• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 17
    • 下载费用:30 金币  

    重庆时时彩龙虎遗漏: 一种前景检测方法和系统.pdf

    关 键 词:
    一种 前景 检测 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201510098306.X

    申请日:

    2015.03.05

    公开号:

    CN104700405A

    公开日:

    2015.06.10

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06T 7/00申请日:20150305|||公开
    IPC分类号: G06T7/00 主分类号: G06T7/00
    申请人: 苏州科达科技股份有限公司
    发明人: 陈建冲; 丁美玉; 晋兆龙; 陈卫东
    地址: 215011江苏省苏州市苏州高新区金山路131号
    优先权:
    专利代理机构: 北京三聚阳光知识产权代理有限公司11250 代理人: 张建纲
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510098306.X

    授权公告号:

    ||||||

    法律状态公告日:

    2017.11.28|||2015.07.08|||2015.06.10

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    一种前景检测方法和系统,该方法包括:获取当前帧图像;计算当前帧图像的局部对比度;建立基于局部对比度的多高斯背景模型;根据多高斯背景模型检测出当前帧图像中的部分前景图像作为前景图像样本;根据前景图像样本和当前帧图像学习背景图像;根据背景图像,对当前帧图像进行前景目标检测。解决了因摄像机处理器的计算能力有限而导致大部分前景检测方法难以实施的技术问题。本发明提供的前景检测方法和系统利用有限的计算能力可以实时完整地检测出尺寸较小、对比度较弱的前景目标。

    权利要求书

    权利要求书
    1.  一种前景检测方法,其特征在于包括以下步骤:
    获取当前帧图像;
    计算所述当前帧图像的局部对比度;
    建立基于所述局部对比度的多高斯背景模型;
    根据所述多高斯背景模型检测出所述当前帧图像中的部分前景图像作 为前景图像样本;
    根据所述前景图像样本和所述当前帧图像学习背景图像;
    根据所述背景图像,对所述当前帧图像进行前景目标检测。

    2.  如权利要求1所述的方法,其特征在于,所述计算所述当前帧图像的 局部对比度的步骤包括:
    将所述当前帧图像划分成若干个m*n的像素块,其中,m、n为大于0的 正整数;
    统计每个像素块的灰度均值和灰度方差;
    获取各像素块的局部对比度,所述局部对比度为每个像素块的所述灰度 方差除以所述灰度均值所得的商。

    3.  如权利要求1或2所述的方法,其特征在于,所述根据所述背景图像, 对所述当前帧图像进行前景目标检测的步骤包括:
    分别获取所述背景图像和所述当前帧图像中各个像素点的梯度向量;
    根据所述背景图像和所述当前帧图像中各个像素点的梯度向量获取所 述当前帧图像中各个像素点处的纹理是否丰富以及所述背景图像与所述当 前帧图像的纹理是否一致;
    当所述当前帧图像中某个像素点处的纹理丰富且在该像素点处所述当 前帧图像与所述背景图像的纹理不一致,即判断该像素点为前景点。

    4.  如权利要求3所述的方法,其特征在于,所述当前帧图像中各个像素 点处的纹理是否丰富以及所述背景图像与所述当前帧图像的纹理是否一致 是通过以下公式计算得到:
    Flat ( x , y ) = 1 v 0 2 + v 1 2 > T g 2 0 v 0 2 + v 1 2 T g 2 ]]>
    Diff ( x , y ) = 1 v 0 u 0 + v 1 u 1 < ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 0 v 0 u 0 + v 1 u 1 &GreaterEqual; ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 ]]>
    Flat(x,y)表示所述当前帧图像在像素点(x,y)处的纹理丰富性, Diff(x,y)表示在像素点(x,y)处所述背景图像与所述当前帧图像的纹理一 致性,Tg和Ts为预设的阈值,(u0,u1)、(v0,v1)分别表示所述背景图像在像 素点(x,y)处的梯度向量、所述当前帧图像在像素点(x,y)处的梯度向量, Flat(x,y)=0表示所述当前帧图像在像素点(x,y)处的纹理丰富, Diff(x,y)=1表示在像素点(x,y)处所述当前帧图像与所述背景图像的纹理 不一致。

    5.  如权利要求1-4中任一项所述的方法,其特征在于,所述计算所述当 前帧图像的局部对比度的步骤之前还包括对所述当前帧图像进行自适应噪 声处理,具体包括:
    获取所述当前帧图像的噪声强度;
    当所述噪声强度大于预设的阈值时,则对所述当前帧图像进行降噪处 理。

    6.  如权利要求5的所述的方法,其特征在于,所述获取所述当前帧图像 的噪声强度的步骤包括:
    将所述当前帧图像划分为若干个像素点个数相同的图像块;
    统计所述当前帧图像中每个图像块内的噪声点个数;
    获取所述当前帧图像的初始噪声强度,所述初始噪声强度为所述当前帧 图像中各个图像块内的噪声点个数的中值除以图像块的像素点个数;
    根据所述当前帧图像的初始噪声强度获取所述当前帧图像的噪声强度。

    7.  如权利要求6所述的方法,其特征在于,所述统计所述当前帧图像中 每个图像块内的噪声点个数的步骤包括:
    计算所述当前帧图像与前一帧图像灰度差的绝对值;
    根据所述灰度差的绝对值统计所述当前帧图像中每个图像块内的噪声 点个数,其中,当图像块内的某个像素点的所述灰度差的绝对值处于预设的 阈值范围内时则判断该像素点为噪声点。

    8.  如权利要求6或7所述的方法,其特征在于,根据以下公式对所述当 前帧图像的初始噪声强度进行平滑过滤以获取所述当前帧图像的噪声强度:
    N i = N i = 0 αN i - 1 + ( 1 - α ) N i > 0 , ]]>
    其中,α为平滑系数,N为所述当前帧图像的初始噪声强度,Ni为所述 当前帧图像的噪声强度,Ni-1为前一帧图像的噪声强度,0<N<1,0<Ni<1, 0<Ni-1<1,i=0表示所述当前帧图像是视频的第二帧图像。

    9.  如权利要求1-8中任一项所述的方法,其特征在于,通过以下公式来 学习背景图像:
    B ( x , y ) = B ( x , y ) &CenterDot; ( 1 - β ) + I ( x , y ) &CenterDot; β F 1 ( x , y ) = 0 B ( x , y ) F 1 ( x , y ) > 0 , ]]>
    其中,B(x,y)是背景图像,I(x,y)为所述当前帧图像,F1(x,y)为根据所 述多高斯背景模型检测出的前景图像样本,F1(x,y)=0表示像素点(x,y)为背 景点,F1(x,y)>0则表示像素点(x,y)为前景点,β表示背景学习率。

    10.  一种前景检测系统,其特征在于包括:
    获取???,获取当前帧图像;
    计算???,计算所述当前帧图像的局部对比度;
    建立???,建立基于所述局部对比度的多高斯背景模型;
    样本检测???,根据所述多高斯背景模型检测出所述当前帧图像中的部 分前景图像作为前景图像样本;
    背景图像学习???,根据所述前景图像样本和所述当前帧图像学习背景 图像;
    前景目标检测???,根据所述背景图像,对所述当前帧图像进行前景目 标检测。

    11.  如权利要求10所述的系统,其特征在于,所述计算??榘ǎ?
    分块子???,将所述当前帧图像划分成若干个m*n的像素块,其中,m、 n为大于0的正整数;
    统计子???,统计每个像素块的灰度均值和灰度方差;
    局部对比度获取子???,获取各像素块的局部对比度,所述局部对比度 为每个像素块的所述灰度方差除以所述灰度均值所得的商。

    12.  如权利要求10所述的系统,其特征在于,所述前景目标检测??榘?括:
    梯度向量获取子???,分别获取所述背景图像和所述当前帧图像中各个 像素点的梯度向量;
    前景目标检测依据获取子???,根据所述背景图像和所述当前帧图像中 各个像素点的梯度向量获取所述当前帧图像中各个像素点处的纹理是否丰 富以及所述背景图像与所述当前帧图像的纹理是否一致;
    前景目标判断子???,当所述当前帧图像中某个像素点处的纹理丰富且 在该像素点处所述当前帧图像与所述背景图像的纹理不一致,即判断该像素 点为前景点。

    13.  如权利要求10所述的系统,其特征在于还包括自适应噪声处理???, 包括:
    噪声强度获取子???,在计算所述当前帧图像的局部对比度之前,获取 所述当前帧图像的噪声强度;
    降噪处理子???,当所述噪声强度大于预设的阈值时,则对所述当前帧 图像进行降噪处理。

    14.  如权利要求13所述的系统,其特征在于所述噪声强度获取子??榘?括:
    图像块划分单元,将所述当前帧图像划分为若干个像素点个数相同的图 像块;
    噪声点统计单元,统计所述当前帧图像中每个图像块内的噪声点个数;
    初始噪声强度获取单元,获取所述当前帧图像的初始噪声强度,所述初 始噪声强度为所述当前帧图像中各个图像块内的噪声点个数的中值除以图 像块的像素点个数;
    噪声强度获取单元,根据所述当前帧图像的初始噪声强度获取所述当前 帧图像的噪声强度。

    15.  如权利要求14所述的系统,其特征在于,所述噪声点统计单元包括:
    灰度差绝对值计算子单元,计算所述当前帧图像与前一帧图像灰度差的 绝对值;
    噪声点判断和统计子单元,根据所述灰度差的绝对值统计所述当前帧图 像中每个图像块内的噪声点个数,其中,当图像块内的某个像素点的所述灰 度差的绝对值处于预设的阈值范围内时则判断该像素点为噪声点。

    说明书

    说明书一种前景检测方法和系统
    技术领域
    本发明涉及视频监控的图像与视频处理技术领域。具体地说,涉及一 种适应弱小目标的实时前景检测方法和系统。
    背景技术
    在视觉监控系统中,往往需要对运动目标进行检测、跟踪、分类和分析 等,而运动目标检测的准确性直接影响着后续的处理和操作。为了适应复杂 多变的场景变化,最常用的方法就是对背景建模,然后利用背景模型检测出 前景目标。现有的背景建模方法主要有中值法、均值法、核密度估计法、码 本模型、混合高斯模型等。
    高斯模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物, 将一个事物分解为若干个基于高斯概率密度函数(正态分布曲线)形成的模 型。多高斯模型(即混合高斯模型)使用K(基本为3到5个)个高斯模型 来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型, 用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背 景点,否则为前景点。
    然而,混合高斯模型是根据当前帧的像素递归地更新背景模型,这使得 前面帧在建模时出现的错误会对背景图像造成长时间的影响。而且,传统的 混合高斯背景建模不能消除因光照变化较快时引起的虚警,也不能抵抗弱光 照成像时的噪声影响,还不能完整地检测出尺寸较小、对比度较弱的目标。 另外,智能前端摄像机需要全天候地检测运动目标,对算法的要求比较高, 而前端摄像机的处理器计算能力有限,使得大部分常用背景建模算法难以 实时运行。
    发明内容
    为此,本发明所要解决的技术问题在于因摄像机处理器的计算能力有 限导致大部分前景目标检测方法难以实时运行,从而提出一种在有限的计 算能力下不仅能实时完成前景目标检测而且可以完整检测出尺寸较小、对比 度较弱目标的前景检测方法和系统。
    为解决上述技术问题,本发明提供了如下技术方案:
    一种前景检测方法,包括以下步骤:
    获取当前帧图像;
    计算当前帧图像的局部对比度;
    建立基于局部对比度的多高斯背景模型;
    根据多高斯背景模型检测出当前帧图像中的部分前景图像作为前景图 像样本;
    根据前景图像样本和当前帧图像学习背景图像;
    根据背景图像,对当前帧图像进行前景目标检测。
    优选地,计算当前帧图像的局部对比度的步骤包括:
    将当前帧图像划分成若干个m*n的像素块,其中,m、n为大于0的正整 数;
    统计每个像素块的灰度均值和灰度方差;
    获取各像素块的局部对比度,局部对比度为每个像素块的灰度方差除以 灰度均值所得的商。
    优选地,根据背景图像,对当前帧图像进行前景目标检测的步骤包括:
    分别获取背景图像和当前帧图像中各个像素点的梯度向量;
    根据背景图像和当前帧图像中各个像素点的梯度向量获取当前帧图像 中各个像素点处的纹理是否丰富以及背景图像与当前帧图像的纹理是否一 致;
    当当前帧图像中某个像素点处的纹理丰富且在该像素点处当前帧图像 与背景图像的纹理不一致,即判断该像素点为前景点。
    优选地,当前帧图像中各个像素点处的纹理是否丰富以及背景图像与当 前帧图像的纹理是否一致是通过以下公式计算得到:
    Flat ( x , y ) = 1 v 0 2 + v 1 2 > T g 2 0 v 0 2 + v 1 2 T g 2 ]]>
    Diff ( x , y ) = 1 v 0 u 0 + v 1 u 1 < ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 0 v 0 u 0 + v 1 u 0 &GreaterEqual; ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 ]]>
    Flat(x,y)表示当前帧图像在像素点(x,y)处的纹理丰富性,Diff(x,y)表 示在像素点(x,y)处背景图像与当前帧图像的纹理一致性,Tg和Ts为预设的 阈值,(u0,u1)、(v0,v1)分别表示背景图像在像素点(x,y)处的梯度向量、当 前帧图像在像素点(x,y)处的梯度向量,Flat(x,y)=0表示当前帧图像在像素 点(x,y)处的纹理丰富,Diff(x,y)=1表示在像素点(x,y)处当前帧图像与背 景图像的纹理不一致。
    优选地,计算当前帧图像的局部对比度的步骤之前还包括对当前帧图像 进行自适应噪声处理,具体包括:
    获取当前帧图像的噪声强度;
    当噪声强度大于预设的阈值时,则对当前帧图像进行降噪处理。
    优选地,获取当前帧图像的噪声强度的步骤包括:
    将当前帧图像划分为若干个像素点个数相同的图像块;
    统计当前帧图像中每个图像块内的噪声点个数;
    获取当前帧图像的初始噪声强度,初始噪声强度为当前帧图像中各个图 像块内的噪声点个数的中值除以图像块的像素点个数;
    根据当前帧图像的初始噪声强度获取当前帧图像的噪声强度。
    优选地,统计当前帧图像中每个图像块内的噪声点个数的步骤包括:
    计算当前帧图像与前一帧图像灰度差的绝对值;
    根据灰度差的绝对值统计当前帧图像中每个图像块内的噪声点个数,其 中,当图像块内的某个像素点的灰度差的绝对值处于预设的阈值范围内时则 判断该像素点为噪声点。
    优选地,根据以下公式对当前帧图像的初始噪声强度进行平滑过滤以获 取当前帧图像的噪声强度:
    N i = N i = 0 α N i - 1 + ( 1 - α ) N i > 0 , ]]>
    其中,α为平滑系数,N为当前帧图像的初始噪声强度,Ni为当前帧图 像的噪声强度,Ni-1为前一帧图像的噪声强度,0<N<1,0<Ni<1,0<Ni-1<1, i=0表示当前帧图像是视频的第二帧图像。
    优选地,通过以下公式来学习背景图像:
    B ( x , y ) = B ( x , y ) &CenterDot; ( 1 - β ) + I ( x , y ) &CenterDot; β F 1 ( x , y ) = 0 B ( x , y ) F 1 ( x , y ) > 0 , ]]>
    其中,B(x,y)是背景图像,I(x,y)为当前帧图像,F1(x,y)为根据多高斯 背景模型检测出的前景图像样本,F1(x,y)=0表示像素点(x,y)为背景点, F1(x,y)>0则表示像素点(x,y)为前景点,β表示背景学习率。
    一种前景检测系统,包括:
    获取???,获取当前帧图像;
    计算???,计算当前帧图像的局部对比度;
    建立???,建立基于局部对比度的多高斯背景模型;
    样本检测???,根据多高斯背景模型检测出当前帧图像中的部分前景图 像作为前景图像样本;
    背景图像学习???,根据前景图像样本和当前帧图像学习背景图像;
    前景目标检测???,根据背景图像,对当前帧图像进行前景目标检测。
    优选地,计算??榘ǎ?
    分块子???,将当前帧图像划分成若干个m*n的像素块,其中,m、n 为大于0的正整数;
    统计子???,统计每个像素块的灰度均值和灰度方差;
    局部对比度获取子???,获取各像素块的局部对比度,局部对比度为每 个像素块的灰度方差除以灰度均值所得的商。
    优选地,前景目标检测??榘ǎ?
    梯度向量获取子???,分别获取背景图像和当前帧图像中各个像素点的 梯度向量;
    前景目标检测依据获取子???,根据背景图像和当前帧图像中各个像素 点的梯度向量获取当前帧图像中各个像素点处的纹理是否丰富以及背景图 像与当前帧图像的纹理是否一致;
    前景目标判断子???,当当前帧图像中某个像素点处的纹理丰富且在该 像素点处当前帧图像与背景图像的纹理不一致,即判断该像素点为前景点。
    优选地,还包括自适应噪声处理???,包括:
    噪声强度获取子???,在计算当前帧图像的局部对比度之前,获取当前 帧图像的噪声强度;
    降噪处理子???,当噪声强度大于预设的阈值时,则对当前帧图像进行 降噪处理。
    优选地,噪声强度获取子??榘ǎ?
    图像块划分单元,将当前帧图像划分为若干个像素点个数相同的图像 块;
    噪声点统计单元,统计当前帧图像中每个图像块内的噪声点个数;
    初始噪声强度获取单元,获取当前帧图像的初始噪声强度,初始噪声强 度为当前帧图像中各个图像块内的噪声点个数的中值除以图像块的像素点 个数;
    噪声强度获取单元,根据当前帧图像的初始噪声强度获取当前帧图像的 噪声强度。
    优选地,噪声点统计单元包括:
    灰度差绝对值计算子单元,计算当前帧图像与前一帧图像灰度差的绝对 值;
    噪声点判断和统计子单元,根据灰度差的绝对值统计当前帧图像中每 个图像块内的噪声点个数,其中,当图像块内的某个像素点的灰度差的绝 对值处于预设的阈值范围内时则判断该像素点为噪声点。
    本发明的上述技术方案相比现有技术具有以下优点:
    1.本发明提供的前景检测方法和系统,通过基于局部对比度的多高斯背 景建模以及背景图像学习的步骤,可以防止光照突变导致的背景污染,提高 前景检测的准确性。同时,高斯背景建??梢栽谒跣〉耐枷裆辖?,有效提 升了算法效率。
    2.本发明提供的前景检测方法和系统,使用梯度向量来表征图像纹理, 利用纹理对比算法进行前景目标检测,可以完整地检测出尺寸较小、对比度 较弱的目标,同时也能够消除因光照变换较快时引起的虚警。
    3.本发明提供的前景检测方法和系统,可以根据当前帧图像的噪声强度 进行自适应降噪处理。当图像的噪声较强时,进行降噪处理可以减小噪声对 前景检测的干扰;而当图像的噪声较弱时,不对其进行降噪处理,可以减少 摄像机处理器的计算量。
    4.本发明提供的前景检测方法和系统,经实际架设测试,能长期稳定实 时运行于室外监控点,有效抵抗天气变化和光照变化。
    附图说明
    图1是根据本发明实施例1的一种前景检测方法流程图;
    图2是根据本发明实施例2提供的前景检测方法中对当前帧图像进行 噪声处理的方法流程图;
    图3是根据本发明实施例3的一种前景检测方法流程图;
    图4是根据本发明的一种前景检测系统框图。
    具体实施方式
    为了使本技术领域的人员更好地理解本发明的内容,下面结合附图和 实施例对本发明所提供的技术方案作进一步的详细描述。
    实施例1
    如图1所示,本实施例提供了一种前景检测方法,具体包括以下步骤:
    S11:获取当前帧图像。
    S12:计算当前帧图像的局部对比度。具体地,可以通过以下方式来计 算当前帧图像的局部对比度:
    首先,将当前帧图像划分成若干个m*n的像素块,其中,m、n为大于0 的正整数;
    然后,统计每个像素块的灰度均值和灰度方差;
    最后,获取各像素块的局部对比度,局部对比度为每个像素块的灰度方 差除以灰度均值所得的商。
    除了利用上述方法来计算局部对比度外,也可以通过现有技术中的其他 方法来计算该局部对比度。
    S13:参照前一帧图像的相关信息,建立基于局部对比度的多高斯背景 模型。即将步骤S12中计算出的局部对比度作为块的属性进行多高斯背景建 模。
    S14:根据多高斯背景模型检测出当前帧图像中的部分前景图像作为前 景图像样本。此步骤中检测出的部分前景图像主要是尺寸较大、对比度显著 的目标。
    S15:根据前景图像样本和当前帧图像学习背景图像。具体可以通过以 下公式来学习背景图像:
    B ( x , y ) = B ( x , y ) &CenterDot; ( 1 - β ) + I ( x , y ) &CenterDot; β F 1 ( x , y ) = 0 B ( x , y ) F 1 ( x , y ) > 0 , ]]>
    其中,B(x,y)是背景图像,I(x,y)为当前帧图像,F1(x,y)为根据多高斯 背景模型检测出的前景图像样本,F1(x,y)=0表示像素点(x,y)为背景点, F1(x,y)>0则表示像素点(x,y)为前景点,β表示背景学习率。β可根据实际 需要合理选择。
    S16:根据背景图像,对当前帧图像进行前景目标检测。优选地,利用 纹理对比算法进行前景目标检测,具体过程包括以下步骤:
    首先,分别获取背景图像和当前帧图像中各个像素点的梯度向量,本实 施例中采用Sobel梯度算子来获??;
    然后,根据背景图像和当前帧图像中各个像素点的梯度向量获取当前帧 图像中各个像素点处的纹理是否丰富以及背景图像与当前帧图像的纹理是 否一致,具体通过以下公式计算得到:
    Flat ( x , y ) = 1 v 0 2 + v 1 2 > T g 2 0 v 0 2 + v 1 2 T g 2 ]]>
    Diff ( x , y ) = 1 v 0 u 0 + v 1 u 1 < ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 0 v 0 u 0 + v 1 u 0 &GreaterEqual; ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 ]]>
    Flat(x,y)表示当前帧图像在像素点(x,y)处的纹理丰富性,Diff(x,y) 表示在像素点(x,y)处背景图像与当前帧图像的纹理一致性,Tg和Ts为预设 的阈值,(u0,u1)、(v0,v1)分别表示背景图像在像素点(x,y)处的梯度向 量、当前帧图像在像素点(x,y)处的梯度向量,Flat(x,y)=0表示当前帧图 像在像素点(x,y)处的纹理丰富,Diff(x,y)=1表示在像素点(x,y)处当前 帧图像与背景图像的纹理不一致;
    最后,当当前帧图像中某个像素点处的纹理丰富且在该像素点处当前帧 图像与背景图像的纹理不一致,即判断该像素点为前景点。所有的前景点构 成的图像即为前景图像。
    本实施例提供的前景检测方法,可以防止光照突变导致的背景污染,即 可以防止将目标或其他非背景元素更新到背景中,提高前景检测的准确性。 同时,高斯背景建??梢栽谒跣〉耐枷裆辖?,有效提升了算法效率,因此 本实施例提供的方法可以适用于处理器计算能力有限的前端摄像机,使其能 实时地完成每帧图像的前景检测。
    另外,利用纹理对比算法来进行前景目标检测,可以精确地检测出尺寸 较小、对比度较弱的目标,也能除去因光照变换较快等原因引起的虚警。另 外,根据大量实际视频统计,目标本身一般具有丰富的纹理(否则人眼就不 能辨别出该目标),而大部分地面的纹理则比较平坦,因此使用纹理的丰富 性可排除纹理较少的地面;使用纹理一致性则能有效区分目标和纹理丰富的 背景,而且光照突变一般只会改变图像亮度而不会改变图像纹理,因此使用 纹理是否一致这个特征来进行前景检测对光照突变也具有良好的抵抗能力。
    实施例2
    如图2所示,本实施例提供了另一种前景检测方法,与上述实施例1相 比,在获取当前帧图像的步骤之后、在计算当前帧图像的局部对比度之前还 包括对当前帧图像进行自适应噪声处理的过程,以消除成像时的噪声对前景 检测的影响,具体步骤如下:
    S101:获取当前帧图像的噪声强度;
    S102:当噪声强度大于预设的阈值时,则对当前帧图像进行降噪处理, 具体可采用低通滤波器来进行降噪处理,进一步可优选均值滤波算法来降 噪。
    本实施例提供的前景检测方法中,当当前帧图像的噪声强度较强时即大 于预设的阈值时,就进行降噪处理,以消除图像噪声对前景检测的干扰提高 检测准确度。若当前图像的噪声强度较小时,则不需要对其进行降噪处理以 减少摄像机处理器的工作量。
    具体地,步骤S101中获取当前图像的噪声强度的过程为:
    S1011:将当前帧图像划分为若干个像素点个数相同的图像块,具体可 划分为若干个8*8的图像块;
    S1012:统计当前帧图像中每个图像块内的噪声点个数;
    S1013:获取当前帧图像的初始噪声强度,初始噪声强度为当前帧图像 中各个图像块内的噪声点个数的中值除以图像块的像素点个数,取中值也是 为了降低摄像机处理器的工作量;
    S1014:根据当前帧图像的初始噪声强度获取当前帧图像的噪声强度。
    与现有技术中其他图像噪声强度估计方法相比,本实施例提供的方法能 防止图像噪声强度的剧烈波动导致去噪??榉锤纯粲牍乇?,且算法原理简 单实用,运行效率很高。
    具体地,步骤S1012中统计当前帧图像中每个图像块内的噪声点个数的 具体过程为:
    首先,计算当前帧图像与前一帧图像灰度差的绝对值;
    然后,根据灰度差的绝对值统计当前帧图像中每个图像块内的噪声点个 数,其中,当图像块内的某个像素点的灰度差的绝对值处于预设的阈值范围 内时则判断该像素点为噪声点。
    本实施例提供的前景检测方法中,将某个像素点的灰度差的绝对值处于 预设的阈值范围内时才判断该像素点为噪声点,是因为当其灰度差的绝对值 过小时,像素点灰度值属于正常波动,不会对前景检测产生不利影响,而过 大时,该像素点有可能为前景图像的像素点。
    因为图像噪声的变化是需要一定过程的,因此步骤S1014中可以根据以 下公式对当前帧图像的初始噪声强度进行平滑过滤以获取当前帧图像的噪 声强度:
    N i = N i = 0 α N i - 1 + ( 1 - α ) N i > 0 , ]]>
    其中,α为平滑系数,N为当前帧图像的初始噪声强度,Ni为当前帧图 像的噪声强度,Ni-1为前一帧图像的噪声强度,0<N<1,0<Ni<1,0<Ni-1<1, i=0表示当前帧图像是视频的第二帧图像,因为每帧图像需要和前一帧图像 比较来求灰度差,第一帧之前没有图像,因此能求噪声强度的图像是从第二 帧开始,而i=0时Ni=N,表示当当前帧图像是视频序列的第二帧图像时, 其初始噪声强度即为其噪声强度。
    实施例3
    如图3所示,本实施例提供了一种前景检测方法,包括以下步骤:
    S21:获取当前帧图像。由于摄像机实时进行前景目标检测的,因此其 会获取到实时采集的每帧图像,并对每一帧图像都进行前景检测以实现目标 的实时跟踪。
    S22:计算当前帧图像的噪声强度。每获取一帧视频图像,就要计算该 帧图像的噪声强度。具体计算过程如下:
    首先,计算该帧图像与前一帧图像在各像素点处的灰度差的绝对值,记 为D(x,y),若T0≤D(x,y)≤T1,则像素点(x,y)是噪声点,否则不是噪声点, 其中T0和T1为预设阈值,T0<T1,本实施例中,分别取8和16;
    然后,将该帧图像划分为K个不重叠的像素点为8*8的图像块,并统计 每个图像块内的噪声点个数,第i个图像块内的噪声点个数记为Mi,求Mi(i=1,2,3,…,K)的中值记为则该当前帧图像的初始噪声强度N为:
    N = M &OverBar; 64 , ]]>
    这里求Mi(i=1,2,3,…,K)的中值可以使用直方图算法来快速求解。 同时,为了进一步节省计算量,实际计算时可将图像逐行逐列降采样后再进 行初始噪声强度计算;
    最后,由于图像噪声的变化需要一定过程,可以使用下面公式对初始噪 声强度进行平滑过滤以获取当前帧图像的噪声强度:
    N i = N i = 0 α N i - 1 + ( 1 - α ) N i > 0 ]]>
    其中,α为平滑系数,本实施例中取0.9,Ni为当前帧图像的最终噪声 强度,Ni-1为上一帧图像的噪声强度,N为当前帧图像的初始噪声强度。噪 声强度是介于0和1之间的一个值,其值越大表明图像中噪声越强。i=0表 示当前帧图像是视频的第二帧图像,因为噪声强度是根据当前帧图像与前一 帧图像的灰度差来计算的,该视频的第一帧图像前面没有图像,因此只能求 第二帧以及后面帧图像的噪声强度,而i=0时Ni=N,表示当当前帧图像是 视频序列的第二帧图像时,其初始噪声强度即为其噪声强度。
    与现有技术中其他图像噪声强度估计方法相比,本实施例提供的方法能 防止图像噪声强度的剧烈波动导致去噪??榉锤纯粲牍乇?。
    S23:根据当前帧图像的噪声强度进行自适应噪声处理。当当前帧图像 的噪声强度大于预设的阈值L1时,则开启降噪??槎缘鼻爸⊥枷窠薪翟?处理。由于噪声的变化时需要一定过程的,即一般是渐变的,因此当连续的 多帧图像都低于阈值L0时才关闭降噪???,这样可以避免短时间内不断开 启关闭降噪???。阈值L1和阈值L0分别为0.9和0.5。降噪??榭晌屯?滤波器,本实施例中为进一步提高运算效率以及降噪效果优选采用3×3的 均值滤波算法。
    本实施例提供的前景检测方法中,当当前帧图像的噪声强度较强时即大 于预设的阈值时,就进行降噪处理,以消除图像噪声对前景检测的干扰提高 检测准确度。若当前图像的噪声强度较小时,则不需要对其进行降噪处理以 减少摄像机处理器的工作量。
    S24:计算当前帧图像的局部对比度。首先,将步骤S23中经过自适应 降噪处理的当前帧图像划分为16*16的不重叠像素块;然后统计每个像素块 内的灰度均值和灰度方差,为了减少计算量,可以使用像素块内的像素值平 方和减去和的平方的方式计算灰度方差;最后将各个像素块内的灰度方差除 以灰度均值,所得的商即为局部对比度。
    S25:基于局部对比度建立多高斯背景模型。将步骤S24中计算所得的 局部对比度作为块的属性进行多高斯背景建模从而获取多高斯背景模型。
    S26:利用多高斯背景模型检测出部分前景图像作为前景图像样本。通 过合理选择多高斯参数,可以检测出当前帧图像中的尺寸较大、对比度显著 的目标作为前景图像样本,记为F1。
    S27:学习背景图像。步骤S26中检测出的前景图像样本F1可用于根据 当前帧图像学习背景图像,具体学习公式如下:
    B ( x , y ) = B ( x , y ) &CenterDot; ( 1 - β ) + I ( x , y ) &CenterDot; β F 1 ( x , y ) = 0 B ( x , y ) F 1 ( x , y ) > 0 ]]>
    其中,B(x,y)是背景图像,I(x,y)为当前帧图像,F1(x,y)为根据多高斯 背景模型检测出的前景图像样本,F1(x,y)=0表示像素点(x,y)属于背景图 像,F1(x,y)>0则表示像素点(x,y)属于前景图像,β表示背景学习率,本实 施例中β取0.008。
    本实施例提供的前景检测方法,通过基于局部对比度的多高斯背景建模 以及背景图像学习的步骤,可以防止光照突变导致的背景污染,提高前景检 测的准确性。
    S28:对当前帧图像进行前景目标检测。本实施例中具体是利用纹理对 比算法来进行前景检测的,该纹理对比算法是指在合理表达图像纹理的基础 上,使用一定的度量方法来评估图像两种纹理的相似性的方法,本实施例中 图像纹理是采用梯度向量来表达的,具体过程如下:
    首先,利用Sobel梯度算子计算步骤S27中学习后的背景图像B(x,y)和 当前帧图像在每一像素点处的梯度向量,背景图像在像素点(x,y)处的梯度 向量为(u0,u1),当前帧图像在像素点(x,y)处的梯度向量为(v0,v1);
    然后,获取当前帧图像中各个像素点处的纹理是否丰富以及背景图像与 当前帧图像的纹理是否一致,具体通过以下公式计算得到:
    Flat ( x , y ) = 1 v 0 2 + v 1 2 > T g 2 0 v 0 2 + v 1 2 T g 2 ]]>
    Diff ( x , y ) = 1 v 0 u 0 + v 1 u 1 < ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 0 v 0 u 0 + v 1 u 0 &GreaterEqual; ( v 0 + v 1 + u 0 + u 1 ) 2 &CenterDot; T s / 2 ]]>
    Flat(x,y)表示当前帧图像在像素点(x,y)处的纹理丰富性,Diff(x,y) 表示在像素点(x,y)处背景图像与当前帧图像的纹理一致性,Flat(x,y)=0 表示当前帧图像在像素点(x,y)处的纹理丰富,Diff(x,y)=1表示在像素点 (x,y)处当前帧图像与背景图像的纹理不一致,Tg和Ts为预设的阈值,是经 过大量不同包含弱目标和噪声的场景调节测试确定的,本实施例中分别取 25、0.4;
    最后,获取当前帧图像的前景图E,
    E(x,y)=Diff(x,y)AND(NOT Flat(x,y))
    即,当当前帧图像中的像素点(x,y)处的纹理丰富且在该像素点处当前 帧图像与背景图像的纹理不一致时,该像素点就是前景点。而所有的前景 点构成的图像即为前景图像。
    本实施例提供的前景检测方法,使用梯度向量来表征图像纹理,利用纹 理对比算法进行前景目标检测,可以完整地检测出尺寸较小、对比度较弱的 目标,同时也能够消除因光照变换较快时引起的虚警。
    实施例4
    如图4所示,本实施例提供了一种前景检测系统,包括:
    获取??镸1,获取当前帧图像;
    计算??镸2,计算当前帧图像的局部对比度;
    建立??镸3,建立基于局部对比度的多高斯背景模型;
    样本检测??镸4,根据多高斯背景模型检测出当前帧图像中的部分前 景图像作为前景图像样本;
    背景图像学习??镸5,根据前景图像样本和当前帧图像学习背景图 像;
    前景目标检测??镸6,根据背景图像,对当前帧图像进行前景目标检 测。
    本实施例提供的前景检测系统,可以防止光照突变导致的背景污染,提 高前景检测的准确性。同时,高斯背景建??梢栽谒跣〉耐枷裆辖?,有效 提升了算法效率。
    具体地,计算??镸2包括:
    分块子???,将当前帧图像划分成若干个m*n的像素块,其中,m、n 为大于0的正整数;
    统计子???,统计每个像素块的灰度均值和灰度方差;
    局部对比度获取子???,获取各像素块的局部对比度,局部对比度为 每个像素块的灰度方差除以灰度均值所得的商。
    优选地,前景目标检测??镸6包括:
    梯度向量获取子???,分别获取背景图像和当前帧图像中各个像素点 的梯度向量;
    前景目标检测依据获取子???,根据背景图像和当前帧图像中各个像 素点的梯度向量获取当前帧图像中各个像素点处的纹理是否丰富以及背景 图像与当前帧图像的纹理是否一致;
    前景目标判断子???,当当前帧图像中某个像素点处的纹理丰富且在 该像素点处当前帧图像与背景图像的纹理不一致,即判断该像素点为前景 点。
    本实施例提供的前景检测系统,使用梯度向量来表征图像纹理,利用纹 理对比算法进行前景目标检测,可以完整地检测出尺寸较小、对比度较弱的 目标,同时也能够消除因光照变换较快时引起的虚警。
    优选地,还包括自适应噪声处理???,包括:
    噪声强度获取子??镸01,在计算当前帧图像的局部对比度之前,获取 当前帧图像的噪声强度;
    降噪处理子??镸02,当噪声强度大于预设的阈值时,则对当前帧图像 进行降噪处理。
    本实施例提供的前景检测系统中,当当前帧图像的噪声强度较强时即大 于噪声处理阈值时,就进行降噪处理,以消除图像噪声对前景检测的干扰提 高检测准确度。若当前图像的噪声强度较小时,则不需要对其进行降噪处理 以减少摄像机处理器的工作量。
    具体地,噪声强度获取子??镸01包括:
    图像块划分单元,将当前帧图像划分为若干个像素点个数相同的图像 块;
    噪声点统计单元,统计当前帧图像中每个图像块内的噪声点个数;
    初始噪声强度获取单元,获取当前帧图像的初始噪声强度,初始噪声 强度为当前帧图像中各个图像块内的噪声点个数的中值除以图像块的像素 点个数;
    噪声强度获取单元,根据当前帧图像的初始噪声强度获取当前帧图像 的噪声强度。
    具体地,噪声点统计单元包括:
    灰度差绝对值计算子单元,计算当前帧图像与前一帧图像灰度差的绝 对值;
    噪声点判断和统计子单元,根据灰度差的绝对值统计当前帧图像中每个 图像块内的噪声点个数,其中,当图像块内的某个像素点的灰度差的绝对值 处于预设的阈值范围内时则判断该像素点为噪声点。
    本实施例提供的前景检测系统中,将某个像素点的灰度差的绝对值处于 预设的阈值范围内时才判断该像素点为噪声点,是因为当其灰度差的绝对值 过小时,像素点灰度值属于正常波动,不会对前景检测产生不利影响,而过 大时,该像素点有可能为前景图像的像素点。
    显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方 式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可 以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予 以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保 护范围之中?!  ∧谌堇醋宰ɡ鴚ww.www.4mum.com.cn转载请标明出处

    关于本文
    本文标题:一种前景检测方法和系统.pdf
    链接地址://www.4mum.com.cn/p-5890391.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 苹果系统打码赚钱软件 钱龙捕鱼到底怎么赢钱 qq分分彩计划 羽毛球英语怎么读 山东11选5计划 六肖中特期期准开码 单机捕鱼达人秘籍 股票指数期货的交割方式 百人牛牛怎么才能赢 最受欢迎的手机赚钱软件 悠洋棋牌大厅手机版下载 凤凰彩票网址 排列七走势 3d没开过的号码查询 广西快乐10分开奖走势 15选5开奖结果走势图风采