CN102663746A - 一种基于视频的背景检测方法 - Google Patents
一种基于视频的背景检测方法 Download PDFInfo
- Publication number
- CN102663746A CN102663746A CN2012100802639A CN201210080263A CN102663746A CN 102663746 A CN102663746 A CN 102663746A CN 2012100802639 A CN2012100802639 A CN 2012100802639A CN 201210080263 A CN201210080263 A CN 201210080263A CN 102663746 A CN102663746 A CN 102663746A
- Authority
- CN
- China
- Prior art keywords
- background
- histogram
- pixel
- value
- maximum
- 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
本发明公开了一种基于视频的背景检测方法。该方法结合统计直方图和多帧平均法的基础上,对于简单的背景或者背景变化复杂的环境做出反应,对于简单的背景模型则用统计直方图的方法判断灰度出现最大值点为背景模型灰度值;对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景。借助多帧平均法求得的参考背景,认为距离参考背景最小的是最接近真实背景。并用实验验证了该方法,取得了较为理想的效果。对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计,具有广阔的应用前景。
Description
技术领域
本发明属于视频检测技术领域,具体涉及一种基于视频的背景检测方法。
背景技术
背景图像是指视道路上没有运行的车辆的图像,即使道路上有车辆运行,背景算法也通过技术处理除去车辆而获得没有车辆运行的背景图像。背景图像是交通视频检测系统的关键步骤,取得可信度较高的背景图像对系统的后续工作如目标检测、目标跟踪、事件检测等都有较大的影响。
传统的背景检测方法主要有多帧平均法、统计直方图法、统计中值法、分块法等。其中多帧平均法模型简单但运算量大,且不能区分前景、背景像素,受到车流量的影响较大;统计直方图法抗噪声干扰效果较好,但需要保存大量信息,提取背景速度慢,且对于图像远景,一些运动目标相连,运动目标相对于近景移动的较慢,目标显现的时间较长,会误把运动目标当成背景统计出来,得到的背景图像失真;统计中值法运算简单、易于实现,但有时会丢掉图像中的细线和小块目标区域。这些方法虽然能够实现背景检测,但由于其各自的局限性,得到的背景图像可靠性差,无法满足实际应用的要求。
发明内容
针对现有技术的缺陷或不足,本发明的目的在于,提供一种基于视频的背景检测方法,该方法可以对视频范围内的背景图像实现可靠的检测。
为了实现上述任务,本发明采取如下的技术解决方案:
一种基于视频的背景检测方法,其特征在于,具体按照下列步骤实施:
步骤一,求出视频中N帧图像,对单个像素点进行灰度直方图统计。
步骤二,对直方图进行平滑去噪,并找到该素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量的80%。若是,则认为统计直方图属于单峰值,即认为该直方图中频率出现最大值点的像素值即为该点的背景像素。反之则要判断直方图中多个极大值中对应是背景的可信度。
步骤三,当判断当前像素点直方图呈现多峰状时,找出直方图中的若干个极大值。
步骤四,统计该像素点的多帧平均值,将多个极大值和该平均值做比较。极大值与平均值最接近的我们认为是背景的可能性较大,故将差值最小的极大值点作为该点的背景像素;
步骤五,重复步骤二、步骤三、步骤四直到对所有像素进行处理,从而估计得到初始背景图像。
本发明的基于视频的背景检测方法,在结合统计直方图和多帧平均法的基础上,对于简单的背景或者背景变化复杂的环境做出反应,对于简单的背景模型则用统计直方图的方法判断灰度出现最大值点为背景模型灰度值;对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景。借助多帧平均法求得的参考背景,认为距离参考背景最小的是最接近真实背景的。并用实验验证了该方法,取得了较为理想的效果。对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计,具有广阔的应用前景。
附图说明
图1表示直方图单峰状态判断依据;
图2表示直方图多峰状态判断依据;
图3直方图多峰状态时置信度最高的极大值判断依据;
图4表示视频序列中第100帧图像;
图5(a)表示当N=50时直方图统计法得到的背景图像,图5(b)当N=50时改进算法得到的背景图像;
图6(a)表示当N=100时直方图统计法得到的背景图像,图6(b)当N=100时改进算法得到的背景图像;
图7(a)表示当N=300时直方图统计法得到的背景图像,图7(b)当N=300时改进算法法得到的背景图像;
以下结合附图和实施例对本发明作进一步的详细说明。
具体实施方式
本发明的基于视频的背景检测方法,过程中所处理的图像是视频中的沿正时间序列的N帧图像。
具体采用以下步骤实现:
1)求出视频中N帧图像,对单个像素点进行灰度直方图统计。
式中:P(x,y,k)表示像素点(x,y)处亮度值k出现的次数,image(x,y,m)表示某一帧图像像素点(x,y)处亮度值为m。
2)对直方图进行平滑去噪,并找到该像素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量80%。若是,则认为统计直方图属于单峰值,即认为该直方图中频率出现最大值点的像素值即为该点的背景像素。公式表示为:
Background(x,y)=max[P(x,y,k)]k=1,2,…,255;
反之则要判断直方图中多个极大值中对应是背景的可信度。
3)当判断当前像素点直方图呈现多峰状时,找出直方图中的若干个极大值。首先在最大值的左右两边分别找到对应谷值点,再在左右谷值点的左右两侧找到相应的峰值点Ymax1,Ymax2,…,Ymaxn。
4)统计视频中该像素点帧数N的多帧平均值Yave,将多个极大值和该平均值做比较。公式表示为:
式中:Yave(x,y)表示背景图像,imagei(x,y)表示第i帧序列图像在象素点(x,y)的亮度值,N表示平均帧数。
极大值与平均值最接近的我们认为是背景的可能性较大,故将差值最小的极大值点作为该点的背景像素。用公式表示为:
在多个峰值Ymax1,Ymax2,…,Ymaxn中,计算:
dn=|Ymaxn-Yave|
dmin=(d1,d2,…,dn)
取dmin处的峰值点的灰度为背景灰度。用公式表示为:
Background(x,y)=dmin[P(x,y,k)]k=1,2,…,255。
5)重复步骤二、步骤三、步骤四直到对所有像素进行处理,从而估计得到初始背景图像。
以下是发明人给出的实施例。
实施例:
已知视频正播时,图4表示视频序列中第100帧图像,图5(a)表示当N=50时直方图统计法得到的背景图像,图5(b)表示当N=50时改进算法得到的背景图像,图6(a)表示当N=100时直方图统计法得到的背景图像,图6(b)当N=100时改进算法得到的背景图像,图7(a)表示当N=300时直方图统计法得到的背景图像,图7(b)当N=300时改进算法得到的背景图像。实施例中处理过程中视频的采样频率是25帧每秒,帧图像大小为1440*576,按照本发明的方法依次对第一帧至第三百帧图像进行处理。
从图1、2、3帧数相同时直方图统计法和改进算法得到的背景图像都可以看出,改进的背景提取算法对车流量较小(视频中近景)的交通状况有较理想的效果,并且对于车流量大(视频中远景)的交通状况同样有较理想的效果。结合多帧平均法的结果判断统计直方图灰度出现频率最大值点是否为可靠的背景灰度值是可行的。因此算法使用统计直方图的最大值左右一段很小的距离内判断是否占能量的80%是可行的,可判断最大值作为背景的可信度;同时对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景,借助多帧平均法求得的参考背景,认为距离参考背景最小的是最接近真实背景的也是可行的。
因此该算法效果较为理想,对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计。
Claims (2)
1.一种基于视频的背景检测方法,其特征在于,该方法通过下列步骤实现:
步骤一,求出视频中N帧图像,对单个像素点进行灰度直方图统计;
步骤二,对直方图进行平滑去噪,并找到该像素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量的80%;若是,则认为统计直方图属于单峰值,即认为该直方图中频率出现最大值点的像素值即为该点的背景像素;反之则要判断直方图中多个极大值中对应是背景的可信度;
步骤三,当判断当前像素点直方图呈现多峰状时,找出直方图中的若干个极大值;
步骤四,统计该像素点的多帧平均值,将多个极大值和该平均值做比较,极大值与平均值最接近则认为是背景的可能性较大,故将差值最小的极大值点作为该点的背景像素;
步骤五,重复步骤二、步骤三、步骤四直到对所有像素进行处理,从而估计得到初始背景图像。
2.如权利要求1所述的方法,其特征在于:
步骤二中所述的ε取值范围为5~10。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080263.9A CN102663746B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的背景检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080263.9A CN102663746B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的背景检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663746A true CN102663746A (zh) | 2012-09-12 |
CN102663746B CN102663746B (zh) | 2014-08-13 |
Family
ID=46773224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210080263.9A Expired - Fee Related CN102663746B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的背景检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663746B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473933B (zh) * | 2013-09-16 | 2016-05-04 | 公安部第三研究所 | 一种基于虚拟线圈的嵌入式车型识别系统 |
CN106251363A (zh) * | 2016-07-18 | 2016-12-21 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人流人数统计方法和装置 |
WO2017028047A1 (zh) * | 2015-08-14 | 2017-02-23 | 富士通株式会社 | 背景模型的提取方法、装置以及图像处理设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164993A (en) * | 1991-11-25 | 1992-11-17 | Eastman Kodak Company | Method and apparatus for automatic tonescale generation in digital radiographic images |
CN101489121A (zh) * | 2009-01-22 | 2009-07-22 | 北京中星微电子有限公司 | 一种基于视频监控的背景模型初始化和更新方法 |
-
2012
- 2012-03-23 CN CN201210080263.9A patent/CN102663746B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164993A (en) * | 1991-11-25 | 1992-11-17 | Eastman Kodak Company | Method and apparatus for automatic tonescale generation in digital radiographic images |
CN101489121A (zh) * | 2009-01-22 | 2009-07-22 | 北京中星微电子有限公司 | 一种基于视频监控的背景模型初始化和更新方法 |
Non-Patent Citations (2)
Title |
---|
YILI FU等: "A Method of Target Recognition from Remote Sensing Images", 《THE 2009 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 * |
李晓飞等: "一种基于直方图统计与多帧平均混合的背景提取算法", 《南京邮电大学学报(自然科学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473933B (zh) * | 2013-09-16 | 2016-05-04 | 公安部第三研究所 | 一种基于虚拟线圈的嵌入式车型识别系统 |
WO2017028047A1 (zh) * | 2015-08-14 | 2017-02-23 | 富士通株式会社 | 背景模型的提取方法、装置以及图像处理设备 |
CN106251363A (zh) * | 2016-07-18 | 2016-12-21 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别人流人数统计方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102663746B (zh) | 2014-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103259962B (zh) | 一种目标追踪方法和相关装置 | |
CN103942536B (zh) | 一种迭代更新轨迹模型的多目标跟踪方法 | |
CN102881022B (zh) | 基于在线学习的遮挡目标跟踪方法 | |
Dai et al. | Multi-task faster R-CNN for nighttime pedestrian detection and distance estimation | |
CN103258332B (zh) | 一种抗光照变化的运动目标的检测方法 | |
CN104680538B (zh) | 基于超像素的sar图像cfar目标检测方法 | |
CN101968886B (zh) | 基于质心跟踪框架的粒子滤波与均值漂移的细胞跟踪方法 | |
Ming et al. | Vehicle detection using tail light segmentation | |
CN105023278A (zh) | 一种基于光流法的运动目标跟踪方法及系统 | |
CN104574439A (zh) | 一种融合卡尔曼滤波与tld算法的目标跟踪方法 | |
CN102982537B (zh) | 一种检测场景变换的方法和系统 | |
CN104299229A (zh) | 一种基于时空域背景抑制的红外弱小目标检测方法 | |
CN105139420A (zh) | 一种基于粒子滤波和感知哈希的视频目标跟踪方法 | |
CN105469430A (zh) | 一种大场景中的小目标抗遮挡跟踪方法 | |
CN101739692B (zh) | 实时视频目标的快速相关跟踪方法 | |
CN100531405C (zh) | 体育视频目标跟踪方法 | |
CN104796582A (zh) | 基于随机喷射retinex的视频图像去噪与增强方法及装置 | |
CN104732559A (zh) | 一种基于rgb-d数据的多目标检测与跟踪方法 | |
CN102903121A (zh) | 基于运动目标跟踪的融合算法 | |
CN104252709A (zh) | 一种复杂背景下俯视群养猪多目标前景检测方法 | |
CN107944354A (zh) | 一种基于深度学习的车辆检测方法 | |
CN102663746B (zh) | 一种基于视频的背景检测方法 | |
CN102006462B (zh) | 利用运动信息的快速监控视频增强方法及其实现装置 | |
CN105426928A (zh) | 一种基于Haar特征和EOH特征的行人检测方法 | |
CN101789128B (zh) | 一种基于dsp的目标检测与跟踪方法以及数字图像处理系统 |
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: 20140813 Termination date: 20160323 |