CN102800112A - 一种基于概率密度估计的随机摆动区域检测方法 - Google Patents

一种基于概率密度估计的随机摆动区域检测方法 Download PDF

Info

Publication number
CN102800112A
CN102800112A CN2012102434735A CN201210243473A CN102800112A CN 102800112 A CN102800112 A CN 102800112A CN 2012102434735 A CN2012102434735 A CN 2012102434735A CN 201210243473 A CN201210243473 A CN 201210243473A CN 102800112 A CN102800112 A CN 102800112A
Authority
CN
China
Prior art keywords
probability density
random
background
piece
threshold 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
Application number
CN2012102434735A
Other languages
English (en)
Other versions
CN102800112B (zh
Inventor
尚凌辉
张兆生
刘家佳
高勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Original Assignee
ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd filed Critical ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Priority to CN201210243473.5A priority Critical patent/CN102800112B/zh
Publication of CN102800112A publication Critical patent/CN102800112A/zh
Application granted granted Critical
Publication of CN102800112B publication Critical patent/CN102800112B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种基于概率密度估计的随机摆动区域检测方法。现有方法中的背景模型无法及时适应随机摆动的干扰。本发明首先对采集的实时视频图像进行背景建模，本文采用无参数的核密度估计方法，然后提取背景像素的概率密度分布曲线的特性，计算背景像素的评价系数，并采用自适应方法判定出随机摆动区域。最后对概率密度分布曲线的变化趋势进行估计，更新评价系数的阈值，以适应随机摆动的时序变化。本发明利用背景的概率密度分布曲线的特性检测随机摆动区域，取得了较好的效果，提高了背景模型的精度。该方法仅采用背景模型的分布特性，未增加多余的计算量，确保了方法的实时性。

Description

一种基于概率密度估计的随机摆动区域检测方法
技术领域
本发明属于计算机视觉中运动目标检测技术领域，涉及一种基于概率密度估计的随机摆动区域检测方法。
背景技术
背景减除技术是一种应用广泛的运动检测技术，常用于交通监测、安防监控、人机交互等领域。主要的方法有单高斯、码本、混合高斯、核密度估计等，然而在实际应用中由于受到各种形式的光照变化、树枝水波的随机摆动、风雨雪雾等干扰，因此如何建立动态背景模型，从包含运动物体的视频中提取出背景是该技术应用的关键。其中，对随机摆动的检测和去除是背景建模的关键问题之一。目前主要的检测和去除随机摆动的方法有：将随机摆动区域作为背景模型的一部分进行建模，如混合高斯、核密度估计等常见的背景建模方法，然而该类方法的背景模型无法及时适应随机摆动的干扰；对已知的随机摆动区域提取表观、时空特征，如形状、动态纹理等，并对背景图像进行减除，该类方法能够去除具备先验特征的摆动干扰，而对随机性很强的干扰无法去除。
发明内容
本发明针对现有技术的不足，提供一种基于概率密度估计的随机摆动区域检测方法。
本发明的主要构思：首先对采集的实时视频图像进行背景建模，本文采用无参数的核密度估计方法，然后提取背景像素的概率密度分布曲线的特性，计算背景像素的评价系数，并采用自适应方法判定出随机摆动区域。最后对概率密度分布曲线的变化趋势进行估计，更新评价系数的阈值，以适应随机摆动的时序变化。
本发明解决技术问题所采取的技术方案为：
步骤1.从视频采集设备中获取实时视频图像。
步骤2.收集数据样本，利用无参数估计方法对视频图像中每个像素进行背景建模，初始化背景的概率密度估计模型。
步骤3.对一帧图像进行分块，以块为单位对背景模型中的像素的概率密度分布曲线进行分析，获取块内各像素点的波峰信息，并计算块的评价系数，最后采用自适应方法确定阈值，并判定出随机摆动区域。
步骤4.根据当前帧图像与前景、背景样本的概率分布，更新背景模型的概率密度估计，并随概率密度分布曲线的实时更新，计算每帧图像评价系数的均值，将均值作为概率密度曲线的变化趋势，并对阈值进行更新，以使得阈值达到自适应的目的。
本发明的有益效果：本发明利用背景的概率密度分布曲线的特性检测随机摆动区域，取得了较好的效果，提高了背景模型的精度。该方法仅采用背景模型的分布特性，未增加多余的计算量，确保了方法的实时性。
附图说明
图1为本发明方法流程图；
图2为随机摆动区域检测流程图；
图3（a）为稳定背景点的概率密度曲线图；
图3（b）为常出现前景的背景点的概率密度曲线图；
图3（c）为随机摆动分布曲线。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1所示，本发明包括以下步骤：
步骤1.从视频采集设备中获取实时视频图像。即图1的接收单元。
步骤2.收集数据样本，利用无参数估计方法对视频图像中每个像素进行背景建模，初始化背景的概率密度估计模型。即图1的初始化单元。
概率密度估计方法是一种无参数估计方法，在实际应用中该方法不需获知数据总体分布的形式，可处理任意形式的概率分布。该方法通过采集数据样本，对数据的每个类别均独立的估计概率密度，其估计函数为：
                                                                  
Figure 2012102434735100002DEST_PATH_IMAGE002
                   
其中，N为样本数，
Figure 2012102434735100002DEST_PATH_IMAGE004
为归一化的权重系数，K为核函数，通常用高斯核。通过该方法估计背景的概率密度，背景上像素点的概率密度分布往往以单高斯分布、多高斯分布和复杂分布几种曲线方式呈现。将场景分为稳定的背景区域、常出现前景的背景区域、随机摆动区域等，不同区域所呈现的概率密度分布曲线各不相同，如图3（a）、图3（b）和图3（c）所示，横坐标为亮度值，纵坐标为概率值。其中，图3（a）稳定背景区域的概率分布曲线为单模的高斯分布，图3（b）常出现前景的背景区域的概率分布曲线和稳定的背景区域相同，区别是除了一个类似高斯分布的高峰之外，在其他灰度区域还存在概率很小的分布，此现象的产生是由于这类区域常出现前景目标，导致其灰度分布较为广泛，但又由于前景出现的时间较背景的短，因此尽管有较广泛的分布，但是除了反映背景分布的单高斯峰值除外，其他灰度值的概率远小于单高斯分布的概率。图3（c）随机摆动区域的概率密度分布曲线为多模分布。
步骤3.由于随机摆动区域的分布曲线存在多模并且分布分散，多高峰的特点，而背景区域分布曲线存在单高斯或方差较小的单高斯混合的分布，图1的区域检测单元根据此概率密度曲线的复杂度的特性区分其是否为随机摆动区域。算法流程如图2所示，以块为单位(本实施例选用8×8大小有重叠的块)对图像进行分析，遍历各像素点的曲线分布，并获取波峰信息；波峰由一个峰顶和两个波谷组成；波峰信息包括峰值和与峰值对应的亮度值。由于背景区域的波峰存在峰值较高，分布集中，而随机摆动区域的波峰存在峰值普遍较低，分布分散的特点，因此利用提取得到的各个波峰的峰值来得到不同区域的评价系数。同时，为了减小较低峰值的波峰对于整个曲线评价系数计算的影响，利用提取得到的各个波峰的峰值来得到不同区域的评价系数C，评价系数C代表了概率密度曲线的复杂度；
            
Figure 2012102434735100002DEST_PATH_IMAGE006
                              
其中n为波峰的个数，
Figure 2012102434735100002DEST_PATH_IMAGE008
为波峰的峰值，
Figure 2012102434735100002DEST_PATH_IMAGE010
为所有波峰的峰值和。
最后计算块内的评价系数的均值，为了能将更多的随机摆动区域判断出来同时减少背景区域被判断为随机摆动区域，采用双阈值方法判定该块是否为随机摆动区域，判定规则为：如果评价系数的均值小于阈值
Figure 2012102434735100002DEST_PATH_IMAGE012
，则认为此块内随机摆动较多，使用较为宽松的阈值
Figure 2012102434735100002DEST_PATH_IMAGE014
来判断块内每个像素是属于随机摆动还是背景，以此使更多的随机摆动点被判断出。如果均值大于阈值
Figure 7656DEST_PATH_IMAGE012
，则认为此块内背景较多，使用较紧的阈值
Figure 2012102434735100002DEST_PATH_IMAGE016
作为此块的阈值，以此来减少背景被判断为随机摆动的概率。所述的双阈值方法为自适应方法中的一种，阈值
Figure 111747DEST_PATH_IMAGE012
为：
Figure 2012102434735100002DEST_PATH_IMAGE018
其中n为块的个数，
Figure 2012102434735100002DEST_PATH_IMAGE020
为块的评价系数的均值。
步骤4.根据当前帧图像与前景、背景样本的概率分布，更新背景模型的概率密度估计，并随概率密度分布曲线的实时更新，计算每帧图像评价系数的均值，将均值作为概率密度曲线的变化趋势，并对阈值
Figure 16118DEST_PATH_IMAGE012
进行更新，以使得阈值达到自适应的目的。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应带理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。

Claims (5)

1. 一种基于概率密度估计的随机摆动区域检测方法，其特征在于该方法包括以下步骤：
步骤1.从视频采集设备中获取实时视频图像；
步骤2.收集数据样本，利用无参数估计方法对视频图像中每个像素进行背景建模，初始化背景的概率密度估计模型；
步骤3.对一帧图像进行分块，以块为单位对背景模型中的像素的概率密度分布曲线进行分析，获取块内各像素点的波峰信息，并计算块的评价系数，最后采用自适应方法确定阈值，并判定出随机摆动区域；
步骤4.根据当前帧图像与前景、背景样本的概率分布，更新背景模型的概率密度估计，并随概率密度分布曲线的实时更新，计算每帧图像评价系数的均值，将均值作为概率密度曲线的变化趋势，并对阈值进行更新，以使得阈值达到自适应的目的。
2.根据权利要求1所述的一种基于概率密度估计的随机摆动区域检测方法，其特征在于：步骤2中的无参数估计方法选用概率密度估计方法。
3.根据权利要求1所述的一种基于概率密度估计的随机摆动区域检测方法，其特征在于步骤3具体是：
首先以块为单位对图像进行分析，遍历各像素点的曲线分布，并获取波峰信息； 
然后利用提取得到的各个波峰的峰值来得到不同区域的评价系数C，评价系数C代表了概率密度曲线的复杂度；
Figure 2012102434735100001DEST_PATH_IMAGE002
其中n为波峰的个数，
Figure 2012102434735100001DEST_PATH_IMAGE004
为波峰的峰值，
Figure 2012102434735100001DEST_PATH_IMAGE006
为所有波峰的峰值和；
最后采用双阈值方法判定该块是否为随机摆动区域，所述的双阈值方法为自适应方法中的一种。
4.根据权利要求3所述的一种基于概率密度估计的随机摆动区域检测方法，其特征在于：所述的波峰由一个峰顶和两个波谷组成；波峰信息包括峰值和与峰值对应的亮度值。
5.根据权利要求3所述的一种基于概率密度估计的随机摆动区域检测方法，其特征在于：双阈值方法判定规则为：如果评价系数C的均值小于阈值
Figure 2012102434735100001DEST_PATH_IMAGE008
，则认为此块内随机摆动较多，使用较为宽松的阈值
Figure 2012102434735100001DEST_PATH_IMAGE010
来判断块内每个像素是属于随机摆动还是背景，以此使更多的随机摆动点被判断出；如果评价系数C的均值大于阈值
Figure 615551DEST_PATH_IMAGE008
，则认为此块内背景较多，使用较紧的阈值
Figure 2012102434735100001DEST_PATH_IMAGE012
作为此块的阈值，以此来减少背景被判断为随机摆动的概率，其中阈值
Figure 367607DEST_PATH_IMAGE008
为：
Figure 2012102434735100001DEST_PATH_IMAGE014
                                       
n为块的个数，
Figure 2012102434735100001DEST_PATH_IMAGE016
为块的评价系数的均值。
CN201210243473.5A 2012-07-13 2012-07-13 一种基于概率密度估计的随机摆动区域检测方法 Active CN102800112B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210243473.5A CN102800112B (zh) 2012-07-13 2012-07-13 一种基于概率密度估计的随机摆动区域检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210243473.5A CN102800112B (zh) 2012-07-13 2012-07-13 一种基于概率密度估计的随机摆动区域检测方法

Publications (2)

Publication Number Publication Date
CN102800112A true CN102800112A (zh) 2012-11-28
CN102800112B CN102800112B (zh) 2015-02-25

Family

ID=47199209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210243473.5A Active CN102800112B (zh) 2012-07-13 2012-07-13 一种基于概率密度估计的随机摆动区域检测方法

Country Status (1)

Country Link
CN (1) CN102800112B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033499A (zh) * 2019-04-21 2019-07-19 南京林业大学 一种基于Landsat OLI遥感影像的区域性水体制图方法
CN111984926A (zh) * 2020-07-29 2020-11-24 生态环境部南京环境科学研究所 一种两栖动物的探测率、占域率以及密度估算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101437113A (zh) * 2007-11-14 2009-05-20 汉王科技股份有限公司 自适应内核密度估计运动检测装置与方法
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN101957997A (zh) * 2009-12-22 2011-01-26 北京航空航天大学 一种动态场景中基于区域均值核密度估计的运动目标检测方法
US8041080B2 (en) * 2009-03-31 2011-10-18 Mitsubi Electric Research Laboratories, Inc. Method for recognizing traffic signs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101437113A (zh) * 2007-11-14 2009-05-20 汉王科技股份有限公司 自适应内核密度估计运动检测装置与方法
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
US8041080B2 (en) * 2009-03-31 2011-10-18 Mitsubi Electric Research Laboratories, Inc. Method for recognizing traffic signs
CN101957997A (zh) * 2009-12-22 2011-01-26 北京航空航天大学 一种动态场景中基于区域均值核密度估计的运动目标检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙棣华等: "基于非参数核密度模型的交通图像目标提取", 《计算机工程与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110033499A (zh) * 2019-04-21 2019-07-19 南京林业大学 一种基于Landsat OLI遥感影像的区域性水体制图方法
CN111984926A (zh) * 2020-07-29 2020-11-24 生态环境部南京环境科学研究所 一种两栖动物的探测率、占域率以及密度估算方法
CN111984926B (zh) * 2020-07-29 2023-07-04 生态环境部南京环境科学研究所 一种两栖动物的探测率、占域率以及密度估算方法

Also Published As

Publication number Publication date
CN102800112B (zh) 2015-02-25

Similar Documents

Publication Publication Date Title
CN103530893B (zh) 相机抖动场景下基于背景差和运动信息的前景检测方法
CN102542289B (zh) 一种基于多高斯计数模型的人流量统计方法
CN100545867C (zh) 航拍交通视频车辆快速检测方法
CN103871079A (zh) 基于机器学习和光流的车辆跟踪方法
CN103700087B (zh) 移动侦测方法和装置
CN101957997A (zh) 一种动态场景中基于区域均值核密度估计的运动目标检测方法
CN102142085B (zh) 一种林区监控视频中运动火焰目标的鲁棒跟踪方法
CN104268851A (zh) 一种基于深度信息的atm自助营业厅行为分析方法
CN104835145A (zh) 基于自适应Codebook背景模型的前景检测方法
CN105205791A (zh) 一种基于高斯混合模型的视频雨滴去除方法及其系统
CN113593219A (zh) 车流的统计方法、装置、电子设备及存储介质
CN102982304A (zh) 利用偏光图像检测车辆位置的方法和系统
CN114202646A (zh) 一种基于深度学习的红外图像吸烟检测方法与系统
CN103400113A (zh) 基于图像处理的高速公路隧道行人检测方法
CN103106796A (zh) 智能交通监控系统中的车辆检测方法和装置
CN106611165B (zh) 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置
CN108830204A (zh) 面对目标的监控视频中异常检测方法
CN103209321B (zh) 一种视频背景快速更新方法
CN101533515A (zh) 一种面向视频监控的基于块的背景建模方法
CN103400395A (zh) 一种基于haar特征检测的光流跟踪方法
CN104143195A (zh) 一种手势跟踪过程中手形变化导致跟踪偏移的修正方法
CN107729811B (zh) 一种基于场景建模的夜间火焰检测方法
CN105678272A (zh) 一种复杂环境下基于图像处理的目标检测方法
CN105139358A (zh) 一种结合形态学和模糊c聚类的视频雨滴去除方法及其系统
CN102800112A (zh) 一种基于概率密度估计的随机摆动区域检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: Zhejiang iCare Vision Technology Co., Ltd.

Address before: 310013, Zhejiang, Xihu District, Hangzhou, Tian Shan Road, No. 398, Kun building, four floor, South Block

Applicant before: Zhejiang iCare Vision Technology Co., Ltd.

C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

Address before: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant before: Zhejiang iCare Vision Technology Co., Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: HANGZHOU ICARE VISION TECHNOLOGY CO., LTD. TO: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Random wobble area detection method based on probability density evaluation

Effective date of registration: 20190820

Granted publication date: 20150225

Pledgee: Hangzhou Yuhang Financial Holding Co., Ltd.

Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

Registration number: Y2019330000016

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20200917

Granted publication date: 20150225

Pledgee: Hangzhou Yuhang Financial Holding Co.,Ltd.

Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

Registration number: Y2019330000016

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A random swing region detection method based on probability density estimation

Effective date of registration: 20200921

Granted publication date: 20150225

Pledgee: Hangzhou Yuhang Financial Holding Co.,Ltd.

Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

Registration number: Y2020330000737