相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，屬于圖像處理與計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】。本發(fā)明通過(guò)分析相機(jī)抖動(dòng)場(chǎng)景下像素點(diǎn)的運(yùn)動(dòng)信息，采用概率閾值判斷去除相機(jī)抖動(dòng)造成的誤檢前景點(diǎn)，提高運(yùn)動(dòng)檢測(cè)的準(zhǔn)確性，解決現(xiàn)有運(yùn)動(dòng)檢測(cè)方法對(duì)場(chǎng)景中相機(jī)抖動(dòng)適應(yīng)性不高的問(wèn)題。在背景差法運(yùn)動(dòng)檢測(cè)中，相機(jī)抖動(dòng)造成邊緣處像素點(diǎn)在前一幀被檢測(cè)為前景點(diǎn)，當(dāng)前幀卻被檢測(cè)為背景點(diǎn)，下一幀又可能被檢測(cè)為前景點(diǎn)。運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)是由前一幀的運(yùn)動(dòng)像素點(diǎn)移動(dòng)過(guò)來(lái)，在序列圖像中形成連續(xù)的運(yùn)動(dòng)，且連續(xù)運(yùn)動(dòng)持續(xù)的時(shí)間與運(yùn)動(dòng)物體的尺寸有關(guān)。獲取相機(jī)抖動(dòng)造成的運(yùn)動(dòng)信息的概率分布，實(shí)現(xiàn)相機(jī)抖動(dòng)場(chǎng)景下誤檢前景的剔除。
【專(zhuān)利說(shuō)明】相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理與計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】，具體地說(shuō)，涉及一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，更具體地說(shuō)，涉及一種通過(guò)分析相機(jī)抖動(dòng)造成背景運(yùn)動(dòng)與真實(shí)物體運(yùn)動(dòng)的差異性以獲得精確運(yùn)動(dòng)目標(biāo)的檢測(cè)方法。
【背景技術(shù)】
[0002]運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻系統(tǒng)中各種智能分析處理的基礎(chǔ)和關(guān)鍵所在，它的目的是在序列圖像中檢測(cè)出變化的區(qū)域并將運(yùn)動(dòng)的目標(biāo)從背景圖像中提取出來(lái)，為后續(xù)的運(yùn)動(dòng)目標(biāo)識(shí)別、跟蹤以及行為分析提供了支持。
[0003]目前，常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要有幀間差分法、光流法和背景差分法。其中，幀間差分法計(jì)算簡(jiǎn)單實(shí)時(shí)性強(qiáng)，但其提取的目標(biāo)前景內(nèi)部容易出現(xiàn)空洞。光流法在動(dòng)態(tài)場(chǎng)景中能有著好的檢測(cè)結(jié)果，但是其計(jì)算復(fù)雜。背景差法是通過(guò)提取場(chǎng)景圖像中的特征數(shù)據(jù)來(lái)對(duì)該場(chǎng)景的背景進(jìn)行背景參考圖像的構(gòu)建，將當(dāng)前幀與構(gòu)建的背景參考圖像相減，再對(duì)差值結(jié)果進(jìn)行閾值判決，從而分割出運(yùn)動(dòng)前景，其在計(jì)算速度和檢測(cè)精度上有著好的效果而被人們廣泛研究。但是背景差法的檢測(cè)精度取決于參考背景圖像構(gòu)建的精度，即構(gòu)建的背景參考圖像是否能夠真實(shí)反映當(dāng)前場(chǎng)景，且參數(shù)的實(shí)時(shí)更新能否適應(yīng)背景的變化，這些背景變化有:光照變化(包括緩慢的光照變化和光照的突變)，背景中隨風(fēng)擺動(dòng)的樹(shù)葉、波浪、云、煙、雨、霧等運(yùn)動(dòng)的物體，攝像機(jī)的抖動(dòng)和陰影問(wèn)題等。由于構(gòu)建背景參考圖像需要考慮這些困難因素，使得目前構(gòu)建一個(gè)好的背景建模以及自適應(yīng)背景圖像更新的算法成為一項(xiàng)比較困難的工作。
[0004]針對(duì)上述的問(wèn)題，Stauffer等人于1999年在《IEEE Computer SocietyConference on Computer Vision and Pattern Recognition))上發(fā)表了 ((Adaptivebackground mixture models for real-time tracking〉〉提出的自適應(yīng)混合高斯方法，采用多個(gè)高斯分布描述像素過(guò)程，該方法能夠適應(yīng)場(chǎng)景的緩慢變化，但這類(lèi)方法需要事先假定背景分布模型及進(jìn)行模型參數(shù)估計(jì)和優(yōu)化，且不能適應(yīng)光照或背景的突變問(wèn)題；Elgammal 等人于 2000 年在〈〈IEEE Computer Society Conference on Computer Vision))上發(fā)表了〈〈Non-parametric background model for background subtraction))提出的一種非參數(shù)核密度估計(jì)算法，對(duì)樣本數(shù)據(jù)用核函數(shù)進(jìn)行估計(jì)，選出概率密度最大的樣本數(shù)據(jù)作為背景，該方法能夠適應(yīng)不同的場(chǎng)景，不過(guò)由于采樣樣本中包含噪聲且對(duì)圖像非典型運(yùn)動(dòng)像素也進(jìn)行了核密度估計(jì)，由此不可避免地造成計(jì)算大，產(chǎn)生估計(jì)錯(cuò)誤噪聲等問(wèn)題。采用單個(gè)全局閾值；Kim等人于2005年在《Real-Time Imaging》上發(fā)表了((Real-timeforeground-background segmentation using code-book model〉〉提出的一種結(jié)構(gòu)化的Codebook的運(yùn)動(dòng)檢測(cè)方法，利用現(xiàn)存碼元和新像素值進(jìn)行比較，區(qū)別出背景和前景像素，具有很好的實(shí)時(shí)性，但存在參數(shù)設(shè)置復(fù)雜和理論支持不足的缺點(diǎn)；但以上這些運(yùn)動(dòng)檢測(cè)算法都是基于場(chǎng)景的像素或色彩分布構(gòu)建背景圖像，其在相機(jī)抖動(dòng)場(chǎng)景中檢測(cè)效果仍存在缺陷。
【發(fā)明內(nèi)容】

[0005]1、要解決的問(wèn)題
[0006]針對(duì)現(xiàn)有運(yùn)動(dòng)檢測(cè)方法對(duì)場(chǎng)景中相機(jī)抖動(dòng)適應(yīng)性不高的問(wèn)題，本發(fā)明提出了一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其通過(guò)分析相機(jī)抖動(dòng)場(chǎng)景下像素點(diǎn)的運(yùn)動(dòng)信息，采用概率閾值判斷去除相機(jī)抖動(dòng)造成的誤檢前景點(diǎn)，提高運(yùn)動(dòng)檢測(cè)的準(zhǔn)確性，在背景差法運(yùn)動(dòng)檢測(cè)中，相機(jī)抖動(dòng)場(chǎng)景下，相機(jī)抖動(dòng)造成邊緣處像素點(diǎn)在前一幀被檢測(cè)為前景點(diǎn)，當(dāng)前幀卻被檢測(cè)為背景點(diǎn)，下一幀又可能被檢測(cè)為前景點(diǎn)，運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)是由前一幀的運(yùn)動(dòng)像素點(diǎn)移動(dòng)過(guò)來(lái)，在序列圖像中形成連續(xù)的運(yùn)動(dòng)，且連續(xù)運(yùn)動(dòng)持續(xù)的時(shí)間與運(yùn)動(dòng)物體的尺寸有關(guān)。基于這種運(yùn)動(dòng)信息的差異性，獲取相機(jī)抖動(dòng)造成的運(yùn)動(dòng)信息的概率分布，實(shí)現(xiàn)相機(jī)抖動(dòng)場(chǎng)景下誤檢前景的剔除。
[0007]2、技術(shù)方案
[0008]本發(fā)明的目的通過(guò)以下技術(shù)方案實(shí)現(xiàn):
[0009]一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其步驟為:
[0010](I)采用平均值背景法構(gòu)建初始背景圖像
[0011]連續(xù)采集視頻序列中前N幀圖像,將該N幀圖像對(duì)應(yīng)像素灰度值的平均值作為初始背景圖像的像素灰度值，計(jì)算公式如下:
[0012]
【權(quán)利要求】
1.一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其步驟為: (1)采用平均值背景法構(gòu)建初始背景圖像 連續(xù)采集視頻序列中前N幀圖像，將該N幀圖像對(duì)應(yīng)像素灰度值的平均值作為初始背景圖像的像素灰度值，計(jì)算公式如下:
2.根據(jù)權(quán)利要求1所述的一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其特征在于，所述的步驟(2)中二值判決閾值th采用自適應(yīng)方式更新，方法如下: 計(jì)算當(dāng)前幀圖像It中所有背景點(diǎn)的像素灰度值的標(biāo)準(zhǔn)差0 t，計(jì)算公式如下，
3.根據(jù)權(quán)利要求1或2所述的一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其特征在于，所述步驟(3)中概率密度函數(shù)ft (I)的求法如下，對(duì)于任意的In (I < n < T)出現(xiàn)的概率ft (In)采用非參數(shù)的核密度估計(jì)，公式如下:其中，Kh是核函數(shù)，核函數(shù)的窗寬為h，/
4.根據(jù)權(quán)利要求3所述的一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其特征在于，所述步驟(4)中，剔除相機(jī)抖動(dòng)造成的誤檢前景的具體方法如下式所示:
5.根據(jù)權(quán)利要求4所述的一種相機(jī)抖動(dòng)場(chǎng)景下基于背景差和運(yùn)動(dòng)信息的前景檢測(cè)方法，其特征在于，所述步驟(5)中，選擇性自適應(yīng)更新初始背景的方法如下， 采用前一幀二值圖像的檢測(cè)結(jié)果作為更新的判定依據(jù)，如果當(dāng)前幀二值圖像Lt的像素點(diǎn)U，y)在前一幀二值圖中的值為0，則表示在Lt中此像素點(diǎn)屬于背景點(diǎn)，則該像素點(diǎn)參與背景圖像更新，并以一定的比例更新到背景圖像中，否則不參與更新，更新公式如下:
【文檔編號(hào)】H04N5/14GK103530893SQ201310510830
【公開(kāi)日】2014年1月22日 申請(qǐng)日期:2013年10月25日 優(yōu)先權(quán)日:2013年10月25日
【發(fā)明者】李勃, 廖娟, 董蓉, 隆迪, 王江, 邱中亞, 陳星明, 王云燁, 陳啟美 申請(qǐng)人:南京大學(xué), 南京大學(xué)鎮(zhèn)江高新技術(shù)研究院