CN101216940A - 基于小波多尺度变换视频前景运动对象分割方法 - Google Patents
基于小波多尺度变换视频前景运动对象分割方法 Download PDFInfo
- Publication number
- CN101216940A CN101216940A CNA2008100323905A CN200810032390A CN101216940A CN 101216940 A CN101216940 A CN 101216940A CN A2008100323905 A CNA2008100323905 A CN A2008100323905A CN 200810032390 A CN200810032390 A CN 200810032390A CN 101216940 A CN101216940 A CN 101216940A
- Authority
- CN
- China
- Prior art keywords
- video
- image
- difference
- moving object
- scale
- 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)
Abstract
本发明涉及一种视频运动对象分割方法。它是根据小波变换在时域和频域均具有局部化特征,抑制干扰,提取局部信息;基于背景差分,利用小波多尺度特征,对差分图像进行小波多尺度变换;根据运动前景对象具有高的幅度变化,提取视频图像中前景运动对象信息。本发明方法不需要有关场景学习训练、手工校正或人为判断及假设等信息,可在多种条件下,实现视频运动对象分割。
Description
技术领域
本发明涉及一种视频运动前景对象分割方法,用于视频数字图像分析与目标提取。属于智能信息处理技术领域。
背景技术
视频运动前景对象分割,是在给定的二维连续图像序列中,发现运动前景目标,并从视频场景中分割出运动目标。准确的视频运动前景对象分割,是物体跟踪、分类、识别和运动参数提取的基础。在视频监视、自动导航、多媒体标准应用及模式识别等领域,具有重要的实用意义和价值。
虽然人眼可以很容易地识别出视频运动前景对象,但对计算机而言,适合于通用视频序列的全自动视频分割和提取,目前仍是一个难题。首先,视频运动前景对象本身多种多样,缺乏独一无二的定义。其次,同一视频场景,不同的应用,所感兴趣的视频对象不同。
现有的视频运动前景对象分割方法主要有:基于背景建模、基于帧间差和基于光流场的分割方法。基于背景建模方法,对环境变化敏感,需背景估计与更新。基于帧间差分割方法,对动态场景变化敏感,不易将运动目标完全分割出,易在目标内部产生孔洞。基于光流场方法,计算量大,运算复杂,需特定的硬件支持以实现实时处理。
发明内容
本发明的目的,在于针对现有视频前景运动对象分割方法需要场景学习训练、手工校正或人为判断及先验假设等信息,以及对动态场景变化敏感、噪声干扰大、运算复杂,提供一种基于小波多尺度变换视频前景运动对象分割方法,可在多种条件下,实现视频运动前景对象分割。
为实现这样的目的,本发明的构思是:根据二维图像I(x,y)在尺度2j和k方向上的小波变换:
则在x,y方向上的小波函数可表示为:
式中,θ(x,y)为平滑滤波函数。
由此可确定图像I(x,y)经函数θ(x,y)平滑滤波后,在不同尺度下的小波变换为:
若梯度幅度M2jI沿下列梯度方向达到局部极大,则图像中该点(x,y)为多尺度边缘点
据此,可确定不同尺度下的边缘点。由于噪声对尺度变化敏感,因此,采用上述寻求局部幅度极大值,不能有效压制噪声。为有效克服这一影响,通过寻求梯度幅度高于某阈值方法,替代寻求局部幅度极大值,确定不同尺度的边缘点。
其中,h,v分别为水平、垂直方向上的滤波算子,T为阈值,为卷积算子。
根据上述的发明构思,本发明采用下述技术方案:
一种基于小波多尺度变换视频前景运动对象分割方法,其特征在于根据小波变换在时域和频域均具有局部化特征,抑制干扰,提取局部信息;基于背景差分,利用小波多尺度特征,对差分图像进行小波多尺度变换;根据运动前景对象具有高的幅度变化,提取视频图像中前景运动对象信息;具体步骤如下:
1.背景差分:当前帧图像I1(x,y)与背景图像I2(x,y)相减,得到差分图像D(x,y):
D(x,y)=I1(x,y)-I2(x,y);
2.差分图像多尺度小波变换:
其中,D为差分图像,h,v分别为水平、垂直方向上的滤波算子,为卷积;
3.前景运动对象区域的确定:确定差分图像多尺度小波变换E的阈值T,将E值高于T的所有像素组成的区域,确定为视频运动前景对象区域。
本发明与现有技术相比较,具有如下显而易见的突出实质性特点和显著优点:
本发明方法运算简便、灵活,容易实现,解决了数字视频图像中运动前景对象分割需要有关场景学习训练、手工校正或人为判断及假设等信息,提高了视频运动前景对象分割的鲁棒性,可适应多种条件下的视频运动对象分割。
附图说明
图1是本发明一个实施例的视频原始背景图像。
图2是本发明一个实施例的视频原始当前帧图像。
图3是图2示例中分割出的二值运动前景区域图像。
图4是图2示例中分割出的运动前景区域图像。
具体实施方式
本发明的一个具体实施例是:本例的视频原始背景图像如图1所示,当前帧图像如图2所示。对图2与图1所示的图像进行差分,对所得差分图像进行小波多尺度变换,根据运动前景对象具有明显高的幅度变化,进行运动前景对象区域分割,具体步骤如下:
(1)背景差分:当前帧图像I1(x,y)与背景图像I2(x,y)相减,得到差分图像D(x,y)。
D(x,y)=I1(x,y)-I2(x,y)
(2)差分图像多尺度小波变换:
其中,D为差分图像,h,v分别为水平、垂直方向上的滤波算子,为卷积。
(3)前景运动对象区域的确定:确定差分图像多尺度小波变换E的阈值T,将E值高于T的所有像素组成的区域,确定为视频前景运动区域。
图3为经上述所得到的二值运动前景对象区域,图4为分割出的运动前景对象图像。
Claims (1)
1.一种基于小波多尺度变换视频前景运动对象分割方法,其特征在于根据小波变换在时域和频域均具有局部化特征,抑制干扰,提取局部信息;基于背景差分,利用小波多尺度特征,对差分图像进行小波多尺度变换;根据运动前景对象具有高的幅度变化,提取视频图像中前景运动对象信息;具体步骤如下:
1)背景差分:当前帧图像I1(x,y)与背景图像I2(x,y)相减,得到差分图像D(x,y):
D(x,y)=I1(x,y)-I2(x,y);
2)差分图像多尺度小波变换:
其中,D为差分图像,h,v分别为水平、垂直方向上的滤波算子,为卷积;
3)前景运动对象区域的确定:确定差分图像多尺度小波变换E的阈值T,将E值高于T的所有像素组成的区域,确定为视频前景运动区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008100323905A CN100555329C (zh) | 2008-01-08 | 2008-01-08 | 基于小波多尺度变换视频前景运动对象分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2008100323905A CN100555329C (zh) | 2008-01-08 | 2008-01-08 | 基于小波多尺度变换视频前景运动对象分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101216940A true CN101216940A (zh) | 2008-07-09 |
CN100555329C CN100555329C (zh) | 2009-10-28 |
Family
ID=39623368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2008100323905A Expired - Fee Related CN100555329C (zh) | 2008-01-08 | 2008-01-08 | 基于小波多尺度变换视频前景运动对象分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100555329C (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044080A (zh) * | 2010-12-16 | 2011-05-04 | 北京航空航天大学 | 一种运动物体检测方法和装置 |
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
CN104036250A (zh) * | 2014-06-16 | 2014-09-10 | 上海大学 | 视频行人检测与跟踪方法 |
-
2008
- 2008-01-08 CN CNB2008100323905A patent/CN100555329C/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044080A (zh) * | 2010-12-16 | 2011-05-04 | 北京航空航天大学 | 一种运动物体检测方法和装置 |
CN102044080B (zh) * | 2010-12-16 | 2014-04-23 | 北京航空航天大学 | 一种运动物体检测方法和装置 |
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
CN104036250A (zh) * | 2014-06-16 | 2014-09-10 | 上海大学 | 视频行人检测与跟踪方法 |
CN104036250B (zh) * | 2014-06-16 | 2017-11-10 | 上海大学 | 视频行人检测与跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN100555329C (zh) | 2009-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN104361343B (zh) | 车辆类型识别方法及其装置 | |
CN101493932B (zh) | 基于形态Haar小波纹理梯度提取的分水岭纹理图像分割方法 | |
CN104616274A (zh) | 一种基于显著性区域提取的多聚焦图像融合算法 | |
CN102609720B (zh) | 一种基于位置校正模型的行人检测方法 | |
CN104063882B (zh) | 一种基于双目的车辆视频测速方法 | |
CN103413276A (zh) | 一种基于纹理分布特征的深度增强方法 | |
CN102930287A (zh) | 一种针对俯视行人的检测计数系统及方法 | |
CN102842039B (zh) | 一种基于Sobel算子的道路图像检测方法 | |
CN103514608A (zh) | 基于运动注意力融合模型的运动目标检测与提取方法 | |
CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN110321855A (zh) | 一种雾天检测预警装置 | |
CN105608429A (zh) | 基于差分激励的鲁棒车道线检测方法 | |
CN106803262A (zh) | 利用双目视觉自主解算汽车速度的方法 | |
Meshram et al. | Traffic surveillance by counting and classification of vehicles from video using image processing | |
CN105139391A (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN103914829B (zh) | 一种含噪图像边缘检测方法 | |
CN101739667B (zh) | 基于非下采样轮廓波变换的遥感图像道路增强方法 | |
CN100555329C (zh) | 基于小波多尺度变换视频前景运动对象分割方法 | |
CN111161308A (zh) | 一种基于关键点匹配的双波段融合目标提取方法 | |
CN102136060A (zh) | 一种群体密度检测方法 | |
Fan et al. | Separation of vehicle detection area using Fourier descriptor under internet of things monitoring | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
CN104200675A (zh) | 一种基于不变量特征匹配的车辆测速方法 | |
CN101216893A (zh) | 视频运动阴影检测方法 |
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 | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091028 Termination date: 20120108 |