本發(fā)明涉及視頻圖像處理領(lǐng)域，更具體地，涉及一種運(yùn)動物體檢測方法及系統(tǒng)。

背景技術(shù)：

目前，視頻運(yùn)動物體檢測是計算機(jī)視覺研究領(lǐng)域的一個重要部分，運(yùn)動物體檢測是視頻自動分析技術(shù)中的一個重要環(huán)節(jié)，主要內(nèi)容是將興趣事件從視頻序列中分離出來。視頻運(yùn)動物體檢測在視頻智能監(jiān)控、視頻壓縮、視頻檢索和圖像增強(qiáng)等方面有著廣泛的運(yùn)用。在實際視頻處理過程中，視頻中光線強(qiáng)度，背景變動等因素，都會對檢測過程造成一定的影響。

在現(xiàn)有技術(shù)中，運(yùn)動物體檢測技術(shù)主要有三種方法，分別是光流法、背景差分法和幀間差分法。其中，光流法計算過程復(fù)雜，對硬件要求高，難以滿足實時檢測的要求。幀間差分法具有很強(qiáng)的自適應(yīng)能力，對光照變化不敏感，檢測有效而穩(wěn)定，但它在較大程度上依賴差分幀的選擇時機(jī)和物體的運(yùn)動速度。背景差分法實現(xiàn)最簡單，能夠完整地分割出運(yùn)動物體，但它對光照等外部條件造成的場景變化過于敏感，而且檢測性能與背景圖像的好壞息息相關(guān)。

技術(shù)實現(xiàn)要素：

為克服現(xiàn)有技術(shù)中，對視頻圖像中的運(yùn)動物體檢測計算過程復(fù)雜，對圖像光照等外部條件造成的場景變化過于敏感等問題，提出一種運(yùn)動物體檢測方法及系統(tǒng)。

根據(jù)本發(fā)明的第一方面，提供一種運(yùn)動物體檢測方法，包括：

步驟1，對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像；

步驟2，計算視頻當(dāng)前幀圖像與所述背景幀圖像間的差分圖像；將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例；

步驟3，確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

所述步驟1中設(shè)置背景幀圖像的步驟具體為：當(dāng)開始檢測所述視頻的圖像時，將第一幀圖像作為背景幀圖像。

其中，所述步驟3后，還包括背景圖像更新步驟；通過所述當(dāng)前幀圖像和所述背景幀圖像進(jìn)行組合，生成新背景圖像，重復(fù)執(zhí)行步驟2和步驟3。

其中，所述通過所述當(dāng)前幀圖像的和所述背景幀圖像進(jìn)行組合，生成新背景圖像的步驟具體為：使用背景更新公式

background(x,y,i+1)＝a*input(x,y,i)+(1-a)*background(x,y,i)

計算出所述新背景圖像；

式中，background(x,y,i)表示檢測第i幀圖像時的背景圖像，input(x，y，i)表示當(dāng)前第i幀圖像，background(x,y,i+1)表示新背景圖像，a表示權(quán)重；其中，a取值范圍為0<a<1。

其中，所述對視頻信息的圖像進(jìn)行降噪處理的步驟具體為：

對攝像頭實時獲取的圖像使用中值濾波處理，去除所述實時圖像中的噪點(diǎn)。

其中，當(dāng)所述前景像素點(diǎn)所占比例未超過預(yù)設(shè)閾值時，則提示未檢測到運(yùn)動物體。

其中，所述步驟3中，確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值的步驟具體為：利用直方圖統(tǒng)計所述差分圖像前景像素點(diǎn)數(shù)量和背景像素點(diǎn)數(shù)量，計算出所述前景像素點(diǎn)所占比例。

根據(jù)本發(fā)明的第二方面，提供一種運(yùn)動物體檢測系統(tǒng)，包括：

圖像處理模塊，對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像；

差分圖像計算模塊，用于計算視頻當(dāng)前幀圖像與所述背景幀圖像間的差分圖像；將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例；

運(yùn)動物體檢測模塊，用于確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

根據(jù)本發(fā)明第三方面，提供一種計算機(jī)程序，包括程序代碼，所述程序代碼用于執(zhí)行如下操作：

接收視頻信息，對所述視頻信息的圖像進(jìn)行降噪處理；

設(shè)置背景幀圖像；

計算得出視頻當(dāng)前幀圖像與所述背景幀圖像之間的差分圖像；

將所述差分圖像進(jìn)行二值化處理，提取出運(yùn)動的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例。

根據(jù)本發(fā)明第四方面，提供一種運(yùn)動物體檢測設(shè)備設(shè)備，包括：

至少一個處理器；以及

與所述處理器連接的至少一個存儲器，其中：

所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調(diào)用所述程序指令能夠執(zhí)行第一方面的各種可能的實現(xiàn)方式所提供的運(yùn)動物體檢測方法。

本發(fā)明提供了一種運(yùn)動物體檢測方法及系統(tǒng)，所述方法采用了實時背景更新方式，提升了檢測效果，降低了檢測難度。

附圖說明

圖1為本發(fā)明一實施例提供的一種運(yùn)動物體檢測方法的整體流程圖；

圖2為本發(fā)明又一實施例提供的一種運(yùn)動物體檢測系統(tǒng)的整體結(jié)構(gòu)圖；

圖3為本發(fā)明再一實施例提供的一種運(yùn)動物體檢測設(shè)備結(jié)構(gòu)框圖。

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進(jìn)一步詳細(xì)描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

參考圖1，圖1為本發(fā)明一實施例提供的一種運(yùn)動物體檢測方法流程圖，如圖1所示，所述方法包括：

s101，對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像；

s102，計算視頻當(dāng)前幀圖像與所述背景幀圖像間的差分圖像；將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例；

s103，確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

具體的，s101中對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像。

其中，中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點(diǎn)。

同時，在開始對視頻圖像進(jìn)行檢測的時候，直接將第一幀圖像作為背景初始化。

通過此方法，中值濾波對脈沖噪聲有良好的過濾作用，特別是在去除噪聲的同時，能夠保護(hù)信號的邊緣，使之不被模糊。而且中值濾波的算法比較簡單，也易于用硬件實現(xiàn)；同時，相較于傳統(tǒng)的背景建模，極大地簡化了背景建模過程。

在上述實施例的基礎(chǔ)上，所述方法還包括背景圖像更新步驟；

通過所述當(dāng)前幀圖像的和所述背景幀圖像進(jìn)行組合，生成新背景圖像，重復(fù)執(zhí)行步驟2和步驟3。

具體的，模型更新算法在當(dāng)前幀進(jìn)行中值濾波后，與背景幀進(jìn)行綜合，兩幀圖像的權(quán)重根據(jù)具體的應(yīng)用場景來設(shè)置，如果希望背景變化較快，可以將當(dāng)前幀的權(quán)重設(shè)置的較大，如果希望背景變化較慢，則將當(dāng)前幀的權(quán)重設(shè)置的較小即可，背景更新的數(shù)學(xué)表達(dá)式如下：

background(x,y,i+1)＝a*input(x,y,i)+(1-a)*background(x,y,i)；

式中，background(x,y,i)表示檢測第i幀圖像時的背景圖像，input(x，y，i)表示當(dāng)前第i幀圖像，background(x,y,i+1)表示新背景圖像，a表示權(quán)重；其中，a取值范圍為0<a<1。

通過此方法，采用了實時背景更新方式，提升了檢測效果，降低了檢測難度。

具體的，在s102中，計算得出視頻當(dāng)前幀圖像與所述背景幀圖像之間的差分圖像，其中，差分圖像由當(dāng)前幀與背景幀相減，得到兩幀圖像亮度差，然后取絕對值得到。

隨后，將所述差分圖像進(jìn)行二值化處理，提取出運(yùn)動的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例。通過對s103中獲取的差分圖像進(jìn)行二值化處理，二值化的關(guān)鍵是閾值的選取，本實施例中，二值化的閾值取值為15。隨后，利用直方圖計算差分圖像中前景像素點(diǎn)所占的比例。這里使用直方圖統(tǒng)計出二值圖中前景點(diǎn)和背景點(diǎn)的像素數(shù)量，進(jìn)而計算出前景點(diǎn)像素所占比例，當(dāng)前景點(diǎn)像素比例超過一定值的時候，即可認(rèn)定圖像中有運(yùn)動物體。

通過此方法，程序設(shè)計復(fù)雜度低；對光線等場景變化不太敏感，能夠適應(yīng)各種動態(tài)環(huán)境，穩(wěn)定性較好；同時簡化了運(yùn)動物體檢測的操作過程，降低了運(yùn)動物體檢測的硬件要求；使用直方圖可以很方便地統(tǒng)計出二值圖中的前景像素點(diǎn)和背景像素點(diǎn)數(shù)量。

在上述實施例的基礎(chǔ)上，所述方法還包括：當(dāng)所述前景像素點(diǎn)所占比例未超過預(yù)設(shè)閾值時，提示未檢測到運(yùn)動物體。。

具體的，通過預(yù)先設(shè)置閾值，將s102中獲取的前景點(diǎn)像素點(diǎn)比例與預(yù)設(shè)閾值進(jìn)行比較，當(dāng)所述前景像素點(diǎn)比例未超過預(yù)設(shè)閾值的時候，則判定未檢測到運(yùn)動物體。

參考圖2，圖2為本發(fā)明又一實施例提供的一種運(yùn)動物體檢測系統(tǒng)結(jié)構(gòu)圖，如圖2所示，所述系統(tǒng)包括圖像處理模塊21、差分圖像計算模塊22、運(yùn)動物體檢測模塊23。

其中，圖像處理模塊21用于對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像。

具體的，采用中值濾波處理從攝像頭實時獲取的圖像幀，對原始圖像進(jìn)行去噪點(diǎn)處理，當(dāng)開始檢測所述視頻信息的圖像時，將第一幀圖像作為背景幀圖像。

通過此系統(tǒng)，中值濾波對脈沖噪聲有良好的過濾作用，特別是在去除噪聲的同時，能夠保護(hù)信號的邊緣，使之不被模糊。而且中值濾波的算法比較簡單，也易于用硬件實現(xiàn)。

通過此系統(tǒng)，相較于傳統(tǒng)的背景建模，極大地簡化了背景建模過程，降低了檢測難度。

在上述實施例的基礎(chǔ)上，圖像處理模塊21還用于背景幀圖像更新，通過所述當(dāng)前幀圖像的和所述背景幀圖像進(jìn)行組合，生成新背景圖像，然后使用新的背景圖像，繼續(xù)進(jìn)行運(yùn)動物體檢測。

具體的，模型更新算法在當(dāng)前幀進(jìn)行中值濾波后，與背景幀進(jìn)行綜合，兩幀圖像的權(quán)重根據(jù)具體的應(yīng)用場景來設(shè)置，如果希望背景變化較快，可以將當(dāng)前幀的權(quán)重設(shè)置的較大，如果希望背景變化較慢，則將當(dāng)前幀的權(quán)重設(shè)置的較小即可，背景更新的數(shù)學(xué)表達(dá)式如下：

background(x,y,i+1)＝a*input(x,y,i)+(1-a)*background(x,y,i)；

式中，background(x,y,i)表示檢測第i幀圖像時的背景圖像，input(x，y，i)表示當(dāng)前第i幀圖像，background(x,y,i+1)表示新背景圖像，a表示權(quán)重；其中，a取值范圍為0<a<1。

通過此系統(tǒng)，采用了實時背景更新方式，提升了檢測效果，降低了檢測難度。

差分圖像計算模塊22用于計算得出視頻當(dāng)前幀圖像與所述背景幀圖像之間的差分圖像，將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例。

具體的，差分圖像由當(dāng)前幀與背景幀相減，得到得到兩幀圖像亮度差，然后取絕對值得到；將所述差分圖像進(jìn)行二值化處理，提取出運(yùn)動的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例，二值化的關(guān)鍵是閾值的選取，本實施例中，二值化的閾值取值為15。隨后，利用直方圖計算差分圖像中前景像素點(diǎn)所占的比例。這里使用直方圖統(tǒng)計出二值圖中前景點(diǎn)和背景點(diǎn)的像素數(shù)量，進(jìn)而計算出前景點(diǎn)像素所占比例，當(dāng)前景點(diǎn)像素比例超過一定值的時候，即可認(rèn)定圖像中有運(yùn)動物體。

通過此系統(tǒng)，程序設(shè)計復(fù)雜度低；對光線等場景變化不太敏感，能夠適應(yīng)各種動態(tài)環(huán)境，穩(wěn)定性較好；簡化了運(yùn)動物體檢測的操作過程，降低了運(yùn)動物體檢測的硬件要求。

其中，運(yùn)動物體檢測模塊23用于確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

具體的，通過預(yù)先設(shè)置閾值，差分圖像計算模塊21中獲取的前景點(diǎn)像素點(diǎn)比例與預(yù)設(shè)閾值進(jìn)行比較，當(dāng)所述前景像素點(diǎn)比例超過預(yù)設(shè)閾值的時候，則進(jìn)行提示，提示圖像中檢測到運(yùn)動物體，當(dāng)所述前景像素點(diǎn)比例未超過預(yù)設(shè)閾值的時候，則判定未檢測到運(yùn)動物體。

在本發(fā)明提供的又一實施例中，公開一種計算機(jī)程序產(chǎn)品，所述計算機(jī)程序產(chǎn)品包括存儲在非暫態(tài)計算機(jī)可讀存儲介質(zhì)上的計算機(jī)程序，所述計算機(jī)程序包括程序指令，當(dāng)所述程序指令被計算機(jī)執(zhí)行時，計算機(jī)能夠執(zhí)行上述各方法實施例所提供的方法，例如包括：對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像；計算視頻當(dāng)前幀圖像與所述背景幀圖像間的差分圖像；將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例；確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

在本發(fā)明提供的再一實施例中，參考圖3，圖3為本發(fā)明再一實施例提供的一種運(yùn)動物體檢測設(shè)備結(jié)構(gòu)框圖。如圖3所示，所述運(yùn)動物體檢測設(shè)備包括：處理器301、存儲器302及總線303。

所述處理器301用于調(diào)用所述存儲器302中的程序指令，以執(zhí)行上述各方法實施例所提供的方法，例如包括，對視頻的圖像進(jìn)行降噪處理；設(shè)置背景幀圖像；計算視頻當(dāng)前幀圖像與所述背景幀圖像間的差分圖像；將所述差分圖像進(jìn)行二值化處理，提取出目標(biāo)運(yùn)動物體的前景物體，計算所述前景物體的前景像素點(diǎn)所占比例；確認(rèn)所述前景像素點(diǎn)所占比例超過預(yù)設(shè)閾值，提示檢測到運(yùn)動物體。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當(dāng)然也可以通過硬件。基于這樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品可以存儲在計算機(jī)可讀存儲介質(zhì)中，如rom/ram、磁碟、光盤等，包括若干指令用以使得一臺計算機(jī)設(shè)備(可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。

最后應(yīng)說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。