CN101201934A - 视频对象分段方法 - Google Patents
视频对象分段方法 Download PDFInfo
- Publication number
- CN101201934A CN101201934A CNA2006101669808A CN200610166980A CN101201934A CN 101201934 A CN101201934 A CN 101201934A CN A2006101669808 A CNA2006101669808 A CN A2006101669808A CN 200610166980 A CN200610166980 A CN 200610166980A CN 101201934 A CN101201934 A CN 101201934A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- pixel
- background
- image
- value
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Studio Circuits (AREA)
Abstract
一种视频对象分段方法,包括接收一图像的一像素,其中上述像素具有一对应位置,计算上述像素的像素值与前一图像的对应位置的像素值的差值。利用此差值与上述像素进行多层式背景登录,以取出一背景。利用取出的背景去除图像的背景区域。此外,去除图像及背景的亮度平均值,以避免光源变动、闪烁造成亮度不均等问题,使对象分段错误。
Description
技术领域
本发明关于一种视频对象分段(object segmentation for video)方法,且特别是关于一种利用多层式背景登录方式的视频对象分段方法。
背景技术
基于现今民众对于居家安全、高龄化社会老弱的健康关怀与医疗照护等需求日益增加,因此带动了保全与安全监护服务等相关产业的发展。一般保全与安全监护服务为经图像监控方式,再将监控的图像分段出前景图像,以进行追踪或辨识前景图像,达到保全监视及远距离照护等目的。然而,居家照护、保全监视等图像监控方式在实际上,处理的图像数据量极为庞大且涉及个人隐私权的范畴,大多采用分格录像方式。因此,正确分段出有意义之前景图像,以作更有效率的运用处理或纪录显得愈益重要。
传统视频对象分段方法为利用获得的图像经一段计算周期统计后取得所需的背景,再分段出对象。然而,在多组摄影机周期式切换轮播监控的视频环境下,由于受最低有效取样图像数目的限制,因此无法即时取得分段对象所需的背景。此外,在真实应用环境下,光源自然变换、闪烁、遮蔽阴影改变或者摄影机光圈变动导致整张或者部份图像亮度偏移的现象,因此在图像对比或对象分段的处理上会造成错误的判断。
图1表示为公知使用背景登录技术的有效移动对象分段的方法流程图。此技术公开在“Efficient Moving Object Segmentation Algorithm UsingBackground Registration Technique,”IEEE Transactions on Circuit andSystems for Video Technology,Vol.12,No.7,July 2002,pp.577-586)的论文中。上述方法将输入的图像Fn经梯度滤波(gradient filter)的处理(如步骤S101),其中,梯度滤波方式为将图像Fn做形态学的扩张运算(dilationof morphological operation)所获得的图像与将图像Fn做形态学的侵蚀运算(erosion of morphological operation)所获得的图像相减,以消除遮蔽阴影造成对象分段错误,并且获得经梯度滤波处理的图像Fn′。再将图像Fn′与存储在帧缓冲器(frame buffer)(如步骤S102)内之前一图像Fn-1′做分段运算(segmentation algorithm)(如步骤S103),以获得移动对象。最后将分段出之前景图像做形态学的侵蚀运算(如步骤S104),以消除梯度滤波造成的错误像素。然而,上述方法对于缺少明显边缘的对象分段效果较差。
图2表示为公知移动投影阴影检测的对象分段的方法流程图。上述方法公开在“Detection of Moving Cast Shadow for Object Segmentation,”IEEETransactions on Multimedia,Vol.1,No.1,March 1999,pp.65-67的论文中。上述方法主要为检测及去除阴影遮蔽所造成的区域(如步骤S201),需经三种处理方式。第一种处理方式为检测静态背景边缘(detection ofstatic background edge)(也就是步骤S202),取出静态背景边缘的图像。第二种处理方式为检测均匀变化的遮蔽(detection of uniform changes ofshading)(如步骤S203),以取出均匀变化的遮蔽区域的图像。第三种处理方式为半影检测(penumbra detection)(如步骤S204),取出半影区域的图像。最后利用上述三种图像检测因移动投影阴影而改变的区域(如步骤S205),再进行对象分段。虽然上述方法虑及移动的遮蔽阴影造成分段对象错误的判断,但演算繁杂无法即时分段出对象,不适用于真实环境。
另外,在美国第6,870,945号专利中提出“Video object tracking byestimating and subtracting background”技术。此专利的内容为图像发生变动时需经一段初始周期,例如实施例提及需连续3张图像帧的周期,重新更新前景或背景的掩模后,才能正确分段对象。此外当光源亮度变动、闪烁或阴影遮蔽造成图像亮度不均、亮度漂移等问题,易造成错误判断前景或背景。
除此之外,在美国专利公告号第6,973,213号专利中提出“Background-based image segmentation”的技术。此专利的内容主要为运用低通滤波器(low pass filter)取得背景图像区块以及运用分辨率改善(resolution refinement)方法取得对象图像区块,并且分类。但仅适用于光学字符识别技术(optical character recognize)。
发明内容
本发明提供一种视频对象分段方法,利用多层式背景登录的方式,将静止一段预设时间的像素存储在图像数据库的背景数据,以当像素发生变动时,能即时地取出合适的背景,无须经过另一计算周期来取出背景。
本发明提供一种视频对象分段方法,将图像与背景做去除亮度平均值的处理,以避免光源变动、闪烁、遮蔽阴影改变或者取像装置造成图像亮度不均、亮度漂移等问题。
本发明提出一种视频对象分段方法包括接收图像的一像素,其中上述像素具有一对应位置。此外计算上述像素的像素值与前一图像的对应位置的像素值的差值。利用差值与上述像素进行多层式背景登录,并取出背景,再利用取出的背景去除图像的背景区域。
上述的视频对象分段方法,在一实施例中多层式背景登录包括下列步骤,提供一图像数据库,且图像数据库内存储k层背景数据,1≤k≤n,其中n为图像数据库存储背景数据的最大数量。当上述像素为一背景状态且上述差值小于阈值,则背景的对应位置的像素为上述像素。当上述像素为背景状态且差值大于上述阈值,对比上述像素与每一背景数据的对应位置的像素。
上述的视频对象分段方法,在一实施例中还包括去除上述图像的亮度平均值,去除上述背景的亮度平均值。
上述的视频对象分段方法,在一实施例中去除图像的亮度平均值包括下列步骤,取相邻上述像素的第一区块内多个像素的像素平均值,并且将上述像素的像素值减去像素平均值。
上述的视频对象分段方法,在一实施例中去除背景的亮度平均值包括下列步骤,取相邻背景的对应位置的第二区块内多个像素的像素平均值,并且将背景的对应位置的像素值减去像素平均值。
上述的视频对象分段方法,在一实施例中利用背景去除图像的背景区域包括下列步骤,计算上述像素的像素值与背景的对应位置的像素值的差异值。当差异值大于阈值时,设定上述像素为改变检测掩模状态。
上述的视频对象分段方法,在一实施例中利用背景去除图像的背景区域还包括下列步骤,当上述像素为改变检测掩模状态,取出上述像素的第一区块与相邻背景的对应位置的第二区块。计算第一区块与第二区块的变动值,当变动值大于预定值时,设定上述像素为对象掩模状态。
上述的视频对象分段方法,在一实施例中变动值为第一区块内的每一像素与第二区块内对应位置的每一像素相减的绝对值总和。
上述的视频对象分段方法,在一实施例中在设定上述像素为改变检测掩模状态后,利用背景去除图像的背景区域之前,还包括对改变检测掩模图像做形态学的扩张运算。
上述的视频对象分段方法,在一实施例中在利用背景去除上述图像的背景区域的后还包括对图像做形态学的侵蚀运算。
本发明提出一种视频对象分段方法包括接收图像的一像素,其中上述像素具有一对应位置。计算上述像素的像素值与前一图像的对应位置的像素值的差值,并取出一背景。接着去除图像的亮度平均值,及去除背景的亮度平均值。再利用已经去除背景亮度平均值的背景与已经去除图像亮度平均值的图像来去除图像的背景区域。
本发明因采用多层式背景登录的方式,将静止一段预设时间的像素存储为图像数据库内的背景数据。因此,当图像之前景图像移动或者消失致使像素发生变动时,便能即时地取出合适的背景,以提供做为对象分段或追踪,无须经过另一周期重新计算出新的背景。此外为了避免光源变动、闪烁、遮蔽阴影改变或者取像装置造成图像亮度不均、亮度漂移等问题使对象分段错误,因此将取出的背景与图像做去除亮度平均值的处理。
附图说明
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举本发明的较佳实施例,并配合附图,详细说明如下。
图1表示为公知的使用背景登录技术的有效移动对象分段的方块图。
图2表示为公知的移动投影阴影检测的对象分段的方块图。
图3表示为本发明的一较佳实施例的视频对象分段方法的流程图。
图4表示为本发明的一较佳实施例的多层式背景登录的状态图。
图5表示为光源变动对图像亮度值的变化图。
图6A表示为去除背景亮度平均值处理的示意图。
图6B表示为去除图像亮度平均值处理的示意图。
图7表示为本发明的一较佳实施例的视频对象分段方法的流程图。
主要元件符号说明
S101-S104:公知对象分段方法的各步骤
S201-S205:公知对象分段方法的各步骤
S307-S307:依照本发明的一较佳实施例的视频对象分段方法的各步骤
S401-S407:像素的各状态
501-503、601-603:遮蔽阴影变化范围
S701-S709:依照本发明的一较佳实施例的视频对象分段方法的各步骤
C1、C5:静止次数未达到静止阈值的条件
C2、C6:静止次数达到静止阈值的条件
C3:差值小于阈值的条件
C4:差值大于阈值且图像数据库内无符合的背景数据的条件
C7:新背景建立完成的条件
C8:差值大于阈值且图像数据库内有其他背景数据的条件
C9:图像数据库内无符合的背景数据的条件
C10、C14:像素符合图像数据库内第1-k层背景数据其一的条件
C11:完成取出图像数据库内背景数据的条件
C12:差值大于阈值的条件
C13:图像数据库内无符合的背景数据的条件
C15:像素符合第0层背景的条件
具体实施方式
在以实施例说明本发明的精神之前,首先,本发明的图像对象切割方法应用在远距居家照护的图像监控,以正确分段出有意义之前景对象做更有效率的运用处理或纪录,然而本发明并不局限于此范围,仍可应用在保全监视、多组摄影机周期式切换轮拨监控的视频环境等。
本发明提供一种视频对象分段方法,利用多层式背景登录的方式,将静止一段预设时间的像素存储在图像数据库的背景数据,以当像素发生变动时,能即时地取出合适的背景,无须经过另一计算周期来取出背景。因此,本发明所提出的图像对象切割方法,以一简化的计算却能正确地分段出有意义之前景对象,并做更有效率的运用处理或纪录,此可应用在具有较低运算能力的手持式电子装置中。
本发明提供一种视频对象分段方法,将图像与背景做去除亮度平均值的处理,以避免光源变动、闪烁、遮蔽阴影改变或者取像装置造成图像亮度不均、亮度漂移等问题。
图3表示为本发明的一较佳实施例的图像对象分段方法的流程图。请参照图3,首先,接收一图像Fn的一像素(步骤S301),并且计算上述像素与前一图像Fn-1对应位置的像素的差值(Frame Difference)(步骤S302)。利用上述差值以及上述像素进行多层式背景登录(Layered BackgroundRegistration),以取出一背景Bn(步骤S303),并且利用背景Bn设定像素初始的改变检测掩模状态(Change Detection Mask,“CDM”)(步骤S307),其中,设定改变检测掩模状态的目的为在上述像素发生变动时,能快速依据改变检测掩模状态来进行去除图像的背景区域处理。为了避免光源亮度变动、闪烁、遮蔽阴影改变或者取像装置造成图像亮度不均、亮度漂移等问题,因此将图像Fn去亮度平均值的处理(Mean Removal)(步骤S304)以及将取出的背景Bn去亮度平均值的处理(步骤S305)。最后,利用去除亮度平均值的背景Bn′去除已去除亮度平均值的图像Fn′的背景区域(步骤S306),以取得前景图像。
图4表示为本发明的一较佳实施例的多层式背景登录的状态图。请参照图4,初始时,上述像素为未知状态S401。若上述像素与前一图像对应位置的像素的差值小于一阈值,便累计上述像素的静止次数。当上述像素的静止次数达到一静止阈值,表示上述像素静止一段预设时间且为非动态的背景图像,其中C1为静止次数未达到静止阈值的条件,C2为静止次数达到静止阈值的条件。因此标记上述像素为背景状态S402,以及记录上述像素的背景层数为1,并且将上述像素存储在图像数据库内第0层背景数据对应位置。其中,第0层背景数据设定为上述多层式背景登录所取出的背景,以去除接收的图像的背景区域。
接着,当上述像素为背景状态S402时,若上述像素与前一图像对应位置的像素的差值小于阈值,表示上述像素没有变动,因此将上述像素存储至图像数据库内第0层背景数据对应位置,其中C3为差值小于阈值的条件。若上述像素与前一图像对应位置的像素的差值大于阈值,且上述像素的背景层数等于1,表示上述像素有变动但图像数据库内没有符合的背景数据,因此标记上述像素为检查新背景状态S403,其中C4为差值大于阈值且图像数据库内无符合的背景数据的条件。若上述像素与前一图像对应位置的像素的差值大于阈值,且上述像素的背景层数大于1,表示上述像素有变动且图像数据库内具有除了第0层背景数据外可供查询的其他背景数据,因此标记上述像素为检查旧背景状态S404,其中C8为差值大于阈值且图像数据库内有其他背景数据的条件。
当上述像素为检查新背景状态S403时,若上述像素与前一图像对应位置的像素的差值大于阈值,表示像素发生变动,因此标记上述像素为检查原背景状态S405,其中C12为差值大于阈值的条件。若上述像素与前一图像对应位置的像素的差值小于阈值,累计上述像素的静止次数。当静止次数达到静止阈值时,表示上述像素静止一段预设时间且为非动态的背景图像,因此标记上述像素为建立新背景状态S406,其中C5为静止次数未达到静止阈值的条件,C6为静止次数达到静止阈值的条件。
当上述像素为建立新背景状态S406时,先将图像数据库内多个背景数据往较高背景层数搬动,以空出第0层背景数据。此外将上述像素存储至图像数据库内第0层背景数据对应位置,以及标记像素为背景状态S401,其中C7为新背景建立完成的条件。
当上述像素为检查原背景状态S405时,自图像数据库内第0层背景数据开始检查是否有符合的背景数据。检查方式为计算上述像素与图像数据库内多个背景数据对应位置的像素的差值,若差值小于阈值,表示有符合的背景数据。若找到符合的背景数据为第0层背景数据,标记上述像素为背景状态S402,将上述像素存储至第0层背景数据的对应位置,其中C15为上述像素符合第0层背景的条件。若找到符合的背景数据为第i层背景数据(1≤i≤k),其中k为图像数据库内存储背景数据的数量,则标记上述像素为取出旧背景状态S407,其中C14为上述像素符合图像数据库内第1-k层背景数据其一的条件。若找不到符合的背景数据,则标记上述像素为检查新背景S403,其中C13为图像数据库内无符合的背景数据的条件。
当上述像素为检查旧背景状态S404时,自图像数据库内第1层背景数据开始检查是否有符合的背景数据。检查方式为计算上述像素与图像数据库内多个背景数据对应位置的像素的差值,若差值小于阈值,表示有符合的背景数据,例如第i层背景数据(1≤i≤k),其中k为图像数据库内存储背景数据的数量,因此标记上述像素为取出旧背景状态S407,其中C10为像素符合图像数据库内第1-k层背景数据其一的条件。若图像数据库内皆无符合的背景数据,则标记上述像素为检查新背景状态S403,其中C9为图像数据库内无符合的背景数据的条件。
当上述像素为取出旧背景状态S407时,将符合的背景数据的上方各层背景数据(较低层背景层数)往下方(较高层背景层数)搬动。此外将上述像素存储在图像数据库内第0层背景数据对应位置,以及标记上述像素为背景状态S401,其中C11为完成取出图像数据库内背景数据的条件。
如上述多层式背景登录的各步骤的说明主要为当像素被标记为背景状态,将接收的图像分为几种情况。一种情况为目前图像的像素没有变动,因此利用像素更新背景对应位置的像素。另一种情况为接收目前图像的像素有变动,因此对比图像数据库内是否有符合的背景数据。若图像数据库内有符合的背景数据,便可即时地更新背景,无须经过一段初始周期重新统计背景。若图像数据库内无符合的背景数据,便检查像素是否静止一段预设时间。若像素静止一段预设时间,则将像素存储在图像数据库内多个背景数据的一的对应位置。
图5表示为光源变动对图像亮度值的变化图。请参照图5,其中范围501、502、503分别为在均匀的阴影遮蔽(Uniform Shadow)、半影遮蔽(Penumbra)以及无阴影遮蔽(Without Shadow)三种状态下图像的亮度变化。光源亮度变动、闪烁、遮蔽阴影改变或者取像装置会造成图像亮度不均、亮度漂移等问题,且易使前景、后景图像判断错误,因此透过将取出的背景与接收的图像去除亮度平均值,以将亮度不均、亮度漂移现象影响的程度降低。
图6A表示为去除背景亮度平均值处理的示意图,图6B表示为去除图像亮度平均值处理的示意图。请参照图6A与图6B,其中范围601、602、603分别将背景与图像去除亮度平均值后在均匀的阴影遮蔽、半影遮蔽以及无阴影遮蔽下图像的亮度变化。由图6A与图6B可知,将光源变动、闪烁或遮蔽阴影改变等造成亮度不均、亮度漂移问题的影响程度降低,以获得最佳化之前景或者背景图像。
去除图像亮度平均值处理程序(Mean Removal Process)为取相邻上述像素的一第一区块内多个像素的像素平均值,例如此第一区块为3×3的视窗(window),再将上述像素的像素值减去像素平均值。此外,去除背景亮度平均值处理程序为在背景中找出与上述像素相同位置的像素,取相邻上述像素的一第二区块内多个像素的像素平均值,此第二区块与上述第一区块相同大小,再将上述像素减去像素平均值。
接着,利用取出的背景Bn去除图像的背景区域,即可获得前景图像。在此去除图像的背景区域的处理程序,为利用设定上述像素的改变检测掩模状态与设定像素对象掩模状态的方式将图像中之前景图像取出。其中,设定改变检测掩模状态的目的为在像素发生变动时,能快速依据改变检测掩模状态来进行去除图像的背景区域处理,再藉由对象掩模状态来取出图像之前景图像。首先,计算上述像素与多层式背景登录中取出的背景Bn对应位置的像素的差值,若差值小于阈值,则设定上述像素的改变检测掩模状态为0,即无须改变目前的对象掩模状态。若差值大于阈值,则设定上述像素的改变检测掩模状态为1,即需要改变目前的对象掩模状态。
当上述像素的初始改变检测掩模状态为1,则取出相邻像素的一第一区块以及取出相邻去亮度平均值的背景Bn′的对应位置的一第二区块。计算第一区块内每一像素值与第二区块内对应位置的每一像素值相减的绝对值总和,若此总和大于预定值则设定上述像素的对象掩模状态为1,即上述像素为前景图像。若此总和小于预定值则设定上述像素的对象掩模状态为0。由于设定改变检测掩模状态的目的为在像素发生变动时,能快速依据改变检测掩模状态来进行去除图像的背景区域处理,而在本发明另一实施例中,亦可直接藉由设定上述像素对象掩模状态的方式,以取出前景图像。
图7表示为本发明的另一较佳实施例的视频对象分段方法的流程图。请参照图3与图7,图7与上述图3实施例不同的处在于,将改变检测掩模处理(步骤S707)后的改变检测掩模图像做形态学的扩张运算(Dilation)处理(步骤S708),将改变检测掩模图像中的对象区域边界向外膨胀一个像素。此外在去除图像背景区域处理(步骤S706)后,将去除背景区域的图像,亦即前景图像,做形态学的侵蚀运算(Erosion)处理(步骤S709),将前景图像区域边界内缩一个像素。藉由形态学的扩张运算与侵蚀运算,可去除阴影区域与前景图像交接处的错误像素。
由上述实施例可知,当图像发生变动,例如前景图像移动、消失等情况,可将发生变动的像素与图像数据库内的多个背景数据对比,即时地取出合适的背景,无须经另一计算周期重新更新背景,能持续的进行对象分段或者追踪。此外利用将图像及背景去亮度平均值的方式,避免光源变动、闪烁或者遮蔽阴影改变的亮度不均、亮度漂移等问题造成对象分段的错误判断。
表1为本发明较佳实施例与图1公知技术平均执行速度比较的实验结果。请参照表1,图1公知技术对象分段的平均执行速度为25.4微秒/帧。本发明设计之一为图3实施例,对象分段的平均执行速度为19.3微秒/帧。本发明设计之二为图7实施例,对象分段的平均执行速度为21.6微秒/帧。
表1平均执行速度
图1公知技术 | 25.4微秒/帧 |
本发明设计之一 | 19.3微秒/帧 |
本发明设计之二 | 21.6微秒/帧 |
表2为本发明较佳实施例与图1公知技术平均错误率比较的实验结果。请参照表2,图1公知技术对象分段的平均错误率为0.428%。本发明设计的一为图3实施例,对象分段的平均错误率为0.469%。本发明设计的二为图7实施例,对象分段的平均错误率为0.412%。
表2平均错误率
图1公知技术 | 0.428% |
本发明设计之一 | 0.469% |
本发明设计之二 | 0.412% |
值得一提的是,虽然上述实施例中已经对本发明实施例的视频对象分段方法描绘出了一个可能的型态,但本领域具有通常知识者应当知道,判断背景、前景图像的标准,例如阈值的设定,背景、前景图像后制处理的方式也都不一样,因此发明的应用当不限制于此种可能的型态。换句话说,只要是将判断为背景的像素建立为多层背景数据之一,以即时地取出合适的背景,就已经是符合了本发明的精神所在。
综上所述,本发明将图像内静止一段预设时间的像素判断为背景,并且建立为多层背景数据其中的一个,以在图像发生变动时,例如:前景图像移动、消失等状况,能即时地取出合适的背景,以提供作为对图像分段对象的依据,无须经另一计算周期重新更新背景,因此在周期式切换轮播监控的视频环境下,更能正确的分段出对象,再进行追踪或辨识。此外更降低亮度不均、亮度漂移等问题造成对象判断错误的影响程度。
综上所述,虽然本发明已以较佳实施例公开如上,然其并非用以限定本发明。任何所属技术领域中的普通技术人员,在不脱离本发明的精神和范围的情况下,可进行各种更动与修改。因此,本发明的保护范围以所提出的权利要求的范围为准。
Claims (19)
1.一种视频对象分段方法,包括:
接收一图像的一像素,其中上述像素具有一对应位置;
计算上述像素的像素值与前一图像的上述对应位置的像素值的一差值;
利用上述差值与上述像素进行多层式背景登录,并取出一背景;以及
利用上述背景去除上述图像的背景区域。
2.如权利要求1所述的视频对象分段方法,其中多层式背景登录包括下列步骤:
提供一图像数据库,上述图像数据库内存储k层背景数据,1≤k≤n,其中n为上述图像数据库存储背景数据的最大数量;
当上述像素为一背景状态且上述差值小于一阈值,上述背景的上述对应位置的像素为上述像素;
当上述像素为上述背景状态且上述差值大于上述阈值,对比上述像素与上述多个背景数据的上述对应位置的像素。
3.如权利要求2所述的视频对象分段方法,其中多层式背景登录还包括下列步骤:
初始时,判断上述像素是否静止一预设时间;以及
当上述像素静止上述预设时间,标记上述像素为上述背景状态,将上述像素存储至上述图像数据库的一最新一层背景数据的上述对应位置,且上述背景为上述最新一层背景数据。
4.如权利要求3所述的视频对象分段方法,其中判断上述像素是否静止上述预设时间包括下列步骤:
产生一计数值累计上述差值小于上述阈值的次数;以及
当上述计数值达到一静止阈值时,判断上述像素静止上述预设时间。
5.如权利要求2所述的视频对象分段方法,其中对比上述像素与上述多个背景数据的上述对应位置的像素包括:
计算上述像素的像素值与上述多个背景数据的上述对应位置的像素值的一差异值;
当上述差异值小于上述阈值,上述背景的上述对应位置的像素为上述像素;以及
当上述差异值大于上述阈值,判断上述像素是否静止一预设时间;以及
当上述像素静止上述预设时间,则将上述像素存储至第k+1个背景数据的上述对应位置,且上述背景的上述对应位置的像素为上述像素。
6.如权利要求5所述的视频对象分段方法,其中判断上述像素是否静止上述预设时间包括下列步骤:
产生一计数值累计上述差值小于上述阈值的次数;以及
当上述计数值达到一静止阈值时,判断上述像素静止上述预设时间。
7.如权利要求1所述的视频对象分段方法,其中在利用上述背景去除上述图像的背景区域的步骤前还包括:
去除上述图像的亮度平均值;以及
去除上述背景的亮度平均值。
8.如权利要求7所述的视频对象分段方法,其中去除上述图像的亮度平均值包括下列步骤:
取相邻上述像素的一第一区块内多个像素的一像素平均值;以及
将上述像素的像素值减去上述像素平均值。
9.如权利要求7所述的视频对象分段方法,其中去除上述背景的亮度平均值包括下列步骤:
取相邻上述背景的上述对应位置的一第二区块内多个像素的一像素平均值;以及
将上述背景的上述对应位置的像素值减去上述像素平均值。
10.如权利要求1所述的视频对象分段方法,其中利用上述背景去除上述图像的背景区域包括下列步骤:
取出相邻上述像素的一第一区块与相邻上述背景的上述对应位置的一第二区块;
计算上述第一区块与上述第二区块的一变动值;以及
当上述变动值大于一预定值时,设定上述像素为一对象掩模状态。
11.如权利要求10所述的视频对象分段方法,上述变动值为上述第一区块内的每一像素与上述第二区块内对应位置的每一像素相减的绝对值总和。
12.如权利要求1所述的视频对象分段方法,还包括:
计算上述像素的像素值与上述背景的上述对应位置的像素值的一差异值;以及
当上述差异值大于一阈值时,设定上述像素为一改变检测掩模状态。
13.如权利要求12所述的视频对象分段方法,其中利用上述背景去除上述图像的背景区域还包括下列步骤:
当上述像素为上述改变检测掩模状态,取出相邻上述像素的一第一区块与相邻上述背景的上述对应位置的一第二区块;
计算上述第一区块与上述第二区块的一变动值;以及
当上述变动值大于一预定值时,设定上述像素为一对象掩模状态。
14.如权利要求13所述的视频对象分段方法,上述变动值为上述第一区块内的每一像素与上述第二区块内对应位置的每一像素相减的绝对值总和。
15.如权利要求12所述的视频对象分段方法,其中在设定上述像素为上述改变检测掩模状态后,利用上述背景去除上述图像的背景区域之前,还包括对上述改变检测掩模图像做形态学的扩张运算。
16.如权利要求1所述的视频对象分段方法,其中在利用上述背景去除上述图像的背景区域的后还包括对上述图像做形态学的侵蚀运算。
17.一种视频对象分段方法,包括:
接收一图像的一像素,其中上述像素具有一对应位置;
计算上述像素的像素值与前一图像的上述对应位置的像素值的一差值,并取出一背景;
去除上述图像的亮度平均值;
去除上述背景的亮度平均值;以及
利用已经去除上述背景亮度平均值的背景与已经去除上述图像亮度平均值的上述图像去除上述图像的背景区域。
18.如权利要求17所述的视频对象分段方法,其中去除上述图像的亮度平均值包括下列步骤:
取相邻上述像素的一第一区块内多个像素的一像素平均值;以及
将上述像素的值减去上述像素平均值。
19.如权利要求17所述的视频对象分段方法,其中去除上述背景的亮度平均值包括下列步骤:
取相邻上述背景的上述对应位置的一第二区块内多个像素的一像素平均值;以及
将上述背景的上述对应位置的像素值减去上述像素平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006101669808A CN101201934B (zh) | 2006-12-15 | 2006-12-15 | 视频对象分段方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006101669808A CN101201934B (zh) | 2006-12-15 | 2006-12-15 | 视频对象分段方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101201934A true CN101201934A (zh) | 2008-06-18 |
CN101201934B CN101201934B (zh) | 2012-07-04 |
Family
ID=39517088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006101669808A Active CN101201934B (zh) | 2006-12-15 | 2006-12-15 | 视频对象分段方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101201934B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510304A (zh) * | 2009-03-30 | 2009-08-19 | 北京中星微电子有限公司 | 一种分割获取前景图像的方法、装置和摄像头 |
CN103136741A (zh) * | 2011-12-05 | 2013-06-05 | 联咏科技股份有限公司 | 固定图案的边缘检测方法与电路 |
CN104317397A (zh) * | 2014-10-14 | 2015-01-28 | 奇瑞汽车股份有限公司 | 车载人机交互方法 |
CN104765887A (zh) * | 2015-04-29 | 2015-07-08 | 天津市测绘院 | 合成孔径雷达干涉测量数据中道路属性数据的提取方法 |
CN108446581A (zh) * | 2018-01-22 | 2018-08-24 | 北京理工雷科电子信息技术有限公司 | 一种恶劣环境中的无人机检测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104780362A (zh) * | 2015-04-24 | 2015-07-15 | 宏祐图像科技(上海)有限公司 | 基于局部特征描述的视频静止logo检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5150426A (en) * | 1990-11-20 | 1992-09-22 | Hughes Aircraft Company | Moving target detection method using two-frame subtraction and a two quadrant multiplier |
TW520603B (en) * | 2000-07-24 | 2003-02-11 | Liang-Ji Chen | Method of generating a moving object shape from a series of video frames |
CN1338235A (zh) * | 2000-08-18 | 2002-03-06 | Smit有限公司 | 基于分段的视频压缩编码的方法和装置 |
-
2006
- 2006-12-15 CN CN2006101669808A patent/CN101201934B/zh active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510304A (zh) * | 2009-03-30 | 2009-08-19 | 北京中星微电子有限公司 | 一种分割获取前景图像的方法、装置和摄像头 |
CN101510304B (zh) * | 2009-03-30 | 2014-05-21 | 北京中星微电子有限公司 | 一种分割获取前景图像的方法、装置和摄像头 |
CN103136741A (zh) * | 2011-12-05 | 2013-06-05 | 联咏科技股份有限公司 | 固定图案的边缘检测方法与电路 |
CN104317397A (zh) * | 2014-10-14 | 2015-01-28 | 奇瑞汽车股份有限公司 | 车载人机交互方法 |
CN104765887A (zh) * | 2015-04-29 | 2015-07-08 | 天津市测绘院 | 合成孔径雷达干涉测量数据中道路属性数据的提取方法 |
CN108446581A (zh) * | 2018-01-22 | 2018-08-24 | 北京理工雷科电子信息技术有限公司 | 一种恶劣环境中的无人机检测方法 |
CN108446581B (zh) * | 2018-01-22 | 2022-07-19 | 北京理工雷科电子信息技术有限公司 | 一种恶劣环境中的无人机检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101201934B (zh) | 2012-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7957592B2 (en) | Video object segmentation method and system | |
CN101201934B (zh) | 视频对象分段方法 | |
US8045783B2 (en) | Method for moving cell detection from temporal image sequence model estimation | |
CN101236606B (zh) | 视频监控中的阴影消除方法及系统 | |
US8482538B2 (en) | Information input device, information input method, information input-output device, storage medium, and electronic unit | |
Antić et al. | K-means based segmentation for real-time zenithal people counting | |
CN104749184A (zh) | 自动光学检测方法和系统 | |
US9171222B2 (en) | Image processing device, image capturing device, and image processing method for tracking a subject in images | |
CN107067595B (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
US20200250840A1 (en) | Shadow detection method and system for surveillance video image, and shadow removing method | |
US10599269B2 (en) | Near touch interaction | |
CN110796157A (zh) | 一种图像差异识别方法、装置及存储介质 | |
US11107237B2 (en) | Image foreground detection apparatus and method and electronic device | |
CN115829921B (zh) | 检测电芯缺陷的方法、装置和计算机可读存储介质 | |
CN103793923A (zh) | 一种图像中运动目标的获取方法及设备 | |
CN111563517B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN117115130A (zh) | 一种晶圆边缘缺陷检测方法及装置 | |
CN114037087B (zh) | 模型训练方法及装置、深度预测方法及装置、设备和介质 | |
CN112446913A (zh) | 一种通道闸行人数量统计与尾随判断方法、装置和设备 | |
CN111401248A (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
EP4350638A1 (en) | Detection method and system for base-station feeder line, and related apparatus | |
CN116228861A (zh) | 探针台标记物定位方法、装置、电子设备及存储介质 | |
CN114359166A (zh) | 屏幕颜色检测方法、装置、设备及存储介质 | |
JP2023036054A (ja) | 目標カウント方法、装置、デバイス及び記憶媒体 | |
CN110580706A (zh) | 一种视频背景模型的提取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |