專利名稱：運(yùn)動(dòng)目標(biāo)檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種運(yùn)動(dòng)目標(biāo)檢測方法及裝置。
背景技術(shù)：
目前，由于智能視頻監(jiān)控的人工依賴性小、安全性高、漏/誤報(bào)率低等優(yōu)點(diǎn)，使得其在公共安防領(lǐng)域發(fā)揮著越來越重要的作用。而視頻畫面中的運(yùn)動(dòng)目標(biāo)的檢測、跟蹤和識(shí)別更是智能視頻監(jiān)控中的關(guān)鍵性技術(shù)?，F(xiàn)如今，背景減除法是應(yīng)用最為廣泛的運(yùn)動(dòng)目標(biāo)檢測方法，它采用建立背景模型和不斷更新背景模型，將當(dāng)前畫面幀與背景模型比對和差分，從而獲得運(yùn)動(dòng)目標(biāo)的前景圖像。但是在實(shí)際的監(jiān)控環(huán)境中，監(jiān)控場景通常是很復(fù)雜的如樹葉的晃動(dòng)、明暗不定的光線變化、不可避免的噪聲干擾(如陰影)、運(yùn)動(dòng)目標(biāo)的疊加和遮擋(如擁擠的人群)，這些因素都會(huì)對運(yùn)動(dòng)目標(biāo)圖像提取造成干擾，使得運(yùn)動(dòng)目標(biāo)的檢測方法算法復(fù)雜、數(shù)據(jù)處理量大，運(yùn)動(dòng)目標(biāo)的檢測裝置成本高、運(yùn)行慢。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例提供一種算法簡單、數(shù)據(jù)處理量小的運(yùn)動(dòng)目標(biāo)檢測方法，采用所述運(yùn)動(dòng)目標(biāo)檢測方法的裝置成本低、運(yùn)行速度快。一種運(yùn)動(dòng)目標(biāo)的檢測方法包括獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域；為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型；參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的如景圖像。其中，所述為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型的步驟包括采用單高斯背景建模法為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型，單高斯背景建模分為兩個(gè)步驟步驟A.采集一段所述獲取的重點(diǎn)監(jiān)控區(qū)域固定背景視頻，為所述視頻建立視頻序
列B。估計(jì)，即求得每個(gè)像素亮度的均值U。和方差2 R2丨=.V)，
M ’ °i) J，I i 0
Y _ I1
U) = ^:1v)]，T為所述視頻序列對應(yīng)的時(shí)間長度,(X，y)為所述視頻
1 i 二Q
像素值，建立初始背景模型；步驟B.根據(jù)每次輸入的視頻幀更新模型，Bf =U，fj，A =(丨-1 +d/,
d = T=^exp1-("'―1 I，a 為更新率，K。在之St ={l-a)3t_l +S(Jt-Mf) ， ^ IMdt^ { 2 J間。所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟包括從所述監(jiān)控場景的圖像幀中獲取所述重點(diǎn)監(jiān)控區(qū)域的圖像幀；從所述重點(diǎn)監(jiān)控區(qū)域的圖像幀中查找出與所述背景模型具有不同像素的區(qū)域圖像；將所述具有不同像素的區(qū)域圖像確定為運(yùn)動(dòng)目標(biāo)的前景圖像。 其中，所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟之后包括對所述運(yùn)動(dòng)目標(biāo)的前景圖像進(jìn)行形態(tài)學(xué)濾波。所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟之后還包括當(dāng)檢測出所述前景圖像內(nèi)有陰影時(shí)，采用基于色調(diào)Hue、飽和度Saturation、亮度Value的顏色模型-HSV顏色模型陰影消除算法消除所述前景圖像中的陰影；所述HSV顏色模型陰影消除算法分為以下幾個(gè)步驟步驟C.設(shè)f (x，y)為當(dāng)前運(yùn)動(dòng)區(qū)域像素的值，g(x, y)為背景模型像素的值；步驟D.將RGB顏色模型-紅綠藍(lán)顏色模型轉(zhuǎn)化為HSV顏色模型max=max(R，G, B)min=min (R, G, B)ifR=max, H=(G-B)/(max-min)if G=max, H=2+(B-R) / (max-min)if B=max, H=4+(R-G)/(max-min)H=H*60If H〈0, H=H+360V=max (R, G, B)S= (max - min) /max獲取當(dāng)前運(yùn)動(dòng)區(qū)域的亮度值V(f (x, y)),顏色值H(f (x, y))，飽和度值S(f (x, y)),以及背景模型的亮度值V (g(x, y)), H(g(x, y)), S(g(x, y))；E.設(shè)定閥值U,如果|￥江(1，7));&(1，7))|〈11,定義此時(shí)的;^1，7)點(diǎn)為陰影點(diǎn)，在當(dāng)前運(yùn)動(dòng)區(qū)域像素的值中去除陰影點(diǎn)像素的值，去掉陰影點(diǎn)；F.設(shè)定運(yùn)動(dòng)目標(biāo)的陰影的像素變?yōu)榘咨?。相?yīng)地，本發(fā)明還提供了一種用于實(shí)現(xiàn)所述運(yùn)動(dòng)目標(biāo)檢測方法的裝置，包括獲取模塊，用于獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域；模型建立模塊，用于為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型；提取模塊，用于參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像。其中，所述模型建立模塊是采用單高斯背景建模法為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型的。所述提取模塊包括監(jiān)控區(qū)域圖像獲取單元，用于從所述監(jiān)控場景的圖像幀中獲取所述重點(diǎn)監(jiān)控區(qū)域的圖像幀；查找單元，用于從所述重點(diǎn)監(jiān)控區(qū)域的圖像幀中查找出與所述背景模型具有不同像素的區(qū)域圖像；確定單元，用于將所述具有不同像素的區(qū)域圖像確定為運(yùn)動(dòng)目標(biāo)的前景圖像。所述運(yùn)動(dòng)目標(biāo)檢測裝置還包括濾波模塊，用于對所述運(yùn)動(dòng)目標(biāo)的前景圖像進(jìn)行形態(tài)學(xué)濾波。其中，所述運(yùn)動(dòng)目標(biāo)檢測裝置還包括陰影去除模塊，用于當(dāng)檢測出所述前景圖像內(nèi)有陰影時(shí)，采用基于HSV顏色模型的陰影消除算法去除所述前景圖像中的陰影。本發(fā)明的有益效果為所述運(yùn)動(dòng)目標(biāo)的檢測方法采用獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域，以及為重點(diǎn)監(jiān)控區(qū)域建立背景模型，參照背景模型，從監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像，實(shí)現(xiàn)監(jiān)控效果。本方法無需考慮重點(diǎn)監(jiān)控區(qū)域之外干擾因素，使得算法簡單、數(shù)據(jù)處理量小。用于實(shí)現(xiàn)所述方法的裝置由于運(yùn)動(dòng)目標(biāo)的檢測方法算法簡單、數(shù)據(jù)處理量小，所以成本低、運(yùn)行速度快。


為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測方法的第一實(shí)施例的流程示意圖。圖2是本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測方法的第二實(shí)施例的流程示意圖。圖3是本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測裝置的第一實(shí)施例的結(jié)構(gòu)示意圖。圖4是本發(fā)明的提取模塊的實(shí)施例的結(jié)構(gòu)示意圖。圖5是本發(fā)明的運(yùn)動(dòng)目標(biāo)檢測裝置的第二實(shí)施例的結(jié)構(gòu)示意圖。
具體實(shí)施例方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。請參照圖1，是本發(fā)明運(yùn)動(dòng)目標(biāo)檢測方法第一實(shí)施例的流程示意圖。該方法包括步驟S11，獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域。一般情況下，運(yùn)動(dòng)目標(biāo)總是出現(xiàn)在監(jiān)控場景中的某部分區(qū)域而不是所有監(jiān)控區(qū)域，因此，可以將該部分區(qū)域列為重點(diǎn)監(jiān)控區(qū)域。步驟Sll采用提示用戶在監(jiān)控場景的監(jiān)控圖像上虛線框標(biāo)識(shí)出重點(diǎn)監(jiān)控區(qū)域的方式，以獲取用戶選取的重點(diǎn)監(jiān)控區(qū)域。步驟S12，為重點(diǎn)監(jiān)控區(qū)域建立背景模型。建立背景模型的方法有兩大類一類是將不含運(yùn)動(dòng)目標(biāo)的監(jiān)控圖像(即前景圖像)拍攝下來作為背景模型，這種方法僅適用于室內(nèi)監(jiān)控，這是因?yàn)楝F(xiàn)實(shí)環(huán)境的監(jiān)控場景的背景圖是在不斷變化的，如光照、風(fēng)吹落葉等，都會(huì)帶來嚴(yán)重的干擾；另一類是高斯背景建模法，它采用不斷的刷新背景模型，以適應(yīng)監(jiān)控場景的環(huán)境變化。高斯背景建模法又分為單高斯背景建模法、混合高斯背景建模法。其中，單高斯背景建模法適用于背景像素變化不大的情況，即噪聲不多，顏色比較集中；而混合高斯背景建模法對監(jiān)控場景的動(dòng)態(tài)變化具有較強(qiáng)的魯棒性，適用于復(fù)雜場景中的目標(biāo)檢測。步驟S13，參照背景模型，從監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像。本發(fā)明的實(shí)施例通過獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域，從而大大減小了監(jiān)控范圍；為重點(diǎn)監(jiān)控區(qū)域建立背景模型，而不是全部監(jiān)控區(qū)域建立背景模型使得風(fēng)、雨、雪、樹葉晃動(dòng)等干擾因素相對較確定。本發(fā)明的實(shí)施例算法簡單、數(shù)據(jù)處理量小。請參照圖2，是本發(fā)明運(yùn)動(dòng)目標(biāo)檢測方法第二實(shí)施例的流程示意圖。該方法包括步驟S21，獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域。一般情況下，運(yùn)動(dòng)目標(biāo)總是出現(xiàn)在監(jiān)控場景中的某部分區(qū)域而不是所有監(jiān)控區(qū)域，因此，可以將該部分區(qū)域列為重點(diǎn)監(jiān)控區(qū)域。步驟S21采用提示用戶在監(jiān)控場景的監(jiān)控圖像上虛線框標(biāo)識(shí)出重點(diǎn)監(jiān)控區(qū)域的方式，以獲取用戶選取的重點(diǎn)監(jiān)控區(qū)域。步驟S22，采用單高斯背景建模法為重點(diǎn)監(jiān)控區(qū)域建立背景模型。建立背景模型的方法有兩大類，一類是將不含運(yùn)動(dòng)目標(biāo)的監(jiān)控圖像(即前景圖像)拍攝下來作為背景模型，這種方法僅適用于室內(nèi)監(jiān)控，這是因?yàn)楝F(xiàn)實(shí)環(huán)境的監(jiān)控場景的背景圖是在不斷變化的，如光照、風(fēng)吹落葉等，都會(huì)帶來嚴(yán)重的干擾；另一類是高斯背景建模法，它采用不斷的刷新背景模型，以適應(yīng)監(jiān)控場景的環(huán)境變化。高斯背景建模法又分為單高斯背景建模法、混合高斯背景建模法。其中，單高斯背景建模法適用于背景像素變化不大的情況，即噪聲不多，顏色比較集中；而混合高斯背景建模法對監(jiān)控場景的動(dòng)態(tài)變化具有較強(qiáng)的魯棒性，適用于復(fù)雜場景中的目標(biāo)檢測。由于步驟S21已經(jīng)采用用戶對重點(diǎn)監(jiān)控區(qū)域的選取排除了相當(dāng)一部分噪聲，因此步驟S22優(yōu)選單高斯背景建模法。單高斯背景建模分為兩個(gè)步驟步驟A.估計(jì)背景圖像。采集一段所述獲取的重點(diǎn)監(jiān)控區(qū)域固定背景視頻，為所述視頻建立視頻序列Btl估計(jì)，即求得每個(gè)像素亮度的均值U C1和方差<。用數(shù)學(xué)公式表達(dá)出來如下B0 ^ ]其中
權(quán)利要求
1.一種運(yùn)動(dòng)目標(biāo)檢測方法，其特征在于，包括 獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域； 為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型； 參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像。
2.如權(quán)利要求1所述的方法，其特征在于，所述為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型的步驟包括 采用單高斯背景建模法為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型；所述單高斯背景建模分為兩個(gè)步驟 步驟A.采集一段所述獲取的重點(diǎn)監(jiān)控區(qū)域固定背景視頻，為所述視頻建立視頻序列B。估計(jì)，即求得每個(gè)像素亮度的均值y O和方差
3.如權(quán)利要求1所述的方法，其特征在于，所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟包括 從所述監(jiān)控場景的圖像幀中獲取所述重點(diǎn)監(jiān)控區(qū)域的圖像幀； 從所述重點(diǎn)監(jiān)控區(qū)域的圖像幀中查找出與所述背景模型具有不同像素的區(qū)域圖像； 將所述具有不同像素的區(qū)域圖像確定為運(yùn)動(dòng)目標(biāo)的前景圖像。
4.如權(quán)利要求1所述的方法，其特征在于，所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟之后包括 對所述運(yùn)動(dòng)目標(biāo)的前景圖像進(jìn)行形態(tài)學(xué)濾波。
5.如權(quán)利要求1所述的方法，其特征在于，所述參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像的步驟之后還包括 當(dāng)檢測出所述前景圖像內(nèi)有陰影時(shí)，采用基于色調(diào)Hue、飽和度Saturation、亮度Value的顏色模型-HSV顏色模型陰影消除算法消除所述前景圖像中的陰影；所述HSV顏色模型陰影消除算法分為以下幾個(gè)步驟 步驟C.設(shè)f(x，y)為當(dāng)前運(yùn)動(dòng)區(qū)域像素的值，g(x, y)為背景模型像素的值； 步驟D.將RGB顏色模型-紅綠藍(lán)顏色模型轉(zhuǎn)化為HSV顏色模型max=max(R，G, B)min=min(R, G, B)ifR=max, H=(G-B)/(max-min)if G=max, H=2+(B-R)/(max-min)if B=max, H=4+(R-G)/(max-min)H=H*60If H<0, H=H+360V=max(R, G, B)S=(max-min)/max 獲取當(dāng)前運(yùn)動(dòng)區(qū)域的亮度值V(f (x, y)),顏色值H(f (x, y))，飽和度值S(f (x, y)),以及背景模型的亮度值 V (g(x, y)), H(g(x, y)), S(g(x, y))； E.設(shè)定閥值U,如果|￥江(1，7));&(1，7))|〈11,定義此時(shí)的;^1，7)點(diǎn)為陰影點(diǎn),在當(dāng)前運(yùn)動(dòng)區(qū)域像素的值中去除陰影點(diǎn)像素的值； F.設(shè)定運(yùn)動(dòng)目標(biāo)的陰影的像素變?yōu)榘咨?br> 6.一種運(yùn)動(dòng)目標(biāo)檢測裝置，其特征在于，包括 獲取模塊，用于獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域； 模型建立模塊，用于為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型； 提取模塊，用于參照所述背景模型，從所述監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像。
7.如權(quán)利要求6所述的裝置，其特征在于，所述模型建立模塊是采用單高斯背景建模法為所述重點(diǎn)監(jiān)控區(qū)域建立背景模型的。
8.如權(quán)利要求6所述的裝置，其特征在于，所述提取模塊包括 監(jiān)控區(qū)域圖像獲取單元，用于從所述監(jiān)控場景的圖像幀中獲取所述重點(diǎn)監(jiān)控區(qū)域的圖像幀； 查找單元，用于從所述重點(diǎn)監(jiān)控區(qū)域的圖像幀中查找出與所述背景模型具有不同像素的區(qū)域圖像； 確定單元，用于將所述具有不同像素的區(qū)域圖像確定為運(yùn)動(dòng)目標(biāo)的前景圖像。
9.如權(quán)利要求6所述的裝置，其特征在于，還包括 濾波模塊，用于對所述運(yùn)動(dòng)目標(biāo)的前景圖像進(jìn)行形態(tài)學(xué)濾波。
10.如權(quán)利要求6所述的裝置，其特征在于，還包括 陰影去除模塊，用于當(dāng)檢測出所述前景圖像內(nèi)有陰影時(shí)，采用基于HSV顏色模型的陰影消除算法去除所述前景圖像中的陰影。
全文摘要
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種運(yùn)動(dòng)目標(biāo)檢測方法及裝置。一種運(yùn)動(dòng)目標(biāo)的檢測方法采用獲取用戶從監(jiān)控場景中選取的重點(diǎn)監(jiān)控區(qū)域，以及為重點(diǎn)監(jiān)控區(qū)域建立背景模型，參照背景模型，從監(jiān)控場景的圖像幀中提取出運(yùn)動(dòng)目標(biāo)的前景圖像，實(shí)現(xiàn)監(jiān)控效果。本方法無需考慮重點(diǎn)監(jiān)控區(qū)域之外干擾因素，使得算法簡單、數(shù)據(jù)處理量小。用于實(shí)現(xiàn)所述方法的裝置由于運(yùn)動(dòng)目標(biāo)的檢測方法算法簡單、數(shù)據(jù)處理量小，所以成本低、運(yùn)行速度快。
文檔編號(hào)G06T5/00GK102982558SQ201210495320
公開日2013年3月20日 申請日期2012年11月28日 優(yōu)先權(quán)日2012年11月28日
發(fā)明者高峰 申請人:無錫港灣網(wǎng)絡(luò)科技有限公司