膨胀操作，可以更加准确的得到发生运动的区域，同时减少了更新区域，使更新流程简化。本实施例同样在获取目标前景的过程中使用膨胀操作，从而获得较为准确的目标前景，并且使目标前景数量减少，使检测过程更加简化。本实施例对目标前景与历史前景的比较结果作细致的分析，可以有效的获知噪声引起的干扰，避免将干扰影像作为静止物体，同时也避免了错误的将目标前景看作是某历史前景而被删除。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
权利要求
1.一种检测静止物体的方法，其特征在于，包括以下步骤将当前图像帧中的各目标前景与各历史前景进行比较；确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值；确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景；将达到预设第三阈值的被匹配的参数值所对应的历史前景确定为静止物体。
2.如权利要求1所述的检测静止物体的方法，其特征在于，确定所述第二面积比小于所述第一阈值时，删除该历史前景。
3.如权利要求1所述的检测静止物体的方法，其特征在于，进一步确定所述第一面积比不大于所述第二阈值时，删除所述历史前景。
4.如权利要求1所述的检测静止物体的方法，其特征在于，进一步确定所述第一面积比大于所述第二阈值时，更新用于标记所述一个历史前景被遮挡的参数值。
5.如权利要求1所述的检测静止物体的方法，其特征在于，确定所述第一面积比和所述第二面积比均不小于预设的第一阈值时，禁止将该目标前景作为历史前景；或者确定所述第一面积比不小于所述第一阈值、所述第二面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比大于预设的第二阈值时，禁止将该目标前景作为历史前景；在将当前图像帧中的各目标前景与各历史前景进行比较完毕后，将未被禁止的目标前景作为历史前景。
6.如权利要求1至5中任一项所述的检测静止物体的方法，其特征在于，获得目标前景的步骤包括根据当前图像帧和背景图像获得当前图像帧中的前景图像；对前景图像进行膨胀操作，即将所述前景图像的相邻像素的灰度值修改为与该前景图像相同的灰度值，使多个前景图像构成一个连通区域；将包含一个连通区域的最小矩形作为一个目标前景。
7.如权利要求6所述的检测静止物体的方法，其特征在于，获得背景图像的步骤包括根据多个图像帧确定各像素点关于灰度的分布中心；发现关于一个像素点的两个中心的差值小于预设的阈值时合并两个分布，并重新确定合并后分布的中心；将权重最大的分布的中心确定为相应的像素点的灰度值，即获得背景图像。
8.如权利要求7所述的检测静止物体的方法，其特征在于，定期更新所述背景图像。
9.如权利要求8所述的检测静止物体的方法，其特征在于，将当前图像帧与其之前的相邻图像帧进行比较，确定未发生运动的部分，仅根据当前图像帧中未发生运动的部分对背景图像中相应的部分进行更新。
10.如权利要求9所述的检测静止物体的方法，其特征在于，所述确定未发生运动的部分的操作包括确定当前图像帧中与其之前的相邻图像帧相比发生运动的部分；从当前图像帧中删除所述发生运动的部分，得到未发生运动的部分。
11.如权利要求10所述的检测静止物体的方法，其特征在于，所述确定当前图像帧中与其之前的相邻图像帧相比发生运动的部分的操作包括将当前图像帧与其之前的相邻图像帧进行比较，获得未匹配的区域；对未匹配的区域进行膨胀操作，使多个未匹配的区域构成一个连通区域；将所有包含一个连通区域的最小矩阵作为未匹配的部分。
12.一种用于检测静止物体的装置，其特征在于，包括匹配模块，用于将当前图像帧中的各目标前景与各历史前景进行比较，确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值，或者确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景；判断模块，用于将达到第三预设阈值的被匹配的参数值所对应的历史前景作为静止物体。
13.如权利要求12所述的用于检测静止物体的装置，其特征在于，还包括前景模块，用于根据当前图像帧和背景图像获得当前图像帧中的前景图像，并对前景图像进行膨胀操作，即将所述前景图像的相邻像素的灰度值修改为与该前景图像相同的灰度值，使多个前景图像构成一个连通区域，将包含一个连通区域的最小矩形作为一个目标前景。
14.一种用于检测静止物体的系统，其特征在于，包括背景图像提取装置，用于从多个图像帧中确定各像素点关于灰度的分布中心，将权重最大的分布的中心确定为相应的像素点的灰度值，即获得背景图像；静止物体检测装置，用于根据背景图像获得当前图像帧中的目标前景，并将当前图像帧中的各目标前景与各历史前景进行比较，确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值，或者确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景，以及将达到预设的第三阈值的可视参数所对应的历史前景作为静止物体。
15.如权利要求14所述的用于检测静止物体的系统，其特征在于，还包括背景图像更新装置，用于定期对背景图像进行更新。
全文摘要
本发明公开了一种静止物体检测的方法，用以解决目前检测静止物体不准确的问题。该方法为将当前图像帧中的各目标前景与各历史前景进行比较；确定存在一个目标前景与一个历史前景相交的面积分别与所述一个目标前景的第一面积比和与所述一个历史前景的第二面积比均不小于预设的第一阈值时，更新用于标记所述一个历史前景被匹配的参数值；确定所述第二面积比不小于所述第一阈值、所述第一面积比小于所述第一阈值和所述相交的面积为所述历史前景的面积，并且所述第一面积比不大于预设的第二阈值时，将所述一个目标前景作为历史前景；将达到第三阈值的被匹配的参数值所对应的历史前景确定为静止物体。本发明还公开了检测静止物体的装置和系统。
文档编号H04N5/14GK101026685SQ200710064738
公开日2007年8月29日 申请日期2007年3月23日 优先权日2007年3月23日
发明者谢东海, 黄英, 邓亚峰, 王浩 申请人:北京中星微电子有限公司