一種基于時空背景模型的運動目標檢測方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及智能視頻監(jiān)控領域，特別是涉及一種基于時空背景模型的運動目標檢 測方法與裝置。
【背景技術】
[0002] 運動目標檢測的基本任務是從序列圖像中將運動目標從圖像背景中提取出來，從 而得到目標的運動信息，對后續(xù)的圖像分類、目標跟蹤等工作具有重要的意義，能夠在較大 的程度上簡化分析工作。由于在實際監(jiān)控場景中，背景往往不是完全靜止的，而是時刻處于 變化中，例如：天氣的變化、背景的微小的規(guī)律的晃動、光照的變化，逐漸融入背景中的目標 等，使得背景建模成為運動目標檢測的一個重點和難點問題。
[0003] 背景差分法由于速度快、準確度高、能夠提取完整的目標輪廓等原因，受到了廣泛 的關注和應用。其中，背景建模方法是背景差分法檢測運動目標的核心。目前，典型的背景 建模方法有：混合高斯背景建模方法、碼本法、非參數(shù)背景建模方法、ViBe、PBAS等方法。這 些傳統(tǒng)的背景建模方法利用像素在時間序列上的統(tǒng)計特征進行建模，并未充分利用空間信 息，因此，在目標檢測過程中，往往出現(xiàn)較多的誤檢，并且在背景更新過程中，容易將前景更 新到背景中，而真正的背景更新的速度不夠快。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術問題是提供一種基于時空背景模型的運動目標檢測方法， 可應用于復雜場景下的目標檢測，能有效地適應場景的變化。
[0005] 本發(fā)明解決上述技術問題所采用的技術方案是：
[0006] -種基于時空背景模型的運動目標檢測方法，包括以下步驟：
[0007] 步驟1 :根據(jù)采集到的若干幀圖像進行背景建模得到時間背景模型，
[0008]圖像采集由圖像采集模塊從待處理的監(jiān)控視頻中提取；
[0009] 步驟2:將當前幀與背景模型求差，二值化后，得到初始運動目標，初始運動目標 為二值化后的前景圖；
[0010] 步驟3 :對于每個初始運動目標，向背景區(qū)域進行區(qū)域生長，得到生長后的背景區(qū) 域；
[0011] 所述生長是指由初始運動目標的八連通鄰域向外生長，與運動目標的灰度值相差 在一定范圍內(nèi)的認為是同質區(qū)域，可以擴展，直到無法擴展，從而的得到該初始運動目標所 屬的背景區(qū)域；
[0012] 步驟4 :使用混合高斯模型描述上述背景區(qū)域，得到空間背景模型；
[0013] 步驟5:判斷初始運動目標是否符合空間背景模型分布，如果符合，則說明是前 景；如果不符合，去噪之后，得到最終的運動目標；
[0014] 步驟6 :更新時間背景模型。
[0015] 時間背景模型是用來得到初始運動目標的，更新時間背景模型的效果在于：消除 光照漸變對提取前景目標的影響。
[0016] 在采用上述技術方案的同時，本發(fā)明還可以采用或者組合采用以下進一步的技術 方案：
[0017] 所述步驟1的建模過程具體包括以下步驟：
[0018] 步驟1. 1 :采集若干幀圖像，轉換為灰度圖像，假設在該序列中位于點（x，y)的像 素灰度值為：Y = {y: (X，y)，y2 (X，y)，? ? ?，yN (X，y)};
[0019] 步驟1. 2 :計算這些采樣值（步驟1. 1中各個點的Y值）的均值和標準差，設定閾 值tl，如果標準差小于閾值tl，則將其聚為一類；如果標準差不小于閾值tl，則將這些采樣 值用分為兩類，分別計算均值和標準差。
[0020] 所述步驟2具體包括以下步驟：
[0021] 步驟2. 1 :將當前幀圖像轉換為灰度圖像，將像素灰度值分別減去模型對應的均 值，如果相應差值在3倍標準差以內(nèi)，則為背景，否則為前景；
[0022] 步驟2. 2 :通過提取連通區(qū)域，將前景像素歸類得到初始運動目標。
[0023] 所述步驟3中的生長是指從每個初始運動目標與背景的八連通鄰域向背景區(qū)域 開始生長，得到相應的區(qū)域生長后的背景區(qū)域。
[0024] 所述步驟6具體包括以下步驟：
[0025] 步驟6. 1 :對運動目標區(qū)域，采用較小的更新率進行更新；
[0026] 步驟6. 2 :對于背景區(qū)域，采用較大的更新率進行更新；
[0027] 上述較大與較小是步驟6. 1和步驟6. 2相互之間的比較。
[0028] 本發(fā)明所要解決的另一個技術問題是提供一種一種基于時空背景模型的運動目 標檢測裝置，所述目標檢測裝置包括圖像采集模塊、時間背景建模模塊、運動目標檢測模 塊、空間背景建模模塊、運動目標確認模塊和背景模型更新模塊，所述圖像采集模塊用于采 集監(jiān)控圖像，所述時間背景建模建模模塊用于步驟1中的建立時間背景模型，所述運動目 標檢測模塊用于在步驟2中從時間背景模型中提取初始的運動目標，所述空間背景建模模 塊用于對每個初始目標的對應背景區(qū)域進行計算，并建立相應的空間背景模型，所述運動 目標確認模塊用于將步驟2提取的初始運動目標放入空間背景模型中進行驗證，得到最終 的運動目標，所述背景模型更新模塊用于對背景和運動目標進行更新；
[0029] 所述圖像采集模塊連接監(jiān)控設備并對其中的監(jiān)控圖像進行采集，所述圖像采集模 塊連接至時間背景建模模塊并向其發(fā)送所采集的圖像信息，所述時間背景建模模塊連接至 所述運動目標檢測模塊并向其發(fā)送建模信息，所述運動目標檢測模塊連接至空間背景建模 模塊并向其發(fā)送初始運動目標信息，所述空間背景建模模塊連接至所述運動目標確認模塊 并向其發(fā)送空間背景建模信息和初始運動目標信息，所述運動目標確認模塊連接至背景模 型更新模塊并向其發(fā)送最終運動目標信息，所述背景模型更新模塊根據(jù)不同的更新率對運 動目標和背景進行更新。
[0030] 本發(fā)明的有益效果是：本發(fā)明的一種基于時空背景模型的運動目標檢測方法和裝 置是一個一體化的解決方案，具體有如下創(chuàng)新：1、提出了空間背景建模的概念，認為前景物 體與周圍的背景在顏色等特征上有一定的差異，初始運動目標如果在顏色等特征上與周圍 背景一致，則認為是誤檢，從而提高了運動目標檢測的準確率。2、在更新時間背景模型時， 背景區(qū)域采用較快更新率，使背景變化能較快的學習到模型中，而確認后的運動目標區(qū)域 采用較慢的更新率，既能將長時間靜止的運動目標逐漸學習到背景中，又提高了短時停止 的運動目標的檢出率。
【附圖說明】
[0031] 圖1是本發(fā)明一種基于時空背景模型的運動目標檢測方法流程圖。
[0032]圖2是本發(fā)明一種基于時空背景模型的運動目標檢測裝置結構圖。
【具體實施方式】
[0033] 實施例1，一種基于時空背景模型的運動目標檢測方法，參照附圖1。
[0034] 本發(fā)明的運動目標檢測方法具體包括以下步驟：
[0035] 步驟1:根據(jù)采集到的3000幀圖像進行背景建模得到時間背景模型；
[0036] ①轉換為背景圖像，假設在該序列中位于點（x，y)的像素灰度值為：Y= {yi(x，y) ,y2 (x, y), ? ? ?, y3〇〇〇(x, y)}；
[0037] ②計算這些采樣值即上述的像素灰度值的均值y和標準差S:
[0038]
[0039]
[0040] 式中的i表示第i個采樣點，
[0041] 如果S〈20,則將該高斯模型作為該像素點的時間背景模型。如果S多20,使用 K均值聚類法，將其劃分為兩類，分別計算均值和標準差，作為時間背景模型。
[0042] 步驟2:將當前幀與背景模型求差，二值化后，得到初始運動目