幀圖像的輪廓圖像。
[0040] 在一個例子中，對于上述多幀圖像中的每幀圖像中的每個像素，可以通過例如 5X5的輪廓檢測器來獲得該幀圖像的輪廓，完成輪廓提取過程。
[0041] 以上述多幀圖像中的某幀圖像中的某個像素 p(X，y)為例，圖3A-3D給出了用于計 算像素 P (X，y)的4種輪廓檢測器的示例。
[0042] 在圖3A-3D中，黑色的像素為p(x，y)，其周圍的20個像素（白色的像素以及灰色 的像素）用于計算輪廓值，圖3A-3D分別示出了針對不同輪廓的檢測類型。使用每種輪廓檢 測器來計算白色像素與灰色像素的絕對平均值的差值，其中，差值最大的被選作為P (X，y) 的輪廓值。對于上述多幀圖像中的每幀圖像中的每個像素均可以采用如上方法來計算該像 素的輪廓值。這樣，在得到每幀圖像的所有像素的輪廓值后，用每個像素的輪廓值表示該像 素，即可得到該幀圖像的輪廓圖像，其灰度值為0~225。
[0043] 步驟204,在完成輪廓提取之后，執(zhí)行背景輪廓信息更新。如果當前幀是第一幀，則 提取的輪廓圖像將被保存以作為初始背景輪廓圖像，否則，可以利用該幀圖像的輪廓圖像 中除前景輪廓以外的每個像素的強度來對該幀圖像的上一幀圖像所對應(yīng)的環(huán)境輪廓圖像 中的與該像素位置對應(yīng)的那個像素的強度進行更新，以及利用該幀圖像的輪廓圖像中的前 景輪廓中的每個像素的強度來對該幀圖像的上一幀圖像所對應(yīng)的環(huán)境輪廓圖像中的與該 像素位置對應(yīng)的那個像素的強度進行更新。在這種實現(xiàn)方式中，可以按照公式一來完成更 新處理。
[0044]公式一：
[0046] 其中，a為預設(shè)的前景像素更新率，CB(x，y，tk D表示捕獲時間為tk 1的圖像對應(yīng) 的環(huán)境輪廓圖像中的像素（X，y)的強度；CC(x，y，tk)表示捕獲時間為鞏的圖像的輪廓圖 像中的像素（X，y)的強度；X，y分別表示像素（X，y)在相應(yīng)的圖像中的位置；b為預設(shè)的、 與輪廓圖像中除前景輪廓以外的像素相對應(yīng)的更新率（簡稱為背景像素更新率）。此外， Seg(x，y，tk)可以參照公式四的定義。需要注意的是，捕獲時間為tk i的圖像是捕獲時間為 tk的圖像的上一幀圖像，且i > 2。其中，捕獲時間為h的圖像對應(yīng)的環(huán)境輪廓圖像中的像 素（x，y)的強度CB(^yj1)等于捕獲時間為h的圖像的輪廓圖像中的像素（x，y)的強度 CC (x, y, ti) 〇
[0047] 步驟206,在背景輪廓更新后，獲取當前幀圖像的輪廓圖像中的前景輪廓圖像。可 以根據(jù)公式二來獲得第i幀圖像的輪廓圖像與第i-Ι幀圖像對應(yīng)的環(huán)境輪廓圖像的差分圖 像，該差分圖像即前景輪廓圖像。
[0049] 其中，CB(x，y，tk D表示捕獲時間為tk 1的圖像對應(yīng)的環(huán)境輪廓圖像中的像素 (x，y)的強度，CC(x，y，tk)表示捕獲時間為鞏的圖像的輪廓圖像中的像素（x，y)的強度。
[0050] 在該幀圖像的輪廓圖像與其上一幀圖像對應(yīng)的背景輪廓圖像的差分圖像中，將強 度高于該幀圖像對應(yīng)的動態(tài)閾值的那些像素確定為前景像素，并將所確定的所有前景像素 所構(gòu)成的輪廓作為該幀圖像的輪廓圖像中的前景輪廓。
[0051] 這樣，通過動態(tài)閾值的設(shè)定，能夠?qū)⒉罘謭D像中的那些強度較低的像素從前景輪 廓中排除出去，從而使得確定的前景輪廓中的像素（即前景像素）能夠更好地排除環(huán)境噪 聲的干擾。
[0052] 其中，對于上述多幀圖像中的每幀圖像來說,該幀圖像對應(yīng)的動態(tài)閾值例如可以 根據(jù)該幀圖像的輪廓圖像與其上一幀圖像對應(yīng)的背景輪廓圖像的差分圖像來確定。
[0053] 在一個例子中，可以采用如下公式三來計算上述動態(tài)閾值：
[0054] Thre (tk) = mean (CD (tk)) +Wegt X (max (CD (tk)) -mean (CD (tk)) +std (CD (tk)))
[0055] 其中，Thre (tk)表示捕獲時間為tk的圖像所對應(yīng)的動態(tài)閾值。mean (CD (x, y, tk)) 表示捕獲時間為tk的圖像中所有像素對應(yīng)的CD(x，y，tk)的平均值，max(CD( X，y，tk))表示 捕獲時間為t的圖像中所有像素對應(yīng)的⑶(x，y，tk)中的最大值，std(⑶(x，y，tk))表示捕 獲時間為L的圖像中所有像素對應(yīng)的⑶(X，y，tk)的標準差，以及Wegt為預設(shè)的權(quán)重值。
[0056] 步驟208,在根據(jù)本發(fā)明的實施例的運動對象檢測方法的一種實現(xiàn)方式中，可以根 據(jù)公式四來將其獲得的前景輪廓從對應(yīng)幀圖像的輪廓圖像中分割出來。
[0057] 公式四： CN 105184809 A 說明書 5/9 頁
[0059] 其中，Seg(x，y，tk) = 1對應(yīng)于捕獲時間為tk的圖像（例如第k幀圖像的輪廓圖 像）的輪廓圖像中的前景輪廓中的像素（即前景像素），Seg(x，y，tk) = 0對應(yīng)于捕獲時間 為鞏的圖像（例如第k幀圖像的輪廓圖像）的輪廓圖像中除前景輪廓以外的像素。
[0060] 接下來詳細描述基于分類器的運動對象檢測。
[0061] 對捕獲的圖像（CF圖像）和獲取的前景輪廓圖像（CMI圖像）進行尺寸調(diào)整，將其 尺寸縮小。例如，如果CF圖像的尺寸為MXN，則調(diào)整后的高度為MXz，寬度為NXz，其中， 0彡z彡0。CF圖像與CF圖像的尺寸調(diào)整前后對比圖分別參見圖4A和圖4B。
[0062] 在調(diào)整了 CF圖像與CMI圖像的尺寸之后，進行特征的預提取。
[0063] 在本實施例中，在特征提取中使用方向梯度直方圖特征，本部分是特征提取的準 備步驟。在本步驟中，按照如下方法計算經(jīng)過尺寸調(diào)整后的前景輪廓圖像的絕對梯度圖和 角度圖：
[0064] 分別根據(jù)公式五和公式六計算垂直梯度值和水平梯度值。
[0065] 公式五：
[0066] gradv (x, y) = pixel (x, y+1) -pixel (x, y-1)
[0067] 公式六：
[0068] gradh (x, y) = pixel (x+1, y) -pixel (x~l, y)
[0069] 其中，gradv(x, y)和gradh(x, y)分別是像素（x, y)的垂直梯度值和水平梯度值。
[0070] 根據(jù)公式七計算絕對梯度圖以及根據(jù)公式八計算角度劃分圖，圖5示出了計算出 的一個絕對梯度示意圖。
[0071] 公式七：
[0075] 其中，grad (X，y)是像素（X，y)的梯度值，angle (X，y)是像素（X，y)的角度劃分 值，angel (x，y) e [1，BinNum] ,BinNum為角度劃分閾值，在本實施例中BinNum = 9。
[0076] 接下來結(jié)合示例說明如何對前景輪廓圖像進行選擇處理，得到多個待處理子圖像 塊。
[0077] 在傳統(tǒng)的分類器檢測處理過程中，采用如圖6所示的步驟來進行檢測，每一子 圖像塊（被檢測框選取的圖像塊）具有預設(shè)的尺寸，在本實施例中，子圖像塊的尺寸為 Bh X Bw，按照預定間隔移動該檢測框，分類器對檢測框選取的各個子圖像塊進行檢測。從圖 6中可以看出，一些不必要的子圖像塊同樣被選取，例如第三步驟，第η步驟和第m步驟中選 取的子圖像塊，這些子圖像塊的中心區(qū)域沒有包含前景輪廓像素，從圖中也可以看出，被忽 略的子圖像炔基本不包含車輛輪廓，故這些子圖像塊可以被忽略。因此，該處理方法除了增 加了不必要的計算量之外，也會導致檢測錯誤。
[0078] 為了解決傳統(tǒng)檢測處理過程中的上述技術(shù)問題，在本示例中采用了 一種改進的檢 測處理方法（參見圖7A至圖7B，圖7A為捕獲的圖像，圖7B為前景輪廓圖像）。
[0079] 在圖7A中，被第一選擇框30選取的子圖像塊為待處理子圖像塊，該待處理子圖像 塊將來用于分類器的檢測，被第二選擇框32選取的子圖像塊將被忽略。如圖7B所示，如果 在前景輪廓圖像中的子圖像塊中的預設(shè)區(qū)域中包含至少一個前景輪廓像素，則該子圖像塊 可被選取并用于后續(xù)檢測處理中，否則跳過該子圖像塊，以預設(shè)間隔移動選擇框，繼續(xù)判斷 下一子圖像塊是否包含前景輪廓像素。