專利名稱：一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺領(lǐng)域的視頻或圖像序列的處理，具體涉及一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法。
背景技術(shù)：
視頻監(jiān)控早已廣泛應(yīng)用于交通管理系統(tǒng)和小區(qū)、學(xué)校、商場等公共場所的安防管理系統(tǒng)中。但是這種傳統(tǒng)的視頻監(jiān)控系統(tǒng)需要工作人員持續(xù)性地監(jiān)視和分析場景內(nèi)的活動(dòng)，人為地判斷場景是否異常，工作量大，費(fèi)時(shí)費(fèi)力，而且在持續(xù)監(jiān)控的情況下工作人員容易產(chǎn)生視覺疲勞，影響判斷的準(zhǔn)確可靠性。所以，研究如何利用計(jì)算機(jī)實(shí)現(xiàn)智能化的視頻監(jiān)控是非常有必要的，而運(yùn)動(dòng)物體檢測技術(shù)正是智能視頻監(jiān)控中最為基礎(chǔ)且關(guān)鍵的一項(xiàng)技術(shù)。運(yùn)動(dòng)物體檢測技術(shù)最早應(yīng)用于軍事領(lǐng)域，例如美國國防高級研究計(jì)劃局(DARPA)在1997年資助研制的視頻監(jiān)控重大項(xiàng)目VSAM (Video Surveillance and Monitoring)及其在2000年資助的遠(yuǎn)程人類識(shí)別重大項(xiàng)目HID(Human Identification at a Distance),均是為了實(shí)現(xiàn)未來城市和戰(zhàn)場監(jiān)控，用以保護(hù)國防、民用等場合免受恐怖襲擊。而隨著技術(shù)的發(fā)展，運(yùn)動(dòng)物體檢測在交通監(jiān)控管理、災(zāi)難預(yù)警等領(lǐng)域也有了廣泛的應(yīng)用。1999年，歐盟信息社會(huì)技術(shù)1ST的Framework 5程序委員會(huì)設(shè)立了視頻監(jiān)控和檢索重大項(xiàng)目ADVISOR(Annotated Digital Video for Surveillance and Optimized Retrieval),目標(biāo)是利用一個(gè)監(jiān)控和檢索系統(tǒng)有效地管理城市的公共交通。2003年，德國培茲林業(yè)局正式使用FIRE-WATCH森林火災(zāi)自動(dòng)預(yù)警系統(tǒng)，能夠及時(shí)定位森林火災(zāi)，防止火災(zāi)蔓延。目前對于運(yùn)動(dòng)物體的檢測方法主要有三種:光流法、幀間差分法和背景差分法。光流法擅長于攝像機(jī)不固定的情況下，從運(yùn)動(dòng)場景中檢測出運(yùn)動(dòng)目標(biāo)，但是一般光流法計(jì)算都很復(fù)雜耗時(shí)；幀間差分法對光照等場景的變化有很強(qiáng)的適應(yīng)性，穩(wěn)定性最好，但是其檢測效果對幀間時(shí)間間隔有很強(qiáng)的依賴，適用于運(yùn)動(dòng)目標(biāo)的跟蹤；背景差分法算法簡單，而且檢測出的目標(biāo)信息也最為完整，因此也是應(yīng)用最多的運(yùn)動(dòng)目標(biāo)檢測方法，但是對光照等場景變化極為敏感，適應(yīng)性差。針對背景差分法適應(yīng)性差這一缺點(diǎn)，有學(xué)者提出利用背景建模的方法進(jìn)行改善。Stauffer等人分析了高噪聲的復(fù)雜背景像素分析特性，發(fā)現(xiàn)其滿足多個(gè)聚類中心，提出采用多個(gè)高斯分布來描述像素過程，建立基于混合高斯模型(Gaussian Mixture Model,GMM)的背景圖像。ZiVk0ViC、Lee等在此基礎(chǔ)上又提出了多種改進(jìn)算法，不但增強(qiáng)了分割效果，也提聞了運(yùn)行效率。然而，自然環(huán)境下的場景更為復(fù)雜，而且風(fēng)、光線等自然條件也會(huì)使運(yùn)動(dòng)物體檢測的準(zhǔn)確率受到嚴(yán)重干擾。例如風(fēng)會(huì)吹動(dòng)物體作微小周期性運(yùn)動(dòng)，如樹枝搖擺、水面波動(dòng)等，而陽光會(huì)使物體產(chǎn)生陰影，隨時(shí)間推移，戶外的光照也會(huì)發(fā)生漸變。此外還需要考慮背景物體轉(zhuǎn)為運(yùn)動(dòng)，運(yùn)動(dòng)物體靜止后融入背景，光照突變導(dǎo)致背景變化等種種特殊情況帶來的影響。因此，背景建模仍是運(yùn)動(dòng)物體檢測技術(shù)中亟待解決的難題。

發(fā)明內(nèi)容
本發(fā)明的發(fā)明目的是提供一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法，解決了傳統(tǒng)背景建模中存在的噪聲多、魯棒性差、運(yùn)算復(fù)雜等問題，提高了運(yùn)動(dòng)物體檢測的精度和速度，使其滿足智能化的要求。為達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案是:一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法，該方法基于時(shí)空信息融合與特征識(shí)別，具體步驟包括背景分析、前景提取、去除陰影和背景更新；
(1)背景分析
在獲取監(jiān)控視頻后，將圖像序列均轉(zhuǎn)換為HSV顏色模型，建立以各像素點(diǎn)坐標(biāo)(X，y)、色調(diào)H值、飽和度S值和亮度V值為元素的向量仏則G Cr，_f，D ,Gi {x, y, 2)和R.Cr，_f，3)分別代表第i幀圖像Cr，,)處像素點(diǎn)的色調(diào)H值、飽和度S值和亮度V值；選取監(jiān)控視頻的前#幀作為訓(xùn)練幀，計(jì)算出像素點(diǎn)Cr，_7)在這#幀內(nèi)色調(diào)H、飽和度S、亮度V三個(gè)值各自的均值# Cr, y, <^)、標(biāo)準(zhǔn)差。(^，y, c),其中c=l、2、3 ;利用判定公式選取出穩(wěn)態(tài)像素值，
權(quán)利要求
1.一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法，其特征在于該方法基于時(shí)空信息融合與特征識(shí)另IJ，具體步驟包括背景分析、前景提取、去除陰影和背景更新； (1)背景分析 在獲取監(jiān)控視頻后，將圖像序列均轉(zhuǎn)換為HSV顏色模型，建立以各像素點(diǎn)坐標(biāo)(X，y)、色調(diào)H值、飽和度S值和亮度V值為元素的向量仏則G Cr，_f，D ,Gi {x, y, 2)和R.Cr，_7，3)分別代表第i幀圖像Cr，,)處像素點(diǎn)的色調(diào)H值、飽和度S值和亮度V值；選取監(jiān)控視頻的前#幀作為訓(xùn)練幀，計(jì)算出像素點(diǎn)Cr，_7)在這#幀內(nèi)色調(diào)H、飽和度S、亮度V三個(gè)值各自的均值# Cr, y, <^)、標(biāo)準(zhǔn)差。(^，y, c),其中c=l、2、3 ;利用判定公式選取出穩(wěn)態(tài)像素值；
全文摘要
本發(fā)明涉及一種自然環(huán)境下運(yùn)動(dòng)物體監(jiān)測方法，該方法基于時(shí)空信息融合與特征識(shí)別，主要包括背景分析、前景提取、去除陰影、背景更新。其思想是將圖像序列均轉(zhuǎn)換為HSV顏色模型，并分析比較各像素點(diǎn)參數(shù)在某一時(shí)間段內(nèi)的變化規(guī)律，通過判定公式的判定，便可區(qū)分出各像素點(diǎn)在某一幀中是屬于背景點(diǎn)、運(yùn)動(dòng)物體點(diǎn)還是陰影點(diǎn)。本發(fā)明針對風(fēng)、陽光、閃電等自然條件可能帶來的影響進(jìn)行了算法的改進(jìn)，并能夠在光照突變、運(yùn)動(dòng)物體靜止后融入背景、背景物體轉(zhuǎn)為運(yùn)動(dòng)等情況下智能更新背景，適用于自然環(huán)境下運(yùn)動(dòng)物體的監(jiān)測。
文檔編號(hào)G06K9/46GK103208126SQ20131013332
公開日2013年7月17日 申請日期2013年4月17日 優(yōu)先權(quán)日2013年4月17日
發(fā)明者簡小剛, 徐曉翔, 李曉華 申請人:同濟(jì)大學(xué)