CN103456028A - 一种运动目标检测方法 - Google Patents

Abstract

本发明提供了一种运动目标检测方法，所述运动目标检测主要包括三个步骤：（1）获取视频，获取视频内容以得到场景图像，并建立背景模型，同时提取前景图像；（2）对（1）前景图像进行形态学处理；（3）对形态学处理后的前景图像区域进行区域标记，提取目标。与现有技术相比，本发明的目标检测速度在所有公开发表的背景建模算法里面最快，比ViBe（美国专利US8009918B2）速度要快，同时也快于算法复杂度很低的平均背景模型方法；系统能自适应各种天气状况，解决了低照度，光照突变，“鬼影”问题，摄像机摆动等难题，整体效果上不劣于高斯背景建模。

Description

一种运动目标检测方法

技术领域

本发明涉及视频监控技术，特别是涉及一种智能视频分析系统中的运动目标的检测方法。

背景技术

运动目标检测技术是智能视频分析系统的关键技术之一。运动目标检测技术包括光流法，背景差法和帧差法。光流法计算方法相对复杂，需要专门的硬件如GPU加速。帧差法速度很快，但提取的目标不完整，而且无法检测静止下来的目标。背景差法需要背景建模，算法复杂度也比较高。如传统的高斯背景建模，贝叶斯法、编码本法等，都很难实现实时性处理的要求，在当下视频侦查等应用中，要能够实现多路视频的多倍速处理，更是无法胜任。另外，针对嵌入式应用系统，也需要有一个计算速度快，效果又比较好的背景建模算法，以应对DSP等硬件性能相对不足的难题。

传统的背景差法除了算法性能瓶颈外，也存在抗干扰和噪声能力差，无法较好地解决光照突变和摄像机抖动等难题。

前景提取出来之后，还需要对前景进行区域标记，传统的标记方法速度偏慢。

目前迫切需要提出更加有效的运动目标检测方案。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种快速的运动目标检测方法，同时解决了图像抖动、光照突变、低照度、光线干扰、树叶摆动等问题，实现了复杂场景下的运动目标检测，具备很好的鲁棒性。

为达到上述目的，本发明的技术方案是这样实现的：

步骤1：获取视频，获取视频内容以得到场景图像，并建立背景模型,同时提取前景图像；

步骤2：对前景图像进行形态学处理；

步骤3：对形态学处理后的前景区域进行区域标记，提取目标；

所述步骤1的背景建模步骤为：

背景模型的初始化：用第一帧视频帧作为背景模型的初始化；

对于每一个背景模型点b(x)，用一定概率来更新。对当前视频帧中的对应点v(x)，如何判断它是属于背景点还是前景点？只要比较v(x)和b(x)的距离d，当d小于阈值R时，判断当前点为背景点，并以一定概率来更新该点背景模型，d值越大更新背景的概率越小;更新背景点的方法是：当v(x)>b(x)时，b(x)加上1;v(x)<b(x)减去1;相等时不更新。

同时，如果当前点背景模型被更新，则随机的更新周围8个邻点中的一个背景模型。即随机的选择该点8邻点中的一个点用当前背景模型值代替。该机制一方面能抑制噪声，同时能解决“鬼影”的问题。所谓鬼影是指静止目标开始运动后，留下的虚假目标。通过随机更新邻点，能够快速的消隐鬼影。

该模型需要多次随机数产生，而一般的采用随机数函数是比较费时的。因为场景中大多数点会判定为背景点，每一次对应2次随机函数。这导致算法的计算速度瓶颈。本发明采用系统自身存在的数值作为随机数，前一帧前景点个数和前景点经过形态学处理之后的前景点个数作为两个随机数。

另外固定的阈值R，在低照度情况下，由于差的绝对值总是很小，于是就容易把目标判断为背景，没有办法提取出准确的前景。因此对于低照度情况，应该智能的调整阈值R。每间隔N帧提取一次视频帧的亮度值。当亮度值持续10次低于50时，启用低照度模式，把背景模型参数R设置为10。

为了应对光照突变的情况，比如傍晚街灯突然打开引起场景照度突然加强，就会失去背景更新能力，或者更新非常慢。对此，必须有机制进行背景的重新初始化。

“更新率”：当前帧被判定为背景点个数除以整个视频帧总的像素点个数。当更新率持续低于0.3时，说明背景更新发生问题，对背景模型进行重新初始化。

当我们发现更新率降低到0.7时，且持续时间超过10帧时，小于0.7的次数大于70%。系统判定出这是一个抖动事件。系统启动帧差法和背景差法。当摄像机因为刮风或者震动，帧差值会发生突变。帧差值发生突变时，我们暂时不更新背景模型。当震动恢复到起始位置时，背景差将不是那么突兀。此时提取目标，并更新背景。由于大多数摄像机固定在立杆上，震动频率很高，丢掉几帧问题不大。如果采用特征点匹配，计算量将会比较大。通过更新率来对抖动事件进行检测，从而不引入额外的计算量。

所述步骤2的形态学处理是要解决小的散点和噪点的干扰，并对一些分裂的小目标进行合并。首先进行一次腐蚀操作，再进行一次膨胀操作，用3*3核，以此可以去除一些小的噪点。然后进行一次膨胀操作，再进行一次腐蚀操作，用3*5核。纵向采用较大的核是为了照顾到人这样的目标经常存在人头和躯干的分裂，可以适当做些补偿。

所述步骤3的区域标记，采用2轮扫描的方式，首先水平扫描，把连续的前景点，连成一段，并标记之。在第二次扫描的时候，把这些段在垂直方向上相连的段连接起来，成为一个区域，并标记之。

与现有技术相比，本发明有以下有益效果：

1、本发明的目标检测速度在所有公开发表的背景建模算法里面最快，比ViBe（美国专利US8009918B2）速度要快，同时也快于算法复杂度很低的平均背景模型方法；

2、系统能自适应各种天气状况，解决了低照度，光照突变，“鬼影”问题，摄像机摆动等难题，整体效果上不劣于高斯背景建模。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明运动目标检测方法和系统的框图示意图；

图2为本发明背景建模核心步骤的框图示意图；

图3为区域标记像素段标记方法示意图；

图4为像素段垂直连通标记区域示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参照附图1描述运动目标检测方法与系统的3个步骤，步骤1：获取视频，获取视频内容以得到场景图像，并建立背景模型,同时提取前景图像；步骤2：对前景图像进行形态学学处理；步骤3：对形态学处理后的前景区域进行区域标记，提取目标；

所述步骤1的背景建模核心步骤如附图2所示，背景模型的初始化是用第一帧视频帧作为背景模型完成初始化；R值设定为30，随机数由上一帧前景点个数产生的随机数rand1，和当前帧对应点v(x)和背景模型b(x)的差的绝对值产生，即：

满足rand1%20*(5+abs(d))=0时，若v(x)>b(x)，b(x)加上1；若v(x)<b(x)减去1；相等时不更新。

随机的更新周围8个邻点中的一个背景模型。上一帧中形态学处理后的随机数rand2作为判断哪个邻点模型被更新。即rand2%8的值代表是哪个邻点。

为应对低照度条件下的背景建模问题。通过每间隔25帧提取一次视频帧的亮度值。当亮度值持续10次低于50时，启用低照度模式，把背景模型参数R设置为10。当亮度值持续10次高于70时，切换回一般模式模型参数R设置为30。

为了应对光照突变的情况，比如傍晚街灯突然打开引起场景照度突然加强，就会失去背景更新能力，或者更新非常慢。当系统检测到更新率持续200帧低于0.3时，说明背景更新发生问题，对背景模型进行重新初始化。

当我们发现更新率降低到0.7时，且持续时间超过10帧时，小于0.7的次数大于70%。系统判定出这是一个抖动事件。系统启动帧差法。当摄像机因为刮风或者震动，帧差值会发生突变。帧差值发生突变时，我们暂时不更新背景模型。当震动恢复到起始位置时，背景差将不是那么突兀。此时提取目标，并更新背景。

所述步骤2的形态学处理是要解决小的散点和噪点的干扰，并对一些分裂的小目标进行合并。首先进行一次腐蚀操作，再进行一次膨胀操作，用3*3核，以此可以去除一些小的噪点。然后进行一次膨胀操作，再进行一次腐蚀操作，用3*5核。

所述步骤3的区域标记，采用2轮扫描的方式，首先水平扫描，把连续的前景点，连成一段，并标记之，如附图3所示。在第二次扫描的时候，采用堆栈的处理方式，把这些段在垂直方向上相连的段连接起来，成为一个区域，并标记之，如附图4所示。

综合以上本发明的方法与系统可知，本发明的目标检测速度在所有公开发表的背景建模算法里面最快，比ViBe（美国专利US8009918B2）速度要快，同时也快于算法复杂度很低的平均背景模型方法；系统能自适应各种天气状况，解决了低照度，光照突变，“鬼影”问题，摄像机摆动等难题，整体效果上不劣于高斯背景建模。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种运动目标检测方法，其特征在于，所述运动目标检测主要包括三个步骤：

（1）获取视频，获取视频内容以得到场景图像，并建立背景模型,同时提取前景图像；

（2）对（1）前景图像进行形态学处理；

（3）对形态学处理后的前景图像区域进行区域标记，提取目标。

2.如权利要求1所述的运动目标检测方法，其特征在于，所述背景建模，其初始化方法是：用第一帧视频帧作为背景模型的初始化。

3.如权利要求1所述的运动目标检测方法，其特征在于，所述背景建模，其更新的方法是：对于每一个背景模型点b(x)，用一定概率来更新，对当前视频帧中的对应点v(x)，比较其与b(x)的距离d，当d小于阈值1时，判断当前点为背景点，并以一定概率来更新该点背景模型，d值越大更新背景的概率越小；更新背景点的方法是：当v(x)>b(x)时，b(x)加上1；v(x)<b(x)减去1；相等时不更新。

4.如权利要求3所述的运动目标检测方法，其特征在于，所述背景模型更新中，还包括对邻点模型的影响，当前点背景模型被更新后，随机的更新周围8个邻点中的一个点的背景模型，即随机的选择该点的8邻点中的一个点用当前背景模型值代替。

5.如权利要求4所述的运动目标检测方法，所述背景模型更新方法中，采用了一种随机数产生的方法，其特征在于，用前一帧前景点个数和前景点经过形态学处理之后的前景点个数作为两个随机数。

6.如权利要求4所述的运动目标检测方法，所述背景模型更新方法中，采用了自适应阈值，其特征在于，每间隔N帧提取一次视频帧的亮度值，当亮度值持续10次低于50时，启用低照度模式，把背景模型参数设置为阈值2。

7.如权利要求6所述的运动目标检测方法，所述背景模型更新方法中，包括了对光照突变情况的处理，其特征在于，当更新率持续多帧低于阈值3时，对背景模型进行重新初始化。

8.如权利要求7所述的运动目标检测方法，所述背景模型更新方法中，包括了对抖动事件的检测，其特征在于，在更新率低于0.7时，且持续时间超过10帧时，小于0.7的次数大于阈值4，系统判定出这是一个抖动事件，系统启动帧差法和背景差法，帧差值发生突变的帧，暂时不更新背景模型，当震动恢复到起始位置时，背景差将不是那么突兀，此时提取目标，并更新背景。

9.如权利要求1所述的运动目标检测方法，所述的形态学处理方法，其目的是要解决小的散点和噪点的干扰，并对一些分裂的小目标进行合并，其特征在于：首先进行一次腐蚀操作，再进行一次膨胀操作，用3*3核，以此可以去除一些小的噪点，然后进行一次膨胀操作，再进行一次腐蚀操作，用3*5核。

10.如权利要求1所述的运动目标检测方法，所述区域标记方法，采用两轮扫描的方式，首先水平扫描，把连续的前景点，连成一段，并标记之，在第二次扫描的时候，采用堆栈的方式，把这些段在垂直方向上相连的段连接起来，成为一个区域，并标记之。

Images