CN101022505A - 复杂背景下运动目标自动检测方法和装置 - Google Patents
复杂背景下运动目标自动检测方法和装置 Download PDFInfo
- Publication number
- CN101022505A CN101022505A CN 200710064692 CN200710064692A CN101022505A CN 101022505 A CN101022505 A CN 101022505A CN 200710064692 CN200710064692 CN 200710064692 CN 200710064692 A CN200710064692 A CN 200710064692A CN 101022505 A CN101022505 A CN 101022505A
- Authority
- CN
- China
- Prior art keywords
- background
- image
- characteristic block
- difference
- tired
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000012805 post-processing Methods 0.000 claims abstract description 11
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 239000012634 fragment Substances 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012958 reprocessing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及复杂背景下运动目标自动检测方法及装置，采用简单的特征块提取和运动估计方法排除运动背景的干扰，只检测运动的目标。检测方法包括：特征块提取；运动估计；帧间配准差分和后处理几个步骤。检测装置包括特征块提取模块、运动估计模块、帧间配准差分和后处理模块。本发明实现了复杂背景下运动目标的自动检测，把运动目标从实时变化的背景中快速、准确地分离，为图像的进一步分析处理奠定了基础。本发明利用序列图像的运动信息提取背景特征块，特征块提取准确，而且方法简单，实时性和实用性好。
Description
技术领域
本发明涉及一种用于在视频拍摄单元拍摄的图像中自动检测运动目标的方法和装置。
背景技术
现实生活中，大量有意义的视觉信息包含在运动之中，为了监视或跟踪在视频拍摄单元拍摄的视频图像中运动的目标，如飞机、汽车、人等，必须事先检测视频中的目标。运动目标自动检测在交通状况监控、停车场调度监控、事故检测、自动导航等系统中都有广泛的应用前景。
在复杂背景下，通常含有大量噪声，而且除了目标运动外，背景也参与运动，所有这些都给复杂背景下目标的自动检测带来困难。每帧图像由背景和目标组成，目标嵌套在背景中，如果提取到背景，将图像与背景作差即可得到目标，利用此思想提出了基于背景差法的运动目标检测方法，由此产生了多种背景更新模型，如基于Kalman(卡尔曼)滤波的背景减法、自适应背景减法等，但是在复杂背景下这些方法提取的背景通常包含模糊的目标信息，使得提取结果中可能会丢失目标。
如果视频帧中背景静止，只有目标参与运动，那么将相邻两帧图像作差即可检测到运动的目标，利用此思想又提出了基于运动估计的运动目标检测方法，如光流法、块匹配法等。基于光流场的光流法实时性和实用性较差，块匹配的方法对于运动估计的效果较好，但在大面积的平坦区域上进行块匹配是不可靠的，因为匹配模板周围的区域都跟模板太相似，而仅在特征空间进行匹配不仅可以保证运动估计的可靠性，更可以最大限度的减少冗余运算，于是视频帧中背景特征块的提取成为研究热点。有学者提出了Barnard算子，先提取特征点，然后在特征点周围形成特征块，此方法提取的特征点数目多，而且密集，给块匹配运算带来麻烦。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种复杂背景下运动目标进行自动检测的方法，采用块匹配的运动估计方法提取运动目标，该方法实时性和实用性好，并具有高的检出率。基于此方法，提供一种在硬件平台上，采用数字图像处理模块对复杂背景下运动目标进行自动检测的装置。
本发明解决其技术问题所采用的技术方案是：
1)利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
2)将所述特征块作为模板，执行块匹配，获取序列图像的背景运动矢量；
3)依据所述背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标。
所述步骤1)的具体方法是，利用相邻两帧图像信息，将图像均匀分块，对每块计算图像数据的差累和，并设定特征块检测阈值，比较各块的差累和与阈值，将差累和大于阈值的块选为特征快。
一种复杂背景下运动目标自动检测装置，包括：
特征块提取模块，利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
运动估计模块，将所述特征块提取模块提取的特征块作为模板，采用块匹配的运动估计方法，获取序列图像的背景运动矢量；
帧间配准差分和后处理模块，依据所述背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标；
所述运动估计模块与帧间配准差分和后处理模块由现场可编程逻辑门阵列单元及双向存储器组单元组成，所述现场可编程逻辑门阵列单元将输入图像数据实时的存入双向存储器组单元进行存储和调用，并完成特征块提取、运动估计操作；
所述帧间配准差分和后处理模块为高速数字处理器单元，所述高速数字处理器单元完成配准差分和后处理后，将处理结果送入所述现场可编程逻辑门阵列单元输出；
所述的现场可编程逻辑门阵列为一个或一个以上系列，逻辑资源为100万门以上；
所述特征块提取模块利用相邻两帧图像信息，将图像均匀分块，对每块计算图像数据的差累和，并设定特征块检测阈值，比较各块的差累和与阈值，将差累和大于阈值的块选为特征快。
本发明与现有技术相比具有如下优点：
1、利用序列图像的运动信息提取背景特征块，特征块提取准确，而且方法简单，实时性和实用性好。
2、提供了一种在硬件平台上将复杂背景下运动目标自动检测方法付诸实现的装置，为图像的进一步分析处理奠定了基础。
附图说明
图1为本发明中复杂背景下运动目标自动检测方法的一种实施例的流程图；
图2为本发明中复杂背景下运动目标自动检测装置的一种实施例的结构原理图；
图3为本发明中复杂背景下运动目标自动检测装置的物理结构示意图。
具体实施方式
以下结合附图和具体实施例进一步说明本发明。
如图1所示，复杂背景下运动目标的自动检测方法包括以下步骤：
步骤11：利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
步骤12：将特征块作为模板，执行块匹配，获取序列图像(例如当前帧图像和前一帧图像)的背景运动矢量，即运动估计的步骤；
步骤13：依据背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标。
更为具体地，在步骤11中，将视频拍摄单元拍摄的序列图像采用相同的方法均匀分块，对每块计算块内的灰度值差累和，由所有块的灰度值差累和计算特征块检测阈值，将灰度值差累和大于阈值的特征块选为背景特征块。
在步骤12中，采用块匹配方法计算背景运动矢量，将步骤11中提取的背景特征块作为模板，模板周围区域作为搜索区，选用一定的匹配准则和搜索方法计算最佳匹配位置获取背景运动矢量。匹配准则为相似性度量或距离度量，搜索方法为全搜索法、三步搜索法、基于二维对数的搜索法或交叉搜索法。
在步骤13中，依据步骤12获得的背景运动矢量对序列图像进行配准，提取静止背景下的序列图像，然后计算对应像素点灰度差提取运动目标。采用形态学开运算(先腐蚀，后膨胀)消除非目标的碎块和点，改善目标的检测效果。
如图2所示，复杂背景下运动目标自动检测装置的实施例，包括：
特征块提取模块21，用于利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
运动估计模块22，用于将所述特征块提取模块提取的特征块作为模板，采用块匹配的运动估计方法，获取序列图像的背景运动矢量；
帧间配准差分和后处理模块23，用于依据所述背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标。
作为本发明的自动检测装置的物理组成，运动估计模块与帧间配准差分和后处理模块由可编程逻辑器件FPGA(现场可编程逻辑门阵列)单元32及双向存储器组单元34组成，可编程逻辑器件FPGA单元32将由视频拍摄单元31输入的图像数据实时的存入双向存储器组单元34进行存储和调用，并完成特征块提取、运动估计操作。
帧间配准差分和后处理模块为高速数字处理器DSP(数字信号处理器)单元33，高速数字处理器DSP单元33完成配准差分和后处理后，将处理结果送入可编程逻辑器件FPGA单元32输出。
在本实施例中，可编程逻辑器件FPGA至少为一个，最好为一个以上系列，逻辑资源应为100万门以上。
Claims (7)
1、一种复杂背景下运动目标自动检测方法，其特征在于包括以下步骤：
1)利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
2)将所述特征块作为模板，执行块匹配，获取序列图像的背景运动矢量；
3)依据所述背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标。
2、根据权利要求1所述的复杂背景下运动目标自动检测方法，其特征在于：所述步骤1)的具体方法是，利用相邻两帧图像信息，将图像均匀分块，对每块计算图像数据的差累和，并设定特征块检测阈值，比较各块的差累和与阈值，将差累和大于阈值的块选为特征块。
3、一种复杂背景下运动目标自动检测装置，其特征在于包括：
特征块提取模块，利用序列图像的运动信息，提取最能体现背景运动特征的特征块；
运动估计模块，将所述特征块提取模块提取的特征块作为模板，采用块匹配的运动估计方法，获取序列图像的背景运动矢量；
帧间配准差分和后处理模块，依据所述背景运动矢量执行图像配准，获取静止背景下的图像，并提取消除了碎块和点的运动目标。
4、根据权利要求3所述的复杂背景下运动目标自动检测装置，其特征在于：所述运动估计模块与帧间配准差分和后处理模块由现场可编程逻辑门阵列单元及双向存储器组单元组成，所述现场可编程逻辑门阵列单元将输入图像数据实时的存入双向存储器组单元进行存储和调用，并完成特征块提取、运动估计操作。
5、根据权利要求3所述的复杂背景下运动目标自动检测装置，其特征在于：所述帧间配准差分和后处理模块为高速数字处理器单元，所述高速数字处理器单元完成配准差分和后处理后，将处理结果送入所述现场可编程逻辑门阵列单元输出。
6、根据权利要求4或5所述的复杂背景下运动目标自动检测装置，其特征在于：所述的现场可编程逻辑门阵列为一个或一个以上系列，逻辑资源为100万门以上。
7、根据权利要求3所述的复杂背景下运动目标自动检测装置，其特征在于：所述特征块提取模块利用相邻两帧图像信息，将图像均匀分块，对每块计算图像数据的差累和，并设定特征块检测阈值，比较各块的差累和与阈值，将差累和大于阈值的块选为特征块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200710064692 CN101022505A (zh) | 2007-03-23 | 2007-03-23 | 复杂背景下运动目标自动检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200710064692 CN101022505A (zh) | 2007-03-23 | 2007-03-23 | 复杂背景下运动目标自动检测方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101022505A true CN101022505A (zh) | 2007-08-22 |
Family
ID=38710147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200710064692 Pending CN101022505A (zh) | 2007-03-23 | 2007-03-23 | 复杂背景下运动目标自动检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101022505A (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286237B (zh) * | 2008-05-22 | 2010-04-14 | 重庆大学 | 基于视觉仿生的运动目标检测方法 |
| CN101854475A (zh) * | 2009-03-31 | 2010-10-06 | 卡西欧计算机株式会社 | 摄像装置、图像处理方法及记录介质 |
| CN102088544A (zh) * | 2011-02-16 | 2011-06-08 | 天津大学 | 具有前景目标的动态场景视频快速稳像方法 |
| CN102203828A (zh) * | 2008-05-16 | 2011-09-28 | 慧视科技有限公司 | 分析移动摄像机产生的视频信号的方法和装置 |
| CN101588501B (zh) * | 2008-05-19 | 2012-06-20 | 索尼株式会社 | 图像处理装置和图像处理方法 |
| CN102575944A (zh) * | 2009-10-15 | 2012-07-11 | 萨甘安全防护公司 | 一种检测寄生运动并调整惯性单元的方法 |
| WO2013097166A1 (en) * | 2011-12-30 | 2013-07-04 | Intel Corporation | Object detection using motion estimation |
| CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
| CN104376579A (zh) * | 2014-11-14 | 2015-02-25 | 苏州阔地网络科技有限公司 | 一种用于在线课堂系统的运动目标检测方法及系统 |
| CN104966306A (zh) * | 2015-07-07 | 2015-10-07 | 长春理工大学 | 一种基于测量的复杂背景下量子视频动目标检测方法 |
| CN106559645A (zh) * | 2015-09-25 | 2017-04-05 | 杭州海康威视数字技术股份有限公司 | 基于摄像机的监控方法、系统和装置 |
| CN103996187B (zh) * | 2014-04-29 | 2017-04-19 | 南京航空航天大学 | 对地运动目标光电检测系统及其数据处理方法和图像处理方法 |
| CN107507225A (zh) * | 2017-09-05 | 2017-12-22 | 明见（厦门）技术有限公司 | 运动目标检测方法、装置、介质及计算设备 |
| CN108171724A (zh) * | 2017-12-29 | 2018-06-15 | 重庆锐纳达自动化技术有限公司 | 一种实现视觉跟随运动的方法 |
| CN108253967A (zh) * | 2016-10-11 | 2018-07-06 | 英西图公司 | 用于目标相对引导的方法和装置 |
| CN109409321A (zh) * | 2018-11-08 | 2019-03-01 | 北京奇艺世纪科技有限公司 | 一种镜头运动方式的确定方法及装置 |
| CN110415275A (zh) * | 2019-04-29 | 2019-11-05 | 北京佳讯飞鸿电气股份有限公司 | 一种基于点对点的运动目标检测与跟踪方法 |
| CN118334603A (zh) * | 2024-05-13 | 2024-07-12 | 金陵科技学院 | 一种基于运动矢量差异的车辆违停检测方法 |
-
2007
- 2007-03-23 CN CN 200710064692 patent/CN101022505A/zh active Pending
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102203828A (zh) * | 2008-05-16 | 2011-09-28 | 慧视科技有限公司 | 分析移动摄像机产生的视频信号的方法和装置 |
| CN101588501B (zh) * | 2008-05-19 | 2012-06-20 | 索尼株式会社 | 图像处理装置和图像处理方法 |
| CN101286237B (zh) * | 2008-05-22 | 2010-04-14 | 重庆大学 | 基于视觉仿生的运动目标检测方法 |
| CN101854475A (zh) * | 2009-03-31 | 2010-10-06 | 卡西欧计算机株式会社 | 摄像装置、图像处理方法及记录介质 |
| CN101854475B (zh) * | 2009-03-31 | 2013-01-23 | 卡西欧计算机株式会社 | 摄像装置、图像处理方法及记录介质 |
| CN102575944A (zh) * | 2009-10-15 | 2012-07-11 | 萨甘安全防护公司 | 一种检测寄生运动并调整惯性单元的方法 |
| CN102088544A (zh) * | 2011-02-16 | 2011-06-08 | 天津大学 | 具有前景目标的动态场景视频快速稳像方法 |
| WO2013097166A1 (en) * | 2011-12-30 | 2013-07-04 | Intel Corporation | Object detection using motion estimation |
| CN104012072B (zh) * | 2011-12-30 | 2018-01-30 | 英特尔公司 | 使用运动估计的目标检测 |
| CN104012072A (zh) * | 2011-12-30 | 2014-08-27 | 英特尔公司 | 使用运动估计的目标检测 |
| US9525803B2 (en) | 2011-12-30 | 2016-12-20 | Intel Corporation | Object detection using motion estimation |
| CN103325112B (zh) * | 2013-06-07 | 2016-03-23 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
| CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
| CN103996187B (zh) * | 2014-04-29 | 2017-04-19 | 南京航空航天大学 | 对地运动目标光电检测系统及其数据处理方法和图像处理方法 |
| CN104376579A (zh) * | 2014-11-14 | 2015-02-25 | 苏州阔地网络科技有限公司 | 一种用于在线课堂系统的运动目标检测方法及系统 |
| CN104966306A (zh) * | 2015-07-07 | 2015-10-07 | 长春理工大学 | 一种基于测量的复杂背景下量子视频动目标检测方法 |
| CN106559645A (zh) * | 2015-09-25 | 2017-04-05 | 杭州海康威视数字技术股份有限公司 | 基于摄像机的监控方法、系统和装置 |
| CN108253967A (zh) * | 2016-10-11 | 2018-07-06 | 英西图公司 | 用于目标相对引导的方法和装置 |
| CN107507225B (zh) * | 2017-09-05 | 2020-10-27 | 明见（厦门）技术有限公司 | 运动目标检测方法、装置、介质及计算设备 |
| CN107507225A (zh) * | 2017-09-05 | 2017-12-22 | 明见（厦门）技术有限公司 | 运动目标检测方法、装置、介质及计算设备 |
| CN108171724A (zh) * | 2017-12-29 | 2018-06-15 | 重庆锐纳达自动化技术有限公司 | 一种实现视觉跟随运动的方法 |
| CN109409321A (zh) * | 2018-11-08 | 2019-03-01 | 北京奇艺世纪科技有限公司 | 一种镜头运动方式的确定方法及装置 |
| CN110415275A (zh) * | 2019-04-29 | 2019-11-05 | 北京佳讯飞鸿电气股份有限公司 | 一种基于点对点的运动目标检测与跟踪方法 |
| CN110415275B (zh) * | 2019-04-29 | 2022-05-13 | 北京佳讯飞鸿电气股份有限公司 | 一种基于点对点的运动目标检测与跟踪方法 |
| CN118334603A (zh) * | 2024-05-13 | 2024-07-12 | 金陵科技学院 | 一种基于运动矢量差异的车辆违停检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101022505A (zh) | 复杂背景下运动目标自动检测方法和装置 | |
| CN107818571B (zh) | 基于深度学习网络和均值漂移的船只自动跟踪方法及系统 | |
| CN113034548B (zh) | 一种适用于嵌入式终端的多目标跟踪方法及其系统 | |
| CN110378264B (zh) | 目标跟踪方法及装置 | |
| CN103164858B (zh) | 基于超像素和图模型的粘连人群分割与跟踪方法 | |
| CN107133969B (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN101098465A (zh) | 一种视频监控中运动目标检测与跟踪方法 | |
| CN111862145B (zh) | 一种基于多尺度行人检测的目标跟踪方法 | |
| WO2014082480A1 (zh) | 一种人数及人群运动方向的计算方法及装置 | |
| Moradi et al. | Real-time defect detection in sewer closed circuit television inspection videos | |
| CN112597877A (zh) | 一种基于深度学习的厂区人员异常行为检测方法 | |
| CN106504274A (zh) | 一种基于红外摄像头下的视觉跟踪方法及系统 | |
| CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
| CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及系统 | |
| Dong et al. | An automatic object detection and tracking method based on video surveillance | |
| CN113256683B (zh) | 目标跟踪方法及相关设备 | |
| CN110889347A (zh) | 基于时空计数特征的密度交通流计数方法及系统 | |
| CN104091352A (zh) | 基于结构相似度的视觉跟踪方法 | |
| CN103905826A (zh) | 一种自适应全局运动估计方法 | |
| CN106897735A (zh) | 一种快速移动目标的跟踪方法及装置 | |
| CN110210436A (zh) | 一种车载摄像头巡线图像识别方法 | |
| Wang et al. | Multi-object tracking with adaptive cost matrix | |
| Yao et al. | Embedded technology and algorithm for video-based vehicle queue length detection | |
| CN113963310A (zh) | 一种公交站的人流量检测方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20070822 |