一種適用于深度圖像的人體運動檢測方法
【專利摘要】本發(fā)明提出了一種適用于深度圖像的人體運動檢測方法。本發(fā)明首先將圖像分成上下兩層，上下兩層利用不同的鄰域建立背景模型。建立背景模型的同時增加了一個參考模型。其次調(diào)整圖像下層算法的差值閾值的參數(shù)在接下來的視頻中將各像素與背景模型比較進行像素分類。然后基于分類后的像素采用不同的更新方式更新背景模型。最后誤檢點消噪處理。本發(fā)明使得人體的識別率和檢測率都有明顯的提高。
【專利說明】一種適用于深度圖像的人體運動檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機視覺領(lǐng)域，涉及一種針對深度圖像的人體運動檢測的方法。

【背景技術(shù)】
[0002] 在人體運動視覺分析研究中，人體運動檢測是一個關(guān)鍵的預(yù)處理步驟，直接影響 后續(xù)跟蹤、識別的效果，因此人體運動檢測算法一直是該領(lǐng)域的研究熱點。
[0003] 以微軟Kinect為代表的3D傳感器，能獲取呈現(xiàn)物體的三維信息的深度圖像，給人 體運動檢測和分析提供了新途徑。相比普通彩色圖像，深度圖像具有一些明顯優(yōu)點，比如困 擾彩色圖像的陰影和光照問題對深度圖像影響不大。
[0004] ViBe(visualbackgroundextractor)算法也稱之為視覺背景提取算子算法，是 背景減除法中的一種。它是一種像素級視頻背景建模算法，效果優(yōu)于常用的平均背景模型、 混合高斯模型等算法，具有計算量小、處理效率高等特點。但是由于深度圖像與普通彩色圖 像特性的不同，該方法應(yīng)用到深度圖像時存在以下問題：1)地面附近運動目標(biāo)難以檢測， 具體現(xiàn)象是圖像中與地面相連的腳缺失。2)當(dāng)建模時背景圖像中存在運動的人，ViBe算法 會將人初始化為背景，人運動后該區(qū)域會被判為前景這種現(xiàn)象"鬼影"，另一方面當(dāng)人再次 運動到"鬼影"區(qū)域時由于重疊處時重疊處無法檢測出前景這種現(xiàn)象稱為"黑影"。3)由于 Kinect傳感器的固有缺陷導(dǎo)致靜止像素誤判為前景。主要是因為傳感器的精度偏差：遠(yuǎn)距 離的像素在鄰近視頻序列中也會有一定的變化甚至是丟失，物體邊緣不穩(wěn)定。


【發(fā)明內(nèi)容】

[0005] 為了應(yīng)對上面提到問題，本發(fā)明在經(jīng)典ViBe算法基礎(chǔ)上提出一種用于深度圖像 的人體運動檢測方法。
[0006] 為了實現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟：
[0007] 步驟（1) ?建立背景模型；
[0008] 步驟（2).像素分類；
[0009] 步驟（3) ?背景模型更新；
[0010] 步驟（4) ?誤檢點消噪處理。
[0011] 本發(fā)明具有如下有益效果：
[0012] 1、在背景建模時提出了一種自適應(yīng)的圖像分層處理和不同鄰域模式的建模方式， 并在背景模型里增加了去除"鬼影"現(xiàn)象的參考模型MK(x)。
[0013] 2、像素分類時增加了前景點檢驗步驟，通過當(dāng)前像素與參考模型的比較消除"鬼 影"。
[0014] 3、在模型更新方面增加了基于前景點的背景模型更新策略，解決了"黑影"現(xiàn)象問 題，保持背景模型的準(zhǔn)確性。
[0015] 4、采用閾值法對分類結(jié)果進行了誤檢點消噪處理。
[0016] 5、可以在深度圖像中完整的提取出運動人體，為后續(xù)的研究如步態(tài)分析等創(chuàng)造了 前提，在人體運動分析領(lǐng)域具有廣闊的應(yīng)用前景。

【專利附圖】

【附圖說明】
[0017] 圖lDViBe算法流程圖；
[0018] 圖2a24-鄰域采樣圖；
[0019] 圖2b14-鄰域采樣圖；
[0020] 圖3差值閾值Rb對PCC的影響。

【具體實施方式】
[0021] 下面結(jié)合附圖描述本發(fā)明DViBe算法的深度圖像的人體運動檢測方法。
[0022] 圖1為DViBe算法流程圖，其實施主要包括以下幾個步驟：
[0023] (1)將圖像分成上下兩層，上下兩層利用不同的鄰域建立背景模型。建立背景模型 的同時增加了 一個參考模型MK (X)。
[0024] (2)調(diào)整圖像下層算法的差值閾值Rb的參數(shù)。
[0025] (3)在接下來的視頻中將各像素與背景模型比較進行像素分類。
[0026] (4)基于分類后的像素采用不同的更新方式更新背景模型。
[0027] (5)誤檢點消噪處理。
[0028] 下面逐一對各步驟進行詳細(xì)說明。
[0029] 步驟一，背景模型建立
[0030](一）基于深度圖像的自適應(yīng)的圖像分層技術(shù)
[0031] 圖像的分層技術(shù)的實質(zhì)是將圖像分層地面區(qū)和非地面區(qū)兩部分。為了適應(yīng)Kinect 傳感器的馬達角度變化和位置的變化。利用深度圖像地面像素深度值縱向向上方向增大的 特性和傳感器有效視距的最遠(yuǎn)距離D對圖像進行分層，具體過程如下：
[0032]1)隨機選取圖像的一列從最下面的像素開始垂直向上遍歷像素。
[0033] 2)記錄第一個像素值在D±5范圍的像素的縱坐標(biāo)為y,如遍歷完該列像素后沒有 找到像素值在D±5范圍的像素，則默認(rèn)y為縱坐標(biāo)的最大值。
[0034] 3)重復(fù)1和2的過程m次，可以得到m個縱坐標(biāo)值{yi，y2，…，yj。
[0035] 4)考慮到物體阻擋和傳感器的誤差等情況會造成的y的值過大或者過小對劃分 的影響，將這m個縱坐標(biāo)值按大小進行排序，選取中間的k個值，計算它們的均值，就可以得 到圖像的分界線的縱坐標(biāo)：

【權(quán)利要求】
1. 一種適用于深度圖像的人體運動檢測方法，其特征在于該方法包括以下步驟： 步驟一，背景模型建立 (一） 基于深度圖像的自適應(yīng)的圖像分層 利用深度圖像地面像素深度值縱向向上方向增大的特性和傳感器有效視距的最遠(yuǎn)距 離D對圖像進行分層，具體過程如下： 1) 隨機選取圖像的一列從最下面的像素開始垂直向上遍歷像素； 2) 記錄第一個像素值在D±5范圍的像素的縱坐標(biāo)為y,如遍歷完該列像素后沒有找到 像素值在D±5范圍的像素，則默認(rèn)y為縱坐標(biāo)的最大值； 3) 重復(fù)1)和2)的過程m次，得到m個縱坐標(biāo)值{yi，y2, . ..，yj; 4) 將這m個縱坐標(biāo)值按大小進行排序，選取中間的k個值，計算它們的均值，得到圖像 的分界線的縱坐標(biāo)：
(二） 像素背景模型和參考模型建立 記v(x)為圖像中位于x處的像素在給定顏色空間的值，將背景模型中每個像素x建模 為一個集合M(x) ;M(x)中包含n個從像素x的鄰域中隨機選取的像素的值Vi，i= 1，. . .，n， 稱為背景樣本值，即 M(x) ={vj, v2, v3, . . . , v^, vn} Me(x)=v (x) 其中Vi是索引為i的背景樣本值，下標(biāo)n為樣本個數(shù)，v(x)是像素x的像素值；對于 上層圖像選取的是24鄰域，對于下層圖像選取的是的14鄰域； 步驟二，像素分類 通過把像素值v(x)與背景模型中對應(yīng)的模型M(x)進行比較來對當(dāng)前圖像中像素x分 類；記v(x)與M(x)中的樣本值Vi在給定顏色空間的距離為： dis[v(x),vj= |v(x)-Vi| 對給定的差值閾值R;統(tǒng)計dis[v(x)，Vi] <R的個數(shù)并用C表示，當(dāng)C<Cmin時則x為 前景點，反之為背景點，Cmin是像素分類匹配參數(shù)； 步驟三，背景模型更新 背景模型更新的目的是保證隨著時間的推移背景模型依舊能夠保持準(zhǔn)確性；當(dāng)像素x被分類為背景點時，就觸發(fā)該像素背景模型M(x)的更新過程；首先采用隨機子抽樣的方法 選擇是否更新M(x)，對于選中更新的模型，再隨機從M(x)中選取一個樣本值用當(dāng)前像素值 v(x)代替，從而使背景模型中樣本值的生命周期成指數(shù)單調(diào)衰減；為了保持空間一致性， 更新過程還采用同樣方法隨機對x的鄰域像素的背景模型進行更新； 步驟四，誤檢點消噪處理 用閾值法去除大量的誤檢點；當(dāng)檢測為前景的像素點的深度值超出設(shè)定范圍時則認(rèn)為 該點是背景，即
其中T和t表示深度值，255代表前景，0代表背景。
2. 根據(jù)權(quán)利要求1所述的一種適用于深度圖像的人體運動檢測方法，其特征在于：圖 像分層后像素分類中的參數(shù)也需要適當(dāng)調(diào)整，對圖像的上層部分和下層部分采用不同的距 離閾值；對于上層圖像分類，距離閾值Rt保持不變?yōu)?0 ;由于下層圖像的地面像素深度值 接近，要想在地面處有效檢測出運動目標(biāo)，除了更改樣本選取領(lǐng)域模式外，還需要調(diào)節(jié)閾值 Rb 為 6。
3. 根據(jù)權(quán)利要求1所述的一種適用于深度圖像的人體運動檢測方法，其特征在于：當(dāng) 建模時背景圖像中存在運動的人，利用像素值變大的特性通過當(dāng)前像素與背景模型中對應(yīng) 像素比較則去除鬼影現(xiàn)象；校驗規(guī)則如下 ：
其中vU，、）是塢⑴中像素x的值，v(x，t)為當(dāng)前圖像中對應(yīng)x處像素點的值。
【文檔編號】G06T7/20GK104408747SQ201410717382
【公開日】2015年3月11日 申請日期:2014年12月1日 優(yōu)先權(quán)日:2014年12月1日
【發(fā)明者】孟明, 楊方波, 魯少娜, 朱俊青, 桂奇政, 佘青山, 羅志增 申請人:杭州電子科技大學(xué)