CN101930610B - 使用适应性背景模型的移动物体侦测方法 - Google Patents
使用适应性背景模型的移动物体侦测方法 Download PDFInfo
- Publication number
- CN101930610B CN101930610B CN2009101396217A CN200910139621A CN101930610B CN 101930610 B CN101930610 B CN 101930610B CN 2009101396217 A CN2009101396217 A CN 2009101396217A CN 200910139621 A CN200910139621 A CN 200910139621A CN 101930610 B CN101930610 B CN 101930610B
- Authority
- CN
- China
- Prior art keywords
- brightness
- background
- value
- those
- pixel
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本发明揭露一种使用适应性背景模型的移动物体侦测方法。在此移动物体侦测方法中,首先进行背景模型建立步骤,以建立一背景模型来提供多个背景亮度参考值。然后,进行前景物件侦测步骤,以利用这些背景亮度参考值来侦测前景物件。在背景模型建立步骤中,首先根据背景像素的亮度值来决定多个亮度权值,其中每一亮度权值是由相应的背景像素的亮度值来决定。接着,根据这些背景像素的亮度值和相应的亮度权值来计算出背景亮度参考值。另外,当计算机加载此计算机程序产品时,可执行前述的移动物体侦测方法。
Description
技术领域
本发明是有关于一种于使用适应性背景模型的移动物体侦测方法,特别是一种适用于监视系统的使用适应性背景模型的移动物体侦测方法。
背景技术
在监视系统中,由于长时间的监视画面会占用非常大的储存容量,因此出现了移动物体侦测(motion object detection)的技术。移动物体侦测的技术可以侦测实时监视画面。当监视画面的前景物件(例如:人或物体)有动作时才加以录像或发出警告信息,监视画面没有动作时则不予录像或不发出警告信息。
在已知的移动物体侦测技术中,是将摄影机所撷取的目前影像与预先建立的背景模型作比较,再将目前影像中像素值差异较大的像素取出,来做成前景物件。通过判断目前影像中前景影像的状况,监视系统可判断何时发出警告信息。
然而,已知的移动物体侦测技术无法随着监视区域的亮度变化来提供背景模型,因此当监视区域的亮度改变时(例如:监视区域的照明设备被开启或关闭时),监视系统就无法正确地判断何时该发出警告信息。
发明内容
因此,本发明的一目的在于提供一种使用适应性背景模型的移动物体侦测方法,以提供较为精确的背景模型。
本发明的另一目的在于提供一种计算机程序产品,当计算机加载此计算机程序产品时,此计算机可执行前述的移动物体侦测方法。
根据本发明的一实施例,提供一种移动物体侦测方法。在此移动物体侦测方法中,首先进行一背景模型建立步骤,以建立一背景模型来提供多个背景亮度参考值。然后,进行一前景物件侦测步骤,以利用这些背景亮度参考值来侦测前景物件。在背景模型建立步骤中,首先根据背景影像的多个背景像素的亮度值来决定多个亮度权值,其中这些亮度权值是一对一对应至背景像素,且每一背景像素所对应的亮度权值是由此背景像素的亮度值来决定。接着,根据这些背景像素的亮度值和亮度权值来计算出多个背景亮度参考值,其中这些背景亮度参考值是一对一对应至像素坐标点。
根据本发明的另一实施例,提供一种移动物体侦测方法。在此移动物体侦测方法中,首先进行背景模型建立步骤,以利用背景影像来建立一背景模型,其中背景模型包含多个背景亮度参考值,这些背景亮度参考值是一对一对应至多个像素坐标点。然后,进行前景像素判断步骤,以根据背景模型来判断目前影像的多个目前处理像素是否为前景像素。接着,进行前景侦测步骤,以根据目前处理像素中被判断为前景像素的至少一个,来侦测目前影像中的至少一前景物件。然后,判断所有前景物件的面积总和是否大于背景干扰阈值,并提供判断结果。接着,当判断结果为是时,进行快速背景更新步骤来更新每一背景亮度参考值。在此快速背景更新步骤中,首先根据目前处理像素的亮度值来决定亮度权值。接着,将目前处理像素所对应的背景亮度参考值乘以亮度权值,以获得一背景亮度比例值。然后,将亮度权值与1的差值乘以目前处理像素的亮度值,以获得前景亮度比例值。接着,利用背景亮度比例值和前景亮度比例值之和来更新背景亮度参考值。
根据本发明的再一实施例,提供一种移动物体侦测方法。在此移动物体侦测方法中,首先进行背景模型建立步骤,以利用背景影像来建立一背景模型,其中此背景模型包含多个背景亮度参考值,且这些背景亮度参考值是一对一对应至多个像素坐标点。然后,进行前景像素判断步骤,以根据背景模型来判断目前影像的多个目前处理像素是否为前景像素。接着,进行前景侦测步骤,以根据目前处理像素中被判断为前景像素的至少一个,来侦测目前影像中的至少一前景物件。然后,进行阴影过滤步骤,以过滤前景物件的阴影。在阴影过滤步骤中,首先将前景物件投影至像素坐标阵列的坐标轴上,以获得像素分布曲线。然后,提供本体比例阈值。接着,根据本体比例阈值和像素分布曲线的最大值来决定本体部份。
根据本发明的又一实施例,提供一种移动物体侦测方法。在此移动物体侦测方法中,首先进行一背景模型建立步骤,以建立一背景模型来提供多个背景亮度参考值。然后,进行一前景物件侦测步骤,以利用这些背景亮度参考值来侦测前景物件。在背景模型建立步骤中,首先,根据多张背景影像的多个背景像素来提供多个亮度权值,其中这些亮度权值是一对一对应至背景像素,且每一背景像素所对应的亮度权值是由此背景像素的亮度值来决定。接着,进行一背景亮度参考值计算步骤,以根据背景像素的亮度值与其第一亮度权值来计算出多个背景亮度参考值,其中这些背景亮度参考值是一对一对应至像素坐标点。在背景亮度参考值计算步骤中,首先将每一背景像素的亮度值乘以此背景像素所对应的亮度权值,以获得对应至这些背景像素的多个加权亮度值。然后,根据这些像素坐标点,来将加权亮度值分为多个亮度值群组,其中这些亮度值群组是一对一对应至像素坐标点。接着,计算每一亮度值群组的加权亮度值的平均值,以获得对应至这些亮度值群组的多个加权亮度平均值,其中加权亮度平均值系一对一对应至像素坐标点,而加权亮度平均值则为背景亮度参考值。
由上述说明,可说本发明可实时监控监视区域,并排除背景和前景中的干扰,使监视系统能更精确地反应监视区域的变化。
附图说明
为让本发明的上述和其它目的、特征、和优点能更明显易懂,上文特举一较佳实施例,并配合所附附图,作详细说明如下:
图1是绘示根据本发明一实施例的监控系统所撷取的影像序列的结构示意图;
图2是绘示影像序列的影像所对应的坐标阵列;
图3是绘示根据本发明一实施例的移动物体侦测方法的流程示意图;
图4是绘示根据本发明另一实施例的移动物体侦测方法的流程示意图;
图5是绘示根据本发明另一实施例的前景像素判断步骤的流程示意图;
图6则绘示根据本发明另一实施例的正常背景更新步骤的流程示意图;
图7是绘示根据本发明又一实施例的移动物体侦测方法的流程示意图;
图8是绘示根据本发明又一实施例的阴影过滤步骤的流程示意图;
图9是绘示根据本发明又一实施例的目前影像与其像素分布曲线;
图10是绘示根据本发明又一实施例的移动物体侦测方法的流程示意图;
图11是绘示根据本发明又一实施例的快速更新步骤的流程示意图;
图12是绘示根据本发明又一实施例的移动物体侦测方法的流程示意图。
【主要组件符号说明】
10:影像序列 15:坐标阵列
100:移动物体侦测方法 110:步骤
120:步骤 122:步骤
124:步骤 130:步骤
300:移动物体侦测方法 310:步骤
320:步骤 330:步骤
332:步骤 332a:步骤
332b:步骤 332c:步骤
332d:步骤 332e:步骤
332f:步骤 332g:步骤
334:步骤 336:步骤
336a:步骤 336b:步骤
336c:步骤 338:步骤
400:移动物体侦测方法 432:步骤
432a:步骤 432b:步骤
432c:步骤 450:前景物件
450a:本体部份 450b:阴影部份
500:移动物体侦测方法 510:步骤
520:步骤 530:步骤
540:步骤 550:步骤
550a:步骤 550b:步骤
550c:步骤
600:移动物体侦测方法 640:步骤
D:垂直距离 D’:垂直距离
I1~IN:影像 S:像素分布曲线
Pmax:坐标点 B1:边界线
B2:边界线
具体实施方式
请同时参照图1和图2,图1是绘示根据本发明一实施例的监控系统所撷取的影像序列10的结构示意图,图2是绘示影像序列10的影像所对应的坐标阵列15。影像序列10包含多张连续影像I1~IN。每一张影像是对应至同一像素坐标阵列15,而像素坐标阵列15包含多个像素坐标点,并一对一对应至每一张影像中的所有像素。在本实施例中,每一影像的像素是以Pj(x,y),其中x,y是代表像素所对应的坐标点,而j是代表此像素是位于第j张图框,j=1~N,N为自然数。如图2所示,影像I1是对应至x-y坐标平面,且其所有像素可透过此坐标平面来表示为P1(x,y),而所有的P1(x,y)所对应的位置可构成一个坐标阵列,并与所有的影像相对应。
本实施例中是将每张影像的像素成份分为亮度成份、第一彩度成份和第二彩度成份来进行处理,而亮度成份、第一彩度成份和第二彩度成份分别对应至YUV色域中的亮度、色度和浓度,或是HSV色域中的明度、色相和饱和度,但本发明并不受限于此。另外,在以下的实施例中将以亮度成份来举例说明,然而在本发明其它的实施例中,亦可同时采用亮度成份、第一彩度成份和第二彩度成份来进行本发明的移动物体侦测方法。
请参照图3,其是绘示根据本发明一实施例的移动物体侦测方法100的流程示意图。在移动物体侦测方法100中,首先进行背景影像选定步骤110,以决定用来建立背景模型的背景影像。在本实施例中,是选取影像序列10前面30张影像I1~I30来做为背景影像,但在本发明其它的实施例中亦可只选择最前面的影像I1来做为背景影像。
接着,进行背景模型建立步骤120,以根据影像I1~I30来计算出对应至每个坐标点的背景亮度参考值,并据此制作出背景模型。在背景模型中,其所包含的像素是以PM(x,y)来表示,其中PM(x,y)是代表对应至坐标点(x,y)的背景像素,而其的亮度值即为上述的背景亮度参考值。
在步骤120中,首先进行亮度权值提供步骤122,以提供每个像素所对应的亮度权值W,其中每个背景像素所对应的亮度权值W是由其亮度值所决定。例如,在本实施例中,像素的最大亮度值被设为255,最小亮度值被设为0,将亮度0至亮度225的亮度区段分为多个较小的子亮度区段,并使每个子亮度区段对应至一个亮度权值,其中具有较大亮度平均值的子亮度区段对应至较大的亮度权值W,而具有较小亮度平均值的子亮度区段则对应至较小的亮度权值W。如此,根据每个背景像素的亮度值来决定其所对应的子亮度区段,即可获得每个背景像素的亮度权值W。
接着,进行背景亮度参考值计算步骤124,以根据背景像素的亮度值与其对应的亮度权值W来计算出背景亮度参考值。在本实施例中,是将每个背景像素的亮度值与其对应的亮度权值W相乘,以得到多个加权亮度值。接着,根据每个背景像素的坐标点,来将这些加权亮度值分成多个亮度值群组。例如,P1(1,1)、P2(1,1)、…、P30(1,1)所对应的加权亮度值被分至同一群组,而P1(1,2)、P2(1,2)、…、P30(1,2)所对应的加权亮度值被分至另一群组。接着,计算每个亮度值群组的加权亮度值的平均值,以获得每个亮度值群组的加权亮度平均值,并以此加权亮度平均值来做为背景亮度参考值。例如,计算P1(1,1)、P2(1,1)、…、P30(1,1)的加权亮度值的平均值,以获得对应至坐标点(1,1)的背景亮度参考值;计算P1(1,2)、P2(1,2)、…、P30(1,2)的加权亮度值的平均值,以获得对应至坐标点(1,2)的背景亮度参考值。将每个坐标点所对应的亮度值群组的加权亮度平均值计算出来后,即可得到对应至所有坐标点的背景亮度参考值(即PM(x,y)的亮度值),并建构出后续影像I31~IN的背景模型。
在本发明的其它实施例的背景亮度参考值计算步骤中,亦可计算每个亮度值群组的加权亮度值的中间值,并以此做为背景亮度参考值。例如,计算P1(1,1)、P2(1,1)、…、P30(1,1)的加权亮度值的中间值,以获得对应至坐标点(1,1)的背景亮度参考值;计算P1(1,2)、P2(1,2)、…、P30(1,2)的加权亮度值的中间值,以获得对应至坐标点(1,2)的背景亮度参考值。将每个坐标点所对应的亮度值群组的加权亮度中间值计算出来后,即可得到对应至所有坐标点的背景亮度参考值(即PM(x,y)的亮度值),并建构出后续影像I31~IN的背景模型。另外,亦可将每个亮度值群组的加权亮度值去头去尾后,再取亮度值群组的中间值来做为背景亮度参考值。
当背景模型被计算出来后,对目前欲处理的影像(例如:影像I31)进行前景侦测步骤130,以利用背景模型来侦测影像I31的前景物件。
另外,值得一提的是,在本发明其它的实施例中,若只用影像I1来做为背景模型,则直接使用影像I1中每个像素的亮度值来做为背景亮度参考值。
由上述说明可知,本实施例的移动物体侦测方法100可根据监视区域的亮度情况来建构出适合的背景模型,使得监视系统能更精确地判断监视区域是否发生变化。
请同时参照图4至图6,图4是绘示根据本发明另一实施例的移动物体侦测方法300的流程示意图,图5是绘示前景物件侦测步骤330的前景像素判断步骤332的流程示意图,图6则绘示前景物件侦测步骤330的正常背景更新步骤336的流程示意图。在移动物体侦测方法300中,首先进行步骤310,以决定用来建立背景模型所需的背景影像。接着,进行背景模型建立步骤320,以计算出对应至每个坐标点的背景亮度参考值。接着,进行前景侦测步骤330,以侦测目前处理影像的前景物件。
在前景侦测步骤330中,首先进行前景像素判断步骤332,以利用背景模型来判断目前处理像素是否为前景像素。接着,进行静止像素判断步骤334,以判断被判断为前景像素的目前处理像素是否为静止像素,并提供第一判断结果。当第一判断结果为是时,进行正常背景更新步骤336,以利用目前处理像素的亮度值来更新背景模型中相同坐标点的背景亮度参考值。另外,当前景像素判断步骤332已将目前影像的像素都处理完毕后,进行形态处理(Morphological processing)步骤338,以将被判断为前景像素的目前处理像素转换成至少一个前景物件。
在前景像素判断步骤332中,首先进行亮度差值计算步骤332a,以计算目前处理像素的亮度值与对应的背景亮度参考值的差值。接着,进行步骤332b,以决定亮度变化阈值。在本实施例中,亮度变化阈值是根据目前处理像素所对应的背景亮度参考值来决定,当背景亮度参考值越大,亮度变化阈值就越大。当然,也可利用前述的亮度权值W所用的分段决定方法来决定亮度变化阈值。然后,进行判断步骤332c,以判断亮度差值是否大于亮度变化阈值,并提供第二判断结果。然后,根据第二判断结果来增减一累计停留次数的值。例如:当第二判断结果为是时,进行步骤332d,以将对应至此目前处理像素的坐标点的累计停留次数增加,而当第二判断结果为否时,进行步骤332e,以将对应至此目前处理像素的坐标点的累计停留次数减少。在本实施例中是利用计数器(counter)来纪录累计停留次数,因此每个像素坐标点是对应至一个计数器。接着,进行判断步骤332f,以判断累计停留次数是否大于前景确认阈值,并提供第三判断结果。当第三判断结果为是,则表示目前处理像素已停留一段时间,其确实为前景像素,因此进行步骤332g,以将此目前处理像素判断为前景像素。
接着,在后续的静止像素判断步骤334中,可通过累计停留次数来判断此前景像素是否停留过久。在本实施例中,是判断累计停留次数是否大于像素静止阈值,并提供第四判断结果。当第四判断结果为是时,则表示此目前处理像素已停留过久,可将其视为背景,因此进行正常背景更新步骤336来更新背景模型。
在正常背景更新步骤336中,首先进行亮度权值提供步骤336a,以决定亮度权值W’。在本实施例中,亮度权值W’是由目前处理像素的亮度值来决定,其中当目前处理像素的亮度值越大,亮度权值W’就越大。当然,也可利用前述的亮度权值W的决定方法来决定亮度权值W’。接着,进行背景亮度更新值计算步骤336b,以根据亮度权值W’来计算出背景亮度更新值。在本实施例中,是将亮度权值W’乘以目前处理像素所对应的背景亮度参考值,以获得背景亮度比例值,以及将1与亮度权值W’的差值乘以目前处理像素的亮度值,以获得前景亮度比例值。将背景亮度比例值和前景亮度比例值加总,以获得背景亮度更新值。然后,进行步骤336c,以利用背景亮度更新值来更新此目前处理像素所对应的背景亮度参考值。
另外,值得一提的是,在本实施例中亮度权值W’是实质大于或等于0.5,且小于1,如此可将背景模型的变化程度控制于适当的范围内。
由上述说明可知,本实施例的移动物体侦测方法300可将停留于监视区域中过久的物体当成背景处理,使得监视系统能更精确地判断监视区域是否发生变化。另外,本实施例的移动物体侦测方法300可过滤小物体(例如:树叶)的摇晃,来避免将此小物体判断成前景。例如:当树叶摇晃时,树叶会在固定区域内进行周期性的运动,因此通过适当地设定前景确认阈值,可避免将树叶判断成前景物件。
请参照同时参照图7和图8,图7是绘示根据本发明又一实施例的移动物体侦测方法400的流程示意图,图8是绘示移动物体侦测方法400的阴影过滤步骤432的流程示意图。移动物体侦测方法400是类似于移动物体侦测方法300,但不同之处在于移动物体侦测方法400还包含了阴影过滤步骤432。
在阴影过滤步骤432中,首先进行投影步骤432a,以将前景物件投影在水平坐标轴,以得到前景像素相对于水平坐标轴上的像素分布曲线。接着,进行步骤432b,以提供本体比例阈值。然后进行步骤432c,以根据本体比例阈值和像素分布曲线的最大值来决定本体部份。为能更清楚描述阴影过滤步骤432,以下将以一范例来说明阴影过滤步骤432。
请参照图9,其是绘示目前影像I35与其像素分布曲线S,其中目前影像I35包含有前景物件450,而此前景物件450包含有本体450a和阴影450b。在投影步骤432a中,是将前景物件的像素相对于水平位置的分布情况制作成像素分布图,其中像素分布图的x轴代表前景物件像素的水平位置,而y轴代表于该位置上的像素个数。像素分布曲线S是代表前景物件像素的分布情况,其中具有最大值的坐标点Pmax与水平坐标轴间,具有的垂直距离D。然后,进行步骤432b以提供本体比例阈值T。在本实施例中,此本体比例阈值T是设定为60%,但在本发明的其它实施例中,此本体比例阈值T可设定为介于50%~70%之间的值。接着,进行步骤432c,以根据本体比例阈值T和垂直距离D,来找到一条水平截线L,其中水平截线L与坐标点Pmax的垂直距离D’占垂直距离D的60%,本体比例阈值T。接着,根据水平截线L与像素分布曲线S的交点,来找出两条垂直边界线B1和B2。当得到两条边界线B1和B2后,即可将其套用至目前影像I35上来找出本体部份450a,其中前景物件450位于边界线B1和B2间的部份即判断为本体。
在本实施例中,由阴影过滤步骤432所决定的本体部份大致等于前景物件450的本体450a,因此本实施例的移动物体侦测方法400不仅可将停留于监视区域中过久的物体当成背景处理,更可过滤前景物体的阴影,避免物体阴影影响监视系统判断的精确度。
请同时参照图10和图11,图10是绘示根据本发明又一实施例的移动物体侦测方法500的流程示意图,图11是绘示移动物体侦测方法500的快速更新步骤550的流程示意图。在移动物体侦测方法500中,首先进行步骤510,以决定用来建立背景模型所需的背景影像。接着,进行背景模型建立步骤520,以计算出对应至每个坐标点的背景亮度参考值。然后,进行前景物件侦测步骤530,以利用背景模型来侦测目前影像I31的前景物件。接着,进行判断步骤540,以判断所有前景物件的面积总和是否大于背景干扰阈值,并提供第五判断结果。在本实施例中,背景干扰阈值是设定为整体影像面积的一半。接着,当第五判断结果为是时,进行快速背景更新步骤550,以利用目前处理像素的亮度值来更新背景模型中相同坐标点的背景亮度参考值。
在本实施例中,当前景物件之的面积超过影像面积的一半时,表示监视区域的环境亮度可能有变化有大幅度变动,例如:监视区域的照明设备被打开或关闭,或是监视器镜头受到摇晃,以及监视器镜头被遮蔽,因此须进行快速背景更新步骤550来快速变更背景模型,来使后续的前景物件判断步骤更加精确。
在快速背景更新步骤550中,首先进行步骤550a,以决定亮度权值W”。在本实施例中,亮度权值W”是由目前处理像素的亮度值来决定,其中当目前处理像素的亮度值越大,亮度权值W”就越大。当然,也可利用前述的亮度权值W的决定方法来决定亮度权值W”。接着,进行背景亮度更新值计算步骤550b,以根据亮度权值W”来计算出背景亮度更新值。在本实施例中,是将亮度权值W”乘以目前处理像素所对应的背景亮度参考值,以获得背景亮度比例值,以及将1与亮度权值W”的差值乘以目前处理像素的亮度值,以获得前景亮度比例值。将背景亮度比例值和前景亮度比例值加总,以获得背景亮度更新值。然后,进行步骤550c,以利用背景亮度更新值来更新此目前处理像素所对应的背景亮度参考值。
另外,值得一提的是,在本实施例中亮度权值W”是小于0.5且大于0,如此可增加背景模型的变化程度来快速更新背景模型。
请参照图12,其是绘示根据本发明又一实施例的移动物体侦测方法600的流程示意图。移动物体侦测方法600类似移动侦测步骤500,但不同之处在于移动物体侦测方法600是采用判断步骤640来代替判断步骤540。在判断步骤640中,是判断所有被判断为前景像素的目前处理像素的个数总和是否大于预设的背景变化阈值,并提供第六判断结果。在本实施例中,背景变化阈值是设定为整体影像像素个数的一半。接着,当第六判断结果为是时,进行快速背景更新步骤550,以利用目前处理像素的亮度值来更新背景模型中相同坐标点的背景亮度参考值。
在本实施例中,移动物体侦测方法600是利用前景像素的个数来判断监视区域的环境亮度是否有变化有大幅度变动,据此决定是否要进行快速更新。而利用像素个数来判断的好处在于:判断步骤640可在形态处理步骤之前进行,而不需等到前景像素被转换成影像后再处理。例如:在目前处理像素被判断为前景像素后,记录其个数,即可于形态处理步骤之前进行判断步骤640,并决定是否进行快速更新。
由上述说明可知,本实施例的移动物体侦测方法500和600可在监视区域环境的亮度发生大幅度变化时,可快速地将背景模型更新,使得监视系统能更精确地判断监视区域是否发生变化。
另外,值得一提的是,前述的移动物体侦测方法100、300、400、500或600可应用于计算机程序产品中,当计算机加载此计算机程序产品后,此计算机即可执行移动物体侦测方法100、300、400、500或600。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技术的人员,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视权利要求书所界定的范围为准。
Claims (10)
1.一种使用适应性背景模型的移动物体侦测方法,其特征在于,用以根据至少一张背景影像,来撷取一目前影像中的前景,其中该目前影像和该至少一张背景影像是对应至同一像素坐标阵列,该像素坐标阵列包含多个像素坐标点,该移动物体侦测方法包含:
进行一背景模型建立步骤,包含:
根据该至少一张背景影像的多个背景像素来提供多个第一亮度权值,其中该些第一亮度权值是一对一对应至该些背景像素,且每一该些背景像素所对应的该第一亮度权值是由该背景像素的亮度值来决定;以及
进行一背景亮度参考值计算步骤,以根据该些背景像素的亮度值和该些第一亮度权值来计算出多个背景亮度参考值,其中该些背景亮度参考值是一对一对应至该些像素坐标点;以及
进行一前景物件侦测步骤,以利用该些背景亮度参考值来侦测至少一前景物件。
2.根据权利要求1所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该背景模型建立步骤是根据多张背景影像来进行,该背景亮度参考值计算步骤包含:
将每一该些背景像素的亮度值乘以该背景像素所对应的该第一亮度权值,以获得对应至该些背景像素的多个加权亮度值;
根据该些像素坐标点,来将该些加权亮度值分为多个亮度值群组,其中该些亮度值群组是一对一对应至该些像素坐标点;以及
计算每一该些亮度值群组的该些加权亮度值的平均值,以获得对应至该些亮度值群组的多个加权亮度平均值,其中该些加权亮度平均值是一对一对应至该些像素坐标点,而该些加权亮度平均值为该些背景亮度参考值。
3.根据权利要求1所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该背景模型建立步骤是根据多张背景影像来进行,该背景亮度参考值计算步骤包含:
将每一该些背景像素的亮度值乘以该背景像素所对应的该第一亮度权值,以获得对应至该些背景像素的多个加权亮度值;
根据该些像素坐标点,来将该些加权亮度值分为多个亮度值群组,其中该些亮度值群组是一对一对应至该些像素坐标点;以及
计算每一该些亮度值群组的该些加权亮度值的中间值,以获得对应至该些亮度值群组的多个加权亮度中间值,其中该些加权亮度中间值是一对一对应至该些像素坐标点,而该些加权亮度中间值为该些背景亮度参考值。
4.根据权利要求1所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该前景物件侦测步骤包含:
进行一前景像素判断步骤,以判断该目前影像中的多个目前处理像素是否为前景像素,其中该前景像素判断步骤包含:
计算该目前处理像素的亮度值与相应的该背景亮度参考值的差值,以提供一亮度差值;
提供一亮度变化阈值;以及
判断该亮度差值是否小于该亮度变化阈值,并提供一第一判断结果;
根据该第一判断结果来变更一累计停留次数的值;
判断该累计停留次数的值是否大于或等于一前景确认阈值,并提供一第二判断结果;以及
当该第二判断结果为是时,将该目前处理像素判断为前景像素;
进行一形态处理步骤,以将被判断为前景像素的该些目前处理像素转换为至少一前景物件。
5.根据权利要求4所述的使用适应性背景模型的移动物体侦测方法,其特征在于,还包含:
将该前景物件投影至该像素坐标阵列的一坐标轴上,以获得一像素分布曲线;
提供一本体比例阈值;以及
根据该本体比例阈值和该像素分布曲线的最大值来决定一本体部份。
6.根据权利要求1所述的使用适应性背景模型的移动物体侦测方法,其特征在于,还包含:
计算目前处理像素的亮度值与相应的该背景亮度参考值的差值,以提供一亮度差值;
提供一亮度变化阈值;以及
判断该亮度差值是否小于该亮度变化阈值,并提供一第一判断结果;
根据该第一判断结果来变更一累计停留次数的值;
判断该累计停留次数的值是否大于或等于一像素静止阈值,并提供一第二判断结果;以及
当该第二判断结果为是时,进行一正常背景更新步骤,以根据目前处理像素的亮度值来更新该背景亮度参考值。
7.根据权利要求6所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该正常背景更新步骤包含:
根据该目前处理像素的亮度值来决定一第二亮度权值;
将该背景亮度参考值乘以该第二亮度权值,以获得一背景亮度比例值;
将该第二亮度权值与1的差值乘以该目前处理像素的亮度值,以获得一前景亮度比例值;以及
利用该背景亮度比例值和该前景亮度比例值之和来更新该背景亮度参考值。
8.根据权利要求4所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该物体侦测方法还包含:
判断该至少一前景物件的面积是否大于一背景干扰阈值,并提供一第三判断结果;以及
当该第三判断结果为是时,进行一快速背景更新步骤,包含:
根据该目前处理像素的亮度值来决定一第二亮度权值;
将该背景亮度参考值乘以该第二亮度权值,以获得一背景亮度比例值;
将该第二亮度权值与1的差值乘以该目前处理像素的亮度值,以获得一前景亮度比例值;以及
利用该背景亮度比例值和该前景亮度比例值之和来更新该背景亮度参考值。
9.根据权利要求4所述的使用适应性背景模型的移动物体侦测方法,其特征在于,该物体侦测方法还包含:
判断被判断为前景像素的该些目前处理像素的个数是否大于一背景变化阈值,并提供一第三判断结果;以及
当该第三判断结果为是时,进行一快速背景更新步骤,包含:
根据该目前处理像素的亮度值来决定一第二亮度权值;
将该背景亮度参考值乘以该第二亮度权值,以获得一背景亮度比例值;
将该第二亮度权值与1的差值乘以该目前处理像素的亮度值,以获得一前景亮度比例值;以及
利用该背景亮度比例值和该前景亮度比例值之和来更新该背景亮度参考值。
10.根据权利要求4所述的使用适应性背景模型的移动物体侦测方法,其特征在于,还包含:
进行一阴影过滤步骤,以过滤该前景物件的阴影,其中该阴影过滤步骤包含:
将前景物件投影至该像素坐标阵列的一坐标轴上,以获得一像素分布曲线,其中该前景物件包含一本体部份和一阴影部份;
提供一本体比例阈值;以及
根据该本体比例阈值和该像素分布曲线的最大值来区分该本体部份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101396217A CN101930610B (zh) | 2009-06-26 | 2009-06-26 | 使用适应性背景模型的移动物体侦测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101396217A CN101930610B (zh) | 2009-06-26 | 2009-06-26 | 使用适应性背景模型的移动物体侦测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101930610A CN101930610A (zh) | 2010-12-29 |
CN101930610B true CN101930610B (zh) | 2012-05-02 |
Family
ID=43369769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101396217A Expired - Fee Related CN101930610B (zh) | 2009-06-26 | 2009-06-26 | 使用适应性背景模型的移动物体侦测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101930610B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8873852B2 (en) * | 2011-09-29 | 2014-10-28 | Mediatek Singapore Pte. Ltd | Method and apparatus for foreground object detection |
US9070019B2 (en) | 2012-01-17 | 2015-06-30 | Leap Motion, Inc. | Systems and methods for capturing motion in three-dimensional space |
US9679215B2 (en) | 2012-01-17 | 2017-06-13 | Leap Motion, Inc. | Systems and methods for machine control |
US8693731B2 (en) | 2012-01-17 | 2014-04-08 | Leap Motion, Inc. | Enhanced contrast for object detection and characterization by optical imaging |
US11493998B2 (en) | 2012-01-17 | 2022-11-08 | Ultrahaptics IP Two Limited | Systems and methods for machine control |
US9501152B2 (en) | 2013-01-15 | 2016-11-22 | Leap Motion, Inc. | Free-space user interface and control using virtual constructs |
US10691219B2 (en) | 2012-01-17 | 2020-06-23 | Ultrahaptics IP Two Limited | Systems and methods for machine control |
US8638989B2 (en) | 2012-01-17 | 2014-01-28 | Leap Motion, Inc. | Systems and methods for capturing motion in three-dimensional space |
TW201339991A (zh) * | 2012-03-30 | 2013-10-01 | rui-cheng Yan | 車輛駕駛頭部移動偵測方法與系統 |
US9285893B2 (en) | 2012-11-08 | 2016-03-15 | Leap Motion, Inc. | Object detection and tracking with variable-field illumination devices |
US10609285B2 (en) | 2013-01-07 | 2020-03-31 | Ultrahaptics IP Two Limited | Power consumption in motion-capture systems |
US9626015B2 (en) | 2013-01-08 | 2017-04-18 | Leap Motion, Inc. | Power consumption in motion-capture systems with audio and optical signals |
US9459697B2 (en) | 2013-01-15 | 2016-10-04 | Leap Motion, Inc. | Dynamic, free-space user interactions for machine control |
US9702977B2 (en) | 2013-03-15 | 2017-07-11 | Leap Motion, Inc. | Determining positional information of an object in space |
US9916009B2 (en) | 2013-04-26 | 2018-03-13 | Leap Motion, Inc. | Non-tactile interface systems and methods |
US10846942B1 (en) | 2013-08-29 | 2020-11-24 | Ultrahaptics IP Two Limited | Predictive information for free space gesture control and communication |
US9632572B2 (en) | 2013-10-03 | 2017-04-25 | Leap Motion, Inc. | Enhanced field of view to augment three-dimensional (3D) sensory space for free-space gesture interpretation |
US9996638B1 (en) | 2013-10-31 | 2018-06-12 | Leap Motion, Inc. | Predictive information for free space gesture control and communication |
US9613262B2 (en) | 2014-01-15 | 2017-04-04 | Leap Motion, Inc. | Object detection and tracking for providing a virtual device experience |
DE202014103729U1 (de) | 2014-08-08 | 2014-09-09 | Leap Motion, Inc. | Augmented-Reality mit Bewegungserfassung |
CN105654068B (zh) * | 2016-02-02 | 2019-03-26 | 中国科学院上海微系统与信息技术研究所 | 一种基于分形理论的目标检测背景估计方法 |
CN107306340A (zh) * | 2016-04-14 | 2017-10-31 | 上海富瀚微电子股份有限公司 | 一种自动曝光和参考帧补偿参数计算装置及方法 |
US11380054B2 (en) | 2018-03-30 | 2022-07-05 | Cae Inc. | Dynamically affecting tailored visual rendering of a visual element |
US10964106B2 (en) | 2018-03-30 | 2021-03-30 | Cae Inc. | Dynamically modifying visual rendering of a visual element comprising pre-defined characteristics |
US10805579B2 (en) * | 2019-01-30 | 2020-10-13 | Primesensor Technology Inc. | Motion detection methods and motion sensors capable of more accurately detecting true motion event |
WO2021040555A1 (ru) * | 2019-08-26 | 2021-03-04 | Общество С Ограниченной Ответственностью "Лаборатория Мультимедийных Технологий" | Способ мониторинга движущегося объекта в потоке видеокадров |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216942A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 一种自适应选取权重的增量式特征背景建模算法 |
CN101315701A (zh) * | 2008-07-11 | 2008-12-03 | 天津大学 | 运动目标图像分割方法 |
-
2009
- 2009-06-26 CN CN2009101396217A patent/CN101930610B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216942A (zh) * | 2008-01-14 | 2008-07-09 | 浙江大学 | 一种自适应选取权重的增量式特征背景建模算法 |
CN101315701A (zh) * | 2008-07-11 | 2008-12-03 | 天津大学 | 运动目标图像分割方法 |
Non-Patent Citations (3)
Title |
---|
Marko Heikkila, et al..A Texture-Based Method for Modeling the Background and Detecting Moving Objects.《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》.2006,第28卷(第4期),657-662. * |
王陈阳,等..基于自适应背景模型运动目标检测.《计算机技术与发展》.2007,第17卷(第4期),第21页右栏第1-17行,第23页左栏倒数第13行-右栏6行、图2-3. * |
王陈阳,等。.基于自适应背景模型运动目标检测.《计算机技术与发展》.2007,第17卷(第4期),第21页右栏第1-17行,第23页左栏倒数第13行-右栏6行、图2-3. |
Also Published As
Publication number | Publication date |
---|---|
CN101930610A (zh) | 2010-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101930610B (zh) | 使用适应性背景模型的移动物体侦测方法 | |
TWI395483B (zh) | 使用適應性背景模型之移動物體偵測方法及其電腦程式產品 | |
US10088600B2 (en) | Weather recognition method and device based on image information detection | |
CN111339882B (zh) | 基于实例分割的输电线路隐患检测方法 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN103759644B (zh) | 一种滤光片表面缺陷的分离细化智能检测方法 | |
CN106096603A (zh) | 一种融合多特征的动态火焰检测方法及装置 | |
CN107404647A (zh) | 镜头状态检测方法及装置 | |
CN112164048B (zh) | 一种基于深度学习的磁瓦表面缺陷自动检测方法和装置 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN112561946B (zh) | 一种动态目标检测方法 | |
US20240005759A1 (en) | Lightweight fire smoke detection method, terminal device, and storage medium | |
CN111582074A (zh) | 一种基于场景深度信息感知的监控视频树叶遮挡检测方法 | |
CN115393774A (zh) | 一种轻量化的火灾烟雾检测方法、终端设备及存储介质 | |
CN114548208A (zh) | 一种基于YOLOv5改进的植物种子实时分类检测方法 | |
CN113435407A (zh) | 一种输电系统的小目标识别方法及装置 | |
CN112419261A (zh) | 具有异常点去除功能的视觉采集方法及装置 | |
CN102509414B (zh) | 一种基于计算机视觉的烟雾检测方法 | |
CN115019340A (zh) | 一种基于深度学习的夜间行人检测算法 | |
CN109684982B (zh) | 结合易混目标排除的基于视频分析的火焰检测方法 | |
CN114399734A (zh) | 一种基于视觉信息的森林火灾预警方法 | |
KR102171384B1 (ko) | 영상 보정 필터를 이용한 객체 인식 시스템 및 방법 | |
CN112163626A (zh) | 基于多维度感知的光伏电池遮荫区域成因分类方法及系统 | |
CN107292892A (zh) | 视频帧图像的分割方法及装置 | |
CN110688876A (zh) | 一种基于视觉的车道线检测方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120502 Termination date: 20170626 |