CN101901486A - 运动目标检测方法和装置 - Google Patents

Abstract

本发明实施例公开了一种运动目标检测方法和装置。该方法包括：生成当前帧输入图像的第一运动目标图像；将当前外观模型与当前帧输入图像的第一运动目标图像匹配；根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。本实施例的技术方案中，可以通过当前外观模型将第一检测结果图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二检测结果图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。

Description

运动目标检测方法和装置

技术领域

本发明涉及图像处理技术领域，特别涉及一种运动目标检测方法和装置。

背景技术

运动目标检测技术是监控系统、识别系统等与视频处理相关的系统的基础技术。与视频处理相关的系统通过运动目标检测技术检测出运动目标，并对运动目标进行分类、跟踪、识别等各种后续处理，运动目标检测技术对各种后续处理有着重要的意义，是视频处理的关键技术。

现有技术中，常用的运动目标检测技术为基于混合高斯模型(GaussianMixture Model，以下简称：GMM)算法背景建模的运动目标检测技术，根据上一帧图像更新背景模型，计算出当前帧图像的像素点属于更新后的背景模型的概率，通过比较当前帧图像的像素点与门限值确定出运动目标图像。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：当运动目标中像素点的颜色与背景中像素点的颜色相同或者相似时，现有技术容易将运动目标的像素点误判为背景的像素点，从而使运动目标难以被完整的检测出来。

发明内容

本发明实施例提供一种运动目标检测方法和装置，用以较完整的检测出运动目标。

本发明实施例提供了一种运动目标检测方法，包括：

生成当前帧输入图像的第一运动目标图像；

将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；

将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。

本发明实施例提供了一种运动目标检测装置，包括：

接收模块，用于接收当前帧输入图像；

生成模块，用于生成当前帧输入图像的第一运动目标图像；

匹配模块，用于将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

查询模块，用于根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；

设置模块，用于将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。

本发明实施例的技术方案中，将当前外观模型与生成的当前帧输入图像的第一运动目标图像匹配，将根据当前外观模型查询出的当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像，从而可以通过当前外观模型将第一运动目标图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二运动目标图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。

附图说明

图1为本发明实施例一提供的一种运动目标检测方法的流程图；

图2为本发明实施例二提供的一种运动目标检测方法的流程图；

图3a为采用本发明实施例中的运动目标检测方法检测出的运动目标图像的示意图；

图3b为采用基于GMM算法的运动目标检测方法检测出的运动目标图像的示意图；

图3c为采用基于核密度估计(kernel density estimation，以下简称：KDE)算法的运动目标检测方法检测出的运动目标图像的示意图；

图4为本发明实施例四提供的一种运动目标检测装置的结构示意图；

图5为本发明实施例五提供的一种运动目标检测装置的结构示意图。

具体实施方式

下面通过附图和实施例，对本发明实施例的技术方案做进一步的详细描述。

图1为本发明实施例一提供的一种运动目标检测方法的流程图，如图1所示，该方法包括：

步骤101、生成当前帧输入图像的第一运动目标图像；

步骤102、将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

步骤103、根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；

其中，设置规则可以为：像素点在当前外观模型中对应的概率值大于设定阈值；

步骤104、将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。

本实施例的技术方案中，将当前外观模型与生成的当前帧输入图像的第一运动目标图像匹配，将根据当前外观模型查询出的当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像，从而可以通过当前外观模型将第一运动目标图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二运动目标图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。

图2为本发明实施例二提供的一种运动目标检测方法的流程图，如图2所示，该方法包括：

步骤201、根据公式 $I(x,y)=\underset{(m,n)\∈S_{\mathrm{xy}}}{\mathrm{\Σ}}w(m,n)I(m,n)$ 对当前帧输入图像的像素点进行计算处理，生成当前帧输入图像的像素点的第一像素值；

其中，(x，y)为当前帧输入图像的像素点，S_xy为以(x，y)为中心点的算子窗口，(m，n)为S_xy中的点，w(m，n)为点(m，n)的权重，I(m，n)为点(m，n)的像素值，I(x，y)为生成的当前帧输入图像的像素点的第一像素值。

例如，本实施例中的算子窗口S_xy可如下表1所示的算子窗口：

表1

1/16	1/8	1/16
			1/8	1/4	1/8
1/16	1/8	1/16

表1中，以(x，y)为中心点的算子窗口包括九个点(m，n)，表1中所示的为每个点(m，n)的权重w(m，n)，每个点(m，n)的权重与该点离(x，y)的距离有关。例如：左上角的点(m，n)的权重为1/16。

可根据本步骤中的公式计算出当前帧输入图像的各像素点的第一像素值，计算出的各像素点的第一像素值充分考虑了各像素点的空域信息。

步骤202、根据公式Ψ(t)＝I(t-1)(1-α1)+I(t)α1对当前帧输入图像的像素点的第一像素值和上一帧输入图像的像素点的第一像素值进行计算处理，生成当前帧输入图像的像素点的第二像素值；

其中，I(t)为当前帧输入图像的像素点的第一像素值，I(t-1)为上一帧输入图像的像素点的第一像素值，Ψ(t)为当前帧输入图像的像素点的第二像素值，α1为更新系数。

可根据本步骤中的公式计算出的当前帧输入图像的各像素点的第二像素值，计算出的各像素点的第二像素值充分考虑了各像素点的时域信息和空域信息。

步骤203、根据当前帧输入图像的当前像素点的第二像素值对当前帧输入图像的当前像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成更新后的均值和方差，并将当前像素点在上一背景模型中对应的高斯分布的均值替换为更新后的均值以及将当前像素点在上一背景模型中对应的高斯分布的方差替换为更新后的方差；

本实施例中，每一帧输入图像中的每一个像素点分别采用由多个高斯分布构成的GMM来建立背景模型，也就是说每一帧输入图像中的每一个像素点对应于背景模型中的多个高斯分布。则背景模型的公式可以为： $P(I\left(p\right),t)=\underset{n}{\overset{N}{\mathrm{\Σ}}}{w}_n\left(t\right)g(I\left(p\right),{\mathrm{\μ}}_n\left(t\right),{\mathrm{\σ}}_n^2\left(t\right)).$ 其中，N为高斯分布的总量，N为正整数，例如N可以为3至5，w_n(t)为第n个高斯分布的权重，μ_n(t)为第n个高斯分布的均值，σ_n ²(t)为第n个高斯分布的方差，I(p)为像素点p的像素值，g为高斯概率密度函数 $g(I\left(p\right),{\mathrm{\μ}}_n\left(t\right),{{\mathrm{\σ}}_n}^2\left(t\right))=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{[I\left(p\right)-{\mathrm{\μ}}_n\left(t\right)]}^2}{{{\mathrm{\σ}}_n}^2\left(t\right)}},$ P(I(p)，t)为计算出的输入图像的像素点p属于当前背景模型的概率。对于第一帧输入图像的背景模型，可以将各个像素点对应的高斯分布的μ_n(t)设置为第一帧输入图像中各像素点的第二像素值，并且将各个像素点对应的高斯分布的σ_n ²(t)设置成一个固定值，从而建立初始背景模型。

则本实施例中，步骤203可具体包括：

步骤2031、对当前帧输入图像中的当前像素点在上一背景模型中对应的高斯分布按照权重大小进行排序；

具体地，可按照权重从大到小的顺序对当前像素点在上一背景模型中对应的高斯分布进行排序；

步骤2032、依次计算当前像素点的第二像素值与排序后的当前像素点在上一背景模型中对应的高斯分布的均值的差值；

具体地，差值d可表示为d＝I(P)-μ_n(t-1)，其中，I(P)代表当前像素点的第二像素值，μ_n(t-1)为当前像素点在上一背景模型中对应的高斯分布的均值。

步骤2033、依次判断当前像素点的第二像素值与当前像素点在上一背景模型中对应的高斯分布的均值的差值是否大于或等于设置的阈值，当判断出当前像素点的第二像素值与当前像素点在上一背景模型中对应的某一高斯分布的均值的差值大于或等于设置的阈值时，则执行步骤2034；当未判断出当前像素点的第二像素值与当前像素点在上一背景模型中对应的任一高斯分布的均值的差值大于或等于设置的阈值时，则执行步骤2035；

设置的阈值T为T＝2.5σ_n(t-1)，当判断出d＜＝T，表示当前像素点与当前像素点在上一背景模型中对应的某一高斯分布相似，则执行步骤2034；当判断出d＞T，表示当前像素点与当前像素点在上一背景模型中对应的任一高斯分布均不相似，则执行步骤2035；

步骤2034、根据当前像素点的第二像素值对判断出的当前像素点在上一背景模型中对应的某一高斯分布的均值和方差进行更新处理，生成更新后的均值和方差，并将当前像素点在上一背景模型中对应的某一高斯分布的均值替换为更新后的均值以及将当前像素点在上一背景模型中对应的某一高斯分布的方差替换为更新后的方差；

具体地，根据公式μ_n(t)＝[1-α₁]μ_n(t-1)+α₁I(p)对当前像素点在上一背景模型中对应的该某一高斯分布的均值μ_n(t-1)进行计算处理，生成更新后的均值μ_n(t)，该μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值。

具体地，根据公式 ${\mathrm{\σ}}_n^2\left(t\right)=[1-{\mathrm{\α}}_1]{\mathrm{\σ}}_n^2(t-1)+{\mathrm{\α}}_1{[{\mathrm{\μ}}_n\left(t\right)-I\left(p\right)]}^2$ 对当前像素点在上一背景模型中对应的该某一高斯分布的方差σ_n ²(t-1)进行计算处理，生成更新后的方差σ_n ²(t)，该σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差。

其中α₁为学习参数，用于控制背景模型的更新速度。当背景模型的更新速度较快时，可将α₁设置为一个较大的值，当背景模型的更新速度较慢时，可将α₁设置为一个较小的值。

步骤2035、判断当前像素点在上一背景模型中对应的高斯分布的数量是否达到最大值，当判断出当前像素点在上一背景模型中对应的高斯分布的数量未达到最大值时，执行步骤2036；当判断出当前像素点在上一背景模型中对应的高斯分布的数量达到最大值时，执行步骤2037；

步骤2036、在上一背景模型中增加新的高斯分布，该新的高斯分布的均值μ_n(t)设置为当前像素点的第二像素值，该新的高斯分布的方差σ_n ²(t)设置为固定值，并执行步骤204，其中，该新的高斯分布的均值为当前像素点在当前背景模型中对应的高斯分布的均值，该新的高斯分布的方差为当前像素点在当前背景模型中对应的高斯分布的方差；

步骤2037、将当前像素点在上一背景模型中对应的方差最大的高斯分布替换成新的高斯分布，该新的高斯分布的均值μ_n(t)设置为当前像素点的第二像素值，该新的高斯分布的方差σ_n ²(t)设置为固定值，并执行步骤204，其中，该新的高斯分布的均值为当前像素点在当前背景模型中对应的高斯分布的均值，该新的高斯分布的方差为当前像素点在当前背景模型中对应的高斯分布的方差；

步骤204、根据当前像素点在当前背景模型中对应的高斯分布的均值和方差，对当前像素点在上一背景模型中对应的高斯分布的权重进行更新处理，生成更新后的权重，并将当前像素点在上一背景模型中对应的高斯分布的权重替换为更新后的权重；

具体地，当判断出|μ_n(t)-I(p)|＜2.5σ_n(t)时，可根据公式w_n(t)＝(1-α₁)w_n(t-1)+α₁对当前像素点在上一背景模型中对应的高斯分布的权重w_n(t-1)进行更新处理，生成更新后的权重w_n(t)，其中，μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值、σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差，I(p)采用当前像素点的第二像素值；

具体地，当判断出|μ_n(t)-I(p)|≥2.5σ_n(t)时，可根据公式w_n(t)＝(1-α₁)w_n(t-1)对当前像素点在上一背景模型中对应的高斯分布的权重w_n(t-1)进行更新处理，生成更新后的权重w_n(t)，其中，μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值、σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差，I(p)采用当前像素点的第二像素值；

步骤205、根据当前像素点在当前背景模型中对应的高斯分布的均值和方差，识别出当前像素点是作为运动目标的像素点还是作为背景的像素点；

具体地，当判断出|μ_n(t)-I(p)|＜2.5σ_n(t)时，识别出当前像素点作为背景的像素点；

具体地，当判断出|μ_n(t)-I(p)|≥2.5σ_n(t)时，识别出当前像素点作为运动目标的像素点；

本实施例中可以先执行步骤205之后再执行步骤204，或者可以同时执行步骤204和步骤205。

执行步骤203至步骤205之后，即完成了对当前像素点在上一背景模型中对应的高斯分布的更新过程，以及识别出当前像素点是作为运动目标的像素点还是作为背景的像素点的过程。

重复执行步骤203至步骤205，以遍历当前帧输入图像的其余像素点，从而实现对上一背景模型进行更新生成当前背景模型，以及识别出其余像素点是作为运动目标的像素点还是作为背景的像素点的过程。

步骤206、根据识别出的作为运动目标的像素点和作为背景的像素点生成第一运动目标图像；

具体地，可以将识别出的作为运动目标的像素点设置为运动目标的像素点，将识别出的作为背景的像素点设置为背景的像素点，从而生成第一运动目标图像，该第一运动目标图像的像素点中包括运动目标的像素点和背景的像素点。

步骤207、根据当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

最佳标定点为外观模型在图像中的位置。本实施例中，根据最佳标定点确定出当前外观模型在当前帧输入图像的第一运动目标图像中的位置，即实现了将当前外观模型与当前帧输入图像的第一运动目标图像匹配。将当前外观模型与当前帧输入图像的第一运动目标图像匹配的结果是将当前外观模型与第一运动目标图像中的目标前景区域对齐。

其中，当前帧输入图像的最佳标定点是根据上一帧输入图像的最佳标定点生成的。因此，本实施例中在步骤207之前还包括：根据上一帧输入图像的最佳标定点生成当前帧输入图像的最佳标定点，具体包括：

步骤2071、根据上一帧输入图像的最佳标定点生成当前帧输入图像的状态变量；

具体地，根据公式 $\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\\ x^{\′}\left(t\right)\\ y^{\′}\left(t\right)\end{array}\right]=\left[\begin{array}{cccc}1& 0& k& 0\\ 0& 1& 0& k\\ 0& 0& 1& 0\\ 0& 0& 0& 0\end{array}\right]\left[\begin{array}{c}x(t-1)\\ y(t-1)\\ x^{\′}(t-1)\\ y^{\′}(t-1)\end{array}\right]+\left[\begin{array}{c}{k}^2/2\\ k^2/2\\ k\\ k\end{array}\right]w\left(t\right)$ 对上一帧输入图像的最佳标定点x(t-1)、y(t-1)进行计算处理，生成当前帧输入图像的状态变量 $\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\\ x^{\′}\left(t\right)\\ y^{\′}\left(t\right)\end{array}\right].$ 其中，x′(t-1)为t-1时刻x轴方向上的速度，y′(t-1)为t-1时刻y轴方向上的速度，w(t)为信号噪声，该w(t)满足w(t)～N(0，σ_w ²)分布，其中k可以为1，σ_w可以为5。

其中，在初始时刻，例如t＝0时，x′(0)可以为0，y′(0)也可以为0。

步骤2072、根据当前帧输入图像的状态变量生成当前帧输入图像的初始标定点；

具体地，根据公式 $\left[\begin{array}{c}{x}_c\left(t\right)\\ y_c\left(t\right)\end{array}\right]=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\end{array}\right]\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\\ x^{\′}\left(t\right)\\ y^{\′}\left(t\right)\end{array}\right]+\left[\begin{array}{c}1\\ 1\end{array}\right]v\left(t\right)$ 对当前帧输入图像的状态变量 $\left[\begin{array}{c}x\left(t\right)\\ y\left(t\right)\\ x^{\′}\left(t\right)\\ y^{\′}\left(t\right)\end{array}\right]$ 进行计算处理，生成当前帧输入图像的初始标定点x_c(t)、y_c(t)。其中，v(t)为观测噪声，该v(t)满足v(t)～N(0，σ_v ²)分布，σ_v可以为5。

特别地，对于第一帧输入图像，可采用第一帧输入图像的第一运动目标图像中的主轴的顶点作为第一运动目标图像的初始标定点。具体地，可根据公式 $L=\arg \min {\mathrm{\Σ}}_{X_i\∈S}{d}^2(X_i,l)$ X计算出主轴，其中，S为第一运动目标图像中的目标前景区域，X_i为S中的像素点，l为竖轴，d²(X_i，l)为S中的像素点X_i到竖轴l的垂直距离的平方，则根据上述公式可知，像素点X_i到竖轴l的垂直距离的平方和最小的竖轴为主轴。

步骤2073、根据当前帧输入图像的初始标定点的领域内的待选标定点确定当前帧输入图像的目标前景区域，并生成确定出的当前帧输入图像的目标前景区域与当前外观模型的相似距离；

本实施例中，外观模型包括颜色模型和概率模型。颜色模型表示运动目标在某一位置出现的颜色。概率模型与外观模型对应，表示运动目标在该位置出现的概率。当运动目标首次出现时，初始化外观模型生成该运动目标的第一外观模型，该第一外观模型包括第一颜色模型和第一概率模型。该第一颜色模型中目标前景区域的各像素点对应的颜色值可采用该运动目标所在的第一帧输入图像的目标前景区域的像素点的像素值，该第一颜色模型中非目标前景区域的各像素点对应的颜色值可采用设置值，例如设置值为0；该第一概率模型中目标前景区域的各像素点对应的概率值可采用设置值，例如设置值为0.4，该第一概率模型中非目标前景区域的各像素点对应的概率值可采用设置值，例如设置值为0。当前外观模型包括当前颜色模型和当前概率模型，当前颜色模型中各像素点对应的颜色值可以采用CM_t(x，y)来表示，当前概率模型中各像素点对应的概率值可以采用PM_t(x，y)来表示。可选的，外观模型(appearance model)可以理解为现有技术中为通过目标像素点的变化，而进行关联信息抽取出的模型。

本实施例中，当前帧输入图像的初始标定点的领域内的待选标定点为多个，根据待选标定点确定出的当前帧输入图像的目标前景区域也为多个。则步骤2073具体为：根据公式 $D\left(S\right)=\frac{{\mathrm{\Σ}}_{(x,y)\∈S}|S(x,y)-\mathrm{CM}(x,y))|\×\mathrm{PM}(x,y)}{\mathrm{\ΣPM}(x,y)}$ 对根据待选标定点确定的当前帧输入图像的目标前景区域中的像素点的像素值和当前颜色模型中像素点对应的颜色值CM(x，y)和当前概率模型中像素点对应的概率值PM(x，y)进行计算处理，生成相似距离。其中，D(S)为相似距离，S(x，y)为根据待选标定点确定的当前帧输入图像的目标前景区域中的像素点的像素值。相似距离越大，表示根据待选标定点确定的当前帧输入图像的目标前景区域与当前外观模型的相似度越小；相似距离越小，表示根据待选标定点确定的当前帧输入图像的目标前景区域与当前外观模型的相似度越大。

步骤2074、将相似距离最小的当前帧输入图像的目标前景区域对应的待选标定点确定为当前帧输入图像的最佳标定点。

步骤208、查询出当前帧输入图像的第一运动目标图像中在当前外观模型中对应的概率值大于设定阈值的像素点；

具体地，查询出第一运动目标图像中在当前外观模型的当前概率模型中对应的概率值大于设定阈值的像素点。

例如，该设定阈值可以为0.5。

步骤209、将当前帧输入图像的第一运动目标图像中在当前外观模型中对应的概率值大于设定阈值的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像。

进一步地，本实施例中的当前外观模型是根据上一帧输入图像对上一外观模型进行更新处理后生成的。根据上一帧输入图像对上一外观模型进行更新处理生成当前外观模型，具体为：

通过颜色模型公式对上一帧输入图像的像素点的像素值I_t-1(x，y)和上一颜色模型中像素点对应的颜色值CM_t-1(x，y)进行计算处理，生成当前颜色模型中像素点对应的颜色值CM_t(x，y)，其中，α_c为颜色模型更新速率，通常取常数值0.05。

通过概率模型公式

对上一概率模型中像素点对应的概率值PM_t-1(x，y)进行计算处理，生成当前外观模型中像素点对应的概率值PM_t(x，y)，其中，α_p为概率模型更新速率，通常取常数值0.05。

本实施例的技术方案中，将当前外观模型与生成的当前帧输入图像的第一运动目标图像匹配，将根据当前外观模型查询出的当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像，从而可以通过当前外观模型将第一运动目标图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二运动目标图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。本实施例通过当前帧输入图像中各像素点的时域信息和空域信息生成各像素点的第二像素值，并根据各像素点的第二像素值生成当前帧输入图像的第一检测结果图像，有效地减少了第一检测结果图像中的噪声，从而与现有技术中仅通过各像素点的时域信息生成运动目标图像的技术方案相比，本实施例实现了降低检测出的运动目标的噪声。本实施例中，生成最佳标定点过程中采用的各公式和外观模型的各公式的计算量均小于现有技术中的GMM算法，从而实现了快速的检测出运动目标。实验结果表明，当部分运动目标运动到遮挡物后方时，采用本发明实施例中的方法可以较好的检测出包括较完整运动目标的运动目标图像。

图3a为采用本发明实施例中的运动目标检测方法检测出的运动目标图像的示意图，图3b为采用基于GMM算法的运动目标检测方法检测出的运动目标图像的示意图，图3c为采用基于KDE算法的运动目标检测方法检测出的运动目标图像的示意图，如图3a、图3b和图3c所示，相比于采用基于GMM算法和KDE算法的运动目标检测方法检测出的运动目标图像，采用本发明实施例中的方法可以更加完整的检测出运动目标图像。

图4为本发明实施例四提供的一种运动目标检测装置的结构示意图，如图4所示，该装置包括接收模块1、生成模块2、匹配模块3、查询模块4和设置模块5。

接收模块1用于接收当前帧输入图像；生成模块2用于生成当前帧输入图像的第一运动目标图像；匹配模块3用于将当前外观模型与当前帧输入图像的第一运动目标图像匹配；查询模块4用于根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；设置模块5用于将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像。

其中，设置的规则可以为在当前外观模型中对应的概率值大于设定阈值。

本实施例的运动目标检测装置将当前外观模型与生成的当前帧输入图像的第一运动目标图像匹配，将根据当前外观模型查询出的当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像，从而可以通过当前外观模型将第一运动目标图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二运动目标图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。

图5为本发明实施例五提供的一种运动目标检测装置的结构示意图，如图5所示，该装置在上述实施例四的基础上，还包括：标定点生成模块6用于根据上一帧输入图像的最佳标定点生成当前帧输入图像的最佳标定点，并将当前帧输入图像的最佳标定点输出给所述匹配模块，由所述匹配模块根据所述当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配。

具体地，标定点生成模块6包括：状态变量生成模块61、初始标定点生成模块62、相似距离生成模块63和最佳标定点生成模块64。

状态变量生成模块61用于根据上一帧输入图像的最佳标定点生成当前帧输入图像的状态变量；初始标定点生成模块62用于根据当前帧输入图像的状态变量生成当前帧输入图像的初始标定点；相似距离生成模块63用于根据当前帧输入图像的初始标定点的邻域内的待选标定点确定当前帧输入图像的目标前景区域，并生成确定出的当前帧输入图像的目标前景区域与当前外观模型的相似距离；最佳标定点生成模块64用于将相似距离最小的当前帧输入图像的目标前景区域对应的待选标定点确定为当前帧输入图像的最佳标定点。其中，相似距离生成模块63与接收模块1连接，相似距离生成模块63从接收模块1获取当前帧输入图像并根据当前帧输入图像的初始标定点的邻域内的待选标定点确定当前帧输入图像的目标前景区域；最佳标定点生成模块64将当前帧输入图像的最佳标定点输出给匹配模块3，由匹配模块3根据当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配。

进一步地，该装置还包括外观模型更新模块7。外观模型更新模块7用于对上一外观模型进行更新处理生成所述当前外观模型。其中，当前外观模型包括当前颜色模型和当前概率模型。外观模型更新模块7具体可以包括颜色模型更新模块71和概率模型更新模块72。颜色模型更新模块71用于通过颜色模型公式

对上一帧输入图像的像素点的像素值I_t-1(x，y)和上一颜色模型中像素点对应的颜色值CM_t-1(x，y)进行计算处理，生成当前颜色模型中像素点对应的颜色值CM_t(x，y)，其中，α_c为颜色模型更新速率。概率模型更新模块72用于通过概率模型公式对上一概率模型中像素点对应的概率值PM_t-1(x，y)进行计算处理，生成当前外观模型中像素点对应的概率值PM_t(x，y)，其中，α_p为概率模型更新速率。进一步地，颜色模型更新模块71将生成的当前颜色模型中像素点对应的颜色值CM_t(x，y)输出给相似距离生成模块63，概率模型更新模块72将生成的当前外观模型中像素点对应的概率值PM_t(x，y)输出给相似距离生成模块63。

进一步地，生成模块2还包括第一更新子模块21、识别模块22、第一生成子模块23。第一更新子模块21用于根据当前帧输入图像的当前像素点的第二像素值对当前帧输入图像的当前像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成当前帧输入图像的当前像素点在当前背景模型中对应的高斯分布的均值和方差；识别模块22用于根据当前帧输入图像的当前像素点在当前背景模型中的高斯分布的均值和方差，识别出当前帧输入图像的当前像素点是作为运动目标的像素点还是作为背景的像素点；第一生成子模块23用于根据识别出的作为运动目标的像素点和作为背景的像素点生成第一运动目标图像。进一步地，还可以由第一更新子模块21根据当前帧输入图像的其余像素点的第二像素值对当前帧输入图像的其余像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成当前帧输入图像的当前像素点在当前背景模型中对应的高斯分布的均值和方差；还可以由识别模块22用于根据当前帧输入图像的其余像素点在当前背景模型中的高斯分布的均值和方差，识别出当前帧输入图像的其余像素点是作为运动目标的像素点还是作为背景的像素点，以供第一生成子模块23生成第一运动目标图像。

进一步地，生成模块2还包括第二生成子模块24和第三生成子模块25。第二生成子模块24用于根据公式 $I(x,y)=\underset{(m,n)\∈S_{\mathrm{xy}}}{\mathrm{\Σ}}w(m,n)I(m,n)$ 对当前帧输入图像的像素点进行计算处理，生成当前帧输入图像的像素点的第一像素值，其中，(x，y)为当前帧输入图像的像素点，S_xy为以(x，y)为中心点的算子窗口，(m，n)为S_xy中的点，w(m，n)为点(m，n)的权重，I(m，n)为点(m，n)的像素值，I(x，y)为生成的当前帧输入图像的像素点的第一像素值；第三生成子模块25用于根据公式Ψ(t)＝I(t-1)(1-α1)+I(t)α1对当前帧输入图像的像素点的第一像素值和上一帧输入图像的像素点的第一像素值进行计算处理，生成当前帧输入图像的像素点的第二像素值，其中，I(t)为当前帧输入图像的像素点的第一像素值，I(t-1)为上一帧输入图像的像素点的第一像素值，Ψ(t)为当前帧输入图像的像素点的第二像素值，α1为更新系数。进一步地，第三生成子模块25将生成的各像素点的第二像素值输出给第一更新子模块21。

进一步地，识别模块22包括第一识别子模块221、第二识别子模块222和与第一识别子模块221和第二识别子模块222连接的判断模块223。判断模块223用于判断|μ_n(t)-I(p)|是小于2.5σ_n(t)还是大于或等于2.5σ_n(t)；第一识别子模块221用于当判断模块223判断出|μ_n(t)-I(p)|＜2.5σ_n(t)时识别出当前像素点作为背景的像素点；第二识别子模块222用于当判断模块223判断出|μ_n(t)-I(p)|≥2.5σ_n(t)时识别出当前像素点作为运动目标的像素点；其中，μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值、σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差，I(p)为当前像素点的第二像素值。

本实施例的运动目标检测装置，将当前外观模型与生成的当前帧输入图像的第一运动目标图像匹配，将根据当前外观模型查询出的当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成当前帧输入图像的第二运动目标图像，从而可以通过当前外观模型将第一运动目标图像中被误判为背景的像素点修正为运动目标的像素点，使生成的第二运动目标图像中包括较完整的运动目标的像素点，进而实现了较完整的检测出运动目标。本实施例通过当前帧输入图像中各像素点的时域信息和空域信息生成各像素点的第二像素值，并根据各像素点的第二像素值生成当前帧输入图像的第一检测结果图像，有效地减少了第一检测结果图像中的噪声，从而与现有技术中仅通过各像素点的时域信息生成运动目标图像的技术方案相比，本实施例实现了降低检测出的运动目标的噪声。本实施例中，生成最佳标定点过程中采用的各公式和外观模型的各公式的计算量均小于现有技术中的GMM算法，从而实现了快速的检测出运动目标。实验结果表明，当部分运动目标运动到遮挡物后方时，采用本发明实施例中的方法可以较好的检测出包括较完整运动目标的运动目标图像。

本发明实施例的技术方案可应用于多种视频处理系统，例如目标行为分析系统和多摄像头监控系统等。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (17)

1.一种运动目标检测方法，其特征在于，包括：

生成当前帧输入图像的第一运动目标图像；

将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；

将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。

2.根据权利要求1所述的方法，其特征在于，所述生成当前帧输入图像的第一运动目标图像包括：

根据当前帧输入图像的当前像素点的第二像素值对当前帧输入图像的当前像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成当前帧输入图像的当前像素点在当前背景模型中对应的高斯分布的均值和方差；

根据当前帧输入图像的当前像素点在当前背景模型中的高斯分布的均值和方差，识别出当前帧输入图像的当前像素点是作为运动目标的像素点还是作为背景的像素点；

根据识别出的作为运动目标的像素点和作为背景的像素点生成第一运动目标图像。

3.根据权利要求2所述的方法，其特征在于，所述生成当前帧输入图像的第一运动目标图像还包括：

根据公式 $I(x,y)=\underset{(m,n)\∈S_{\mathrm{xy}}}{\mathrm{\Σ}}w(m,n)I(m,n)$ 对当前帧输入图像的像素点进行计算处理，生成当前帧输入图像的像素点的第一像素值，其中，(x，y)为当前帧输入图像的像素点，S_xy为以(x，y)为中心点的算子窗口，(m，n)为S_xy中的点，w(m，n)为点(m，n)的权重，I(m，n)为点(m，n)的像素值，I(x，y)为生成的当前帧输入图像的像素点的第一像素值；

根据公式Ψ(t)＝I(t-1)(1-α1)+I(t)α1对当前帧输入图像的像素点的第一像素值和上一帧输入图像的像素点的第一像素值进行计算处理，生成当前帧输入图像的像素点的第二像素值，其中，I(t)为当前帧输入图像的像素点的第一像素值，I(t-1)为上一帧输入图像的像素点的第一像素值，Ψ(t)为当前帧输入图像的像素点的第二像素值，α1为更新系数。

4.根据权利要求2所述的方法，其特征在于，所述根据当前帧输入图像的当前像素点的第二像素值对当前帧输入图像的当前像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成当前帧输入图像的当前像素点在当前背景模型中对应的高斯分布的均值和方差包括：

对当前帧输入图像中的当前像素点在上一背景模型中对应的高斯分布按照权重大小进行排序；

依次计算当前像素点的第二像素值与排序后的当前像素点在上一背景模型中对应的高斯分布的均值的差值；

当判断出当前像素点的第二像素值与当前像素点在上一背景模型中对应的某一高斯分布的均值的差值大于或等于设置的阈值时，根据当前像素点的第二像素值对判断出的当前像素点在上一背景模型中对应的该高斯分布的均值和方差进行更新处理，生成更新后的均值和方差，并将当前像素点在上一背景模型中对应的该高斯分布的均值替换为更新后的均值以及将当前像素点在上一背景模型中对应的该高斯分布的方差替换为更新后的方差，所述更新后的均值为当前像素点在当前背景模型中对应的高斯分布的均值，所述更新后的方差为当前像素点在当前背景模型中对应的高斯分布的方差；

当未判断出当前像素点的第二像素值与当前像素点在上一背景模型中对应的任一高斯分布的均值的差值大于或等于设置的阈值时并且判断出当前像素点在上一背景模型中对应的高斯分布的数量未达到最大值时，在上一背景模型中增加新的高斯分布，所述新的高斯分布的均值设置为当前像素点的第二像素值，所述新的高斯分布的方差设置为固定值，所述新的高斯分布的均值为当前像素点在当前背景模型中对应的高斯分布的均值，所述新的高斯分布的方差为当前像素点在当前背景模型中对应的高斯分布的方差；

当未判断出当前像素点的第二像素值与当前像素点在上一背景模型中对应的任一高斯分布的均值的差值大于或等于设置的阈值时并且判断出当前像素点在上一背景模型中对应的高斯分布的数量达到最大值时，将当前像素点在上一背景模型中对应的方差最大的高斯分布替换成新的高斯分布，所述新的高斯分布的均值设置为当前像素点的第二像素值，所述新的高斯分布的方差设置为固定值，所述新的高斯分布的均值为当前像素点在当前背景模型中对应的高斯分布的均值，所述新的高斯分布的方差为当前像素点在当前背景模型中对应的高斯分布的方差。

5.根据权利要求2所述的方法，其特征在于，所述根据当前帧输入图像的当前像素点在当前背景模型中的高斯分布的均值和方差，识别出当前帧输入图像的当前像素点是作为运动目标的像素点还是作为背景的像素点包括：

当判断出|μ_n(t)-I(p)|＜2.5σ_n(t)时，识别出当前像素点作为背景的像素点；

当判断出|μ_n(t)-I(p)|≥2.5σ_n(t)时，识别出当前像素点作为运动目标的像素点；

其中，μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值、σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差，I(p)为当前像素点的第二像素值。

6.根据权利要求2所述的方法，其特征在于，还包括：

根据当前像素点在当前背景模型中对应的高斯分布的均值和方差，对当前像素点在上一背景模型中对应的高斯分布的权重进行更新处理，生成更新后的权重，并将当前像素点在上一背景模型中对应的高斯分布的权重替换为更新后的权重。

7.根据权利要求1所述的方法，其特征在于，所述将当前外观模型与当前帧输入图像的第一运动目标图像匹配包括：

根据当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配。

8.根据权利要求7所述的方法，其特征在于，所述根据当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配之前包括：

根据上一帧输入图像的最佳标定点生成当前帧输入图像的最佳标定点，具体包括：

根据上一帧输入图像的最佳标定点生成当前帧输入图像的状态变量；

根据当前帧输入图像的状态变量生成当前帧输入图像的初始标定点；

根据当前帧输入图像的初始标定点的邻域内的待选标定点确定当前帧输入图像的目标前景区域，并生成确定出的当前帧输入图像的目标前景区域与当前外观模型的相似距离；

将相似距离最小的当前帧输入图像的目标前景区域对应的待选标定点确定为当前帧输入图像的最佳标定点。

9.根据权利要求1所述的方法，其特征在于，所述设置规则包括：像素点在当前外观模型中对应的概率值大于设定阈值；

所述根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点包括：

查询出当前帧输入图像的第一运动目标图像中在当前外观模型中对应的概率值大于设定阈值的像素点；

所述将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点包括：

将当前帧输入图像的第一运动目标图像中在当前外观模型中对应的概率值大于设定阈值的像素点设置为运动目标的像素点。

10.根据权利要求1所述的方法，其特征在于，所述当前外观模型包括当前颜色模型和当前概率模型；所述方法还包括：对上一外观模型进行更新处理生成所述当前外观模型；

所述对上一外观模型进行更新处理生成所述当前外观模型包括：通过颜色模型公式

对上一帧输入图像的像素点的像素值I_t-1(x，y)和上一颜色模型中像素点对应的颜色值CM_t-1(x，y)进行计算处理，生成当前颜色模型中像素点对应的颜色值CM_t(x，y)，其中，α_c为颜色模型更新速率；

通过概率模型公式

对上一概率模型中像素点对应的概率值PM_t-1(x，y)进行计算处理，生成当前外观模型中像素点对应的概率值PM_t(x，y)，其中，α_p为概率模型更新速率。

11.一种运动目标检测装置，其特征在于，包括：

接收模块，用于接收当前帧输入图像；

生成模块，用于生成当前帧输入图像的第一运动目标图像；

匹配模块，用于将当前外观模型与当前帧输入图像的第一运动目标图像匹配；

查询模块，用于根据与当前帧输入图像的第一运动目标图像匹配的当前外观模型，查询出当前帧输入图像的第一运动目标图像中符合设置规则的像素点；

设置模块，用于将当前帧输入图像的第一运动目标图像中符合设置规则的像素点设置为运动目标的像素点，生成所述当前帧输入图像的第二运动目标图像。

12.根据权利要求11所述的装置，其特征在于，还包括：

标定点生成模块，用于根据上一帧输入图像的最佳标定点生成当前帧输入图像的最佳标定点，并将当前帧输入图像的最佳标定点输出给所述匹配模块，由所述匹配模块根据当前帧输入图像的最佳标定点，将当前外观模型与当前帧输入图像的第一运动目标图像匹配。

13.根据权利要求12所述的装置，其特征在于，所述标定点生成模块包括：

状态变量生成模块，用于根据上一帧输入图像的最佳标定点生成当前帧输入图像的状态变量；

初始标定点生成模块，用于根据当前帧输入图像的状态变量生成当前帧输入图像的初始标定点；

相似距离生成模块，用于根据当前帧输入图像的初始标定点的邻域内的待选标定点确定当前帧输入图像的目标前景区域，并生成确定出的当前帧输入图像的目标前景区域与当前外观模型的相似距离；

最佳标定点生成模块，用于将相似距离最小的当前帧输入图像的目标前景区域对应的待选标定点确定为当前帧输入图像的最佳标定点。

14.根据权利要求11所述的装置，其特征在于，所述生成模块包括：

第一更新子模块，用于根据当前帧输入图像的当前像素点的第二像素值对当前帧输入图像的当前像素点在上一背景模型中对应的高斯分布的均值和方差进行更新处理，生成当前帧输入图像的当前像素点在当前背景模型中对应的高斯分布的均值和方差；

识别模块，用于根据当前帧输入图像的当前像素点在当前背景模型中的高斯分布的均值和方差，识别出当前帧输入图像的当前像素点是作为运动目标的像素点还是作为背景的像素点；

第一生成子模块，用于根据识别出的作为运动目标的像素点和作为背景的像素点生成第一运动目标图像。

15.根据权利要求14所述的装置，其特征在于，所述生成模块还包括：第二生成子模块，用于根据公式 $I(x,y)=\underset{(m,n)\∈S_{\mathrm{xy}}}{\mathrm{\Σ}}w(m,n)I(m,n)$ 对当前帧输入图像的像素点进行计算处理，生成当前帧输入图像的像素点的第一像素值，其中，(x，y)为当前帧输入图像的像素点，S_xy为以(x，y)为中心点的算子窗口，(m，n)为S_xy中的点，w(m，n)为点(m，n)的权重，I(m，n)为点(m，n)的像素值，I(x，y)为生成的当前帧输入图像的像素点的第一像素值；

第三生成子模块，用于根据公式Ψ(t)＝I(t-1)(1-α1)+I(t)α1对当前帧输入图像的像素点的第一像素值和上一帧输入图像的像素点的第一像素值进行计算处理，生成当前帧输入图像的像素点的第二像素值，其中，I(t)为当前帧输入图像的像素点的第一像素值，I(t-1)为上一帧输入图像的像素点的第一像素值，Ψ(t)为当前帧输入图像的像素点的第二像素值，α1为更新系数。

16.根据权利要求14所述的装置，其特征在于，所述识别模块包括第一识别子模块、第二识别子模块和与所述第一识别子模块和所述第二识别子模块连接的判断模块；

所述判断模块，用于判断|μ_n(t)-I(p)|是小于2.5σ_n(t)还是大于或等于2.5σ_n(t)；

所述第一识别子模块，用于当所述判断模块判断出|μ_n(t)-I(p)|＜2.5σ_n(t)时识别出当前像素点作为背景的像素点；

所述第二识别子模块，用于当所述判断模块判断出|μ_n(t)-I(p)|≥2.5σ_n(t)时识别出当前像素点作为运动目标的像素点；

其中，μ_n(t)为当前像素点在当前背景模型中对应的高斯分布的均值、σ_n ²(t)为当前像素点在当前背景模型中对应的高斯分布的方差，I(p)为当前像素点的第二像素值。

17.根据权利要求11所述的装置，其特征在于，还包括：

外观模型更新模块，用于对上一外观模型进行更新处理生成所述当前外观模型。

Images