CN104282013B - 一种用于前景目标检测的图像处理方法及装置 - Google Patents
一种用于前景目标检测的图像处理方法及装置 Download PDFInfo
- Publication number
- CN104282013B CN104282013B CN201310285673.1A CN201310285673A CN104282013B CN 104282013 B CN104282013 B CN 104282013B CN 201310285673 A CN201310285673 A CN 201310285673A CN 104282013 B CN104282013 B CN 104282013B
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- difference
- differential quantization
- replaced
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于前景目标检测的图像处理方法及装置。其方法包括:获取待检测图像相对于背景图像的差分图像;根据差分图像的各像素点与最小差分值相除的结果,获取差分量化图;将量化图中的各像素点按照在差分量化图中的像素值分组;按照像素点数量的升序,确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点的像素值替换待替换的像素点组中的像素点在差分量化图中的像素值,生成主成分量化图。或者,根据待检测图像和背景图像确定各相邻像素点之间的差值;根据各相邻像素点之间的差值对待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。本发明实施例,不需要通过视频帧累积统计滤除干扰信息,且有效减少了前景目标检测的偏差。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种用于前景目标检测的图像处理方法及装置。
背景技术
轮巡模式的前景目标检测是指,当有多路视频信号均需要进行前景目标检测时,将多路视频信号进行分组,依次轮巡各组视频信号,在一个时间段内仅对一组视频信号进行前景目标检测。
图像环境变化判定是指,通过检测前景目标来判定视频图像的环境是否有变化。
对于轮巡模式的前景目标检测和图像环境变化判定时的前景目标检测,因为轮巡是视频可能与背景有很大的光线、颜色等各方面差距,所以基本依靠人工实现。
现有虽然存在智能视频分析的前景目标检测方法。但是该方法是对视频中的一些亮度、颜色、白平衡等变化可以通过视频帧累积统计等方法进行判断滤除,从而实现前景目标检测。这些亮度、颜色、白平衡等变化的干扰很难有效过滤,会导致前景目标检测存在较大偏差。
发明内容
本发明的目的是提供一种用于前景目标检测的图像处理方法及装置,以解决现有的智能视频分析方法在无法进行视频帧累积的情况下进行前景目标检测所存在较大偏差的问题。
本发明的目的是通过以下技术方案实现的:
一种用于前景目标检测的图像处理方法,包括:
获取待检测图像相对于背景图像的差分图像;
根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图;
将所述差分量化图中的各像素点按照在所述差分量化图中的像素值分组,一组中的像素点在所述差分量化图中的像素值相同;
按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
另一种用于前景目标检测的图像处理方法,包括:
根据待检测图像和背景图像确定各相邻像素点之间的差值;
根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
基于与第一种方法相同发明构思的一种用于前景目标检测的图像处理装置,包括:
差分图像获取模块,用于获取待检测图像相对于背景图像的差分图像;
差分量化图像获取模块,用于根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图;
像素点分组模块,用于将所述差分量化图中的各像素点按照在所述差分量化图中的像素值进行分组,一组中的像素点在所述差分量化图中的像素值相同;
主成分量化图像获取模块,用于按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
基于与第二种方法相同发明构思的一种用于前景目标检测的图像处理装置,包括:
边缘差值获取模块,用于根据待检测图像和背景图像确定各相邻像素点之间的差值;
边缘分割差分图像获取模块,用于根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
对于本发明实施例提供的第一种方法及对应的装置,在获取待检测图像相对于背景图像的差分图像后,根据差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图。由于亮度、颜色、白平衡等变化在差分图像中的取值较小,因此,上述操作已经可以滤除一部分由于亮度、颜色、白平衡等变化产生的干扰信息。进一步的,将差分量化图中的各像素点按照在差分量化图中的像素值进行分组,按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在差分量化图中的像素值替换待替换的像素点组中的像素点在差分量化图中的像素值,从而滤除大部分干扰信息。通过上述处理过程,不需要通过视频帧累积统计滤除干扰信息,且有效减少了前景目标检测的偏差。
对于本发明实施例提供的第二种方法及对应的装置,根据待检测图像和背景图像确定各相邻像素点之间的差值,通过该差值对待检测图像进行图像分割,能够有效滤除大部分干扰信息,同样不需要通过视频帧累积统计过滤干扰信息,且有效减少了前景目标检测的偏差。
附图说明
图1为本发明实施例提供的第一种方法流程图;
图2为本发明实施例提供的第二种方法流程图;
图3为本发明实施例提供的第三种方法流程图;
图4为本发明实施例提供的第一种装置结构示意图;
图5为本发明实施例提供的第二种装置结构示意图。
具体实施方式
本发明实施例提供的一种用于前景目标检测的图像处理方案,该方案中:在获取待检测图像相对于背景图像的差分图像后,根据差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图。由于亮度、颜色、白平衡等变化在差分图像中的取值较小,因此,上述操作已经可以滤除一部分由于亮度、颜色、白平衡等变化产生的干扰信息。进一步的,将差分量化图中的各像素点按照在差分量化图中的像素值进行分组,按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在差分量化图中的像素值替换待替换的像素点组中的像素点在差分量化图中的像素值,从而滤除大部分干扰信息。通过上述处理过程,不需要通过视频帧累积统计滤除干扰信息,且有效减少了前景目标检测的偏差。
本发明实施例提供的另一种用于前景目标检测的图像处理方案,该方案中:根据待检测图像和背景图像确定各相邻像素点之间的差值,通过该差值对待检测图像进行图像分割,能够有效滤除大部分干扰信息,同样不需要通过视频帧累积统计过滤干扰信息,且有效减少了前景目标检测的偏差。
通过本发明实施例处理后的视频图像,可以作为智能视频分析以及轮巡等判断的参考依据。
下面将结合附图,对本发明实施例提供的技术方案进行详细说明。
图1所示的一种用于前景目标检测的图像处理方法,具体包括如下操作:
步骤100、获取待检测图像相对于背景图像的差分图像。
具体的,将每个像素点在待检测图像中的像素值与背景图像中的像素值的差值绝对值作为差分图像中的像素值。
步骤110、根据该差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图。
其中,最小差分值可以通过仿真或者根据实际需求确定。
各个像素点在差分量化图中的像素值,即该像素点与最小差分值相除的结果。
步骤120、将该差分量化图中的各像素点按照在差分量化图中的像素值进行分组。
即,按照上述相除的结果,对像素点进行量化层级划分。在差分量化图中的像素值相同的像素点被划分为一组,对应一个量化层级。
步骤130、按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在差分量化图中的像素值替换待替换的像素点组中的像素点在差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
其中,用于确定待替换的像素点组的预定比例,可以通过仿真或者根据实际需求确定。
对于YUV视频图像,其亮度(Y)分量、与色度(U、V)分量是分离的。通常,只需要在Y分量上进行差分,对Y分量的差分图像进行处理,即可获得较为准确的处理结果。当然,还可以在红(R)、绿(G)、蓝(B)这三个分量上分别进行差分,将各分量的差分结果合并后得到彩色差分图像。
如果步骤100中,获取待检测图像相对于背景图像的Y分量的差分图像。那么,步骤110的具体实现方式可以是:根据该Y分量的差分图像的各像素点与预先确定的最小亮度差相除的结果,获取差分量化图。
基于图1的任意方法实施例中,较佳地,对待替换的像素点组中的像素点在差分量化图中的像素值进行替换的具体实现方式有多种,下面例举其中一种:确定在差分量化图中的像素值与待替换像素点组的像素点在差分量化图中的像素值最接近的非待替换像素点组;如果确定了一个非待替换像素点组,利用确定的非待替换像素点组的像素点在差分量化图中的像素值替换待替换像素点组的像素点在差分量化图中的像素值;如果确定了两个非待替换像素点组,选择其中包含像素点多的像素点组,利用选择的非待替换像素点组的像素点在差分量化图中的像素值替换待替换像素点组的像素点在差分量化图中的像素值。
除了上述例举的替换方式,还可以采取其他替换方式。例如,确定一组待替换像素点组中与非待替换像素点相邻的像素点,使用相邻的非待替换像素点在差分量化图中的像素值替换这些像素点的像素值;然后继续确定该组中于非待替换像素点相邻的像素点并替换,直至该组中的所有像素点完成替换。等等。
图2所示的另一种用于前景目标检测的图像处理方法,具体包括如下操作:
步骤200、根据待检测图像和背景图像确定各相邻像素点之间的差值。
其中,对于YUV视频图像,具体可以确定各相邻像素点之间的Y分量差值。也可以进一步确定RGB分量差值,最终进行差值合并得到各相邻像素点之间的差值。
步骤210、根据各相邻像素点之间的差值对待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
较佳地,在确定各相邻像素点之间的差值时:获取相邻两个像素点中的一个像素点在待检测图像中的像素值与另一个像素点在待检测图像中的像素值的差值绝对值p1;获取相邻两个像素点中的一个像素点在待检测图像中的像素值与在背景图像中的像素值的差值绝对值p2;获取相邻两个像素点中的一个像素点在待检测图像中的像素值与另一个像素点在背景图像中的像素值的差值绝对值p3;获取相邻两个像素点中的一个像素点在背景图像中的像素值与另一个像素点在背景图像中的像素值的差值绝对值p4。然后,根据p1、p2、p3和p4,确定两个像素点之间的差值e。
根据不同的需求,可以有不同的差值e的计算方式,本发明对此不作限定。例如,按照如下公式确定相邻两个像素点之间的差值e:
e=min(abs(p1-abs(p3-p2)),abs(p4-p1))。
其中,min表示取最小值,abs表示取绝对值。
分别按照基于图1的实施例和基于图2的实施例进行图像处理,已经可以过滤掉大部分的干扰信息。但为了进一步定位前景目标,滤除例如椅子移动等导致的干扰前景,还可以结合这两个处理过程的处理结果,对图像进行进一步处理。
具体的,在基于图2的任意实施例基础上,以及基于图1的任意实施例基础上,根据每个目标分割区域的中心点坐标,和每个目标分割区域在主成分量化图的对应区域中、各个像素点组的像素值和各个像素点组的像素点数量在对应区域所占的像素比例,确定每两个目标分割区域之间的区分度:将每个目标分割区域与其他各个目标分割区域的区分度进行累加,得到每个目标分割区域的权重;根据各个目标分割区域的权重确定权重阈值;删除权重小于权重阈值的目标分割区域。
图3所示以YUV视频图像处理为例,对本发明实施例提供的方法进行说明,具体包括:
步骤300、将输入的YUV视频图像压缩到CIF(Common Intermediate Format)视频图像大小。
其中,CIF是一种标准化图像格式,其分辨率为352*288。
该步骤主要是为了控制图像处理的计算量,以及对相关参数阈值进行规范。
步骤310a、将步骤300处理后的YUV视频图像中的Y分量与背景图像Y分量相减取绝对值,得到差分图像。
只采用Y分量的差分,是出于计算量的考虑。当然,也可以进行彩色图像的处理,那么,还需要在RGB三个分量上进行差分。
应当指出的是,背景图像也是压缩到CIF大小的图像。
其中,背景图像可以是人为选定的,也可以是基于多帧视频图像通过背景建模所得,还可以通过其他方式得到,本发明实施例不一一列举。
由于背景图像建立时间与当前处理的YUV视频图像的时间间隔可能较长,导致差分图像中除了前景目标(例如,人)所在区域外,还存在分布比较广泛的例如光线、阴影、白平衡等等变化的干扰。
步骤320a、根据各个像素点在该差分图像的像素值与最小亮度差相除的结果,确定量化层级,并将差分图像转换成差分量化图像。
假设最小亮度差ε=5,将各个像素点在差分图像中的像素值除以ε(可选的,对计算结果进行取整处理)。一个计算结果表示一个量化层级,计算结果相同的像素点具有相同的量化层级。各个像素点的计算结果作为差分量化图像的像素值。
步骤330a、按照量化层级对像素点进行分组,并统计每个量化层级对应的像素点个数。
步骤340a、按照每个量化层级对应的像素点个数的升序,从像素点个数最少的量化层级开始,确定预定比例的待替换量化层级。
其中,该比例可以通过仿真或者根据实际需求确定,例如,确定该比例为5%。
步骤350a、利用层级数差最小的非待替换量化层级的像素点在差分量化图像中的像素值,替换确定的待替换量化层级的像素点在差分量化图像中的像素值。
层级数差最小,标识这两个量化层级的像素点在差分量化图中的像素值最接近。
如果有两个非待替换量化层级均与某个待替换的量化层级的层级数差最小,则选择对应像素点多的量化层级用于替换。
完成步骤步骤350a,就得到了前景目标突出的主成分量化图。此时,基本过滤大部分干扰。不过为了更精确定位图像前景目标,可以对图像进行进一步处理。
步骤310b、对步骤300处理后的YUV视频图像和背景图像进行高斯平滑处理。
该步骤的目的是减少噪声干扰,为后续操作做准备。
应当指出的是,该步骤是可选的。且与步骤310a~350a之间没有时序关系。
步骤320b、根据高斯平滑处理处理后的YUV视频图像和背景图像确定各个相邻像素点之间的差值。
确定各个相邻像素点的差值,也就是确定每个像素点的各方向边缘值。
该步骤可以通过确定每个像素点与向右、向下、向右下、向右上四个方向相邻的像素点的差值来实现。其中,坐标为(x,y)的像素点与相邻的坐标为(x’,y’)的差值e可以按照以下公式得到:
p1=abs(cur_val(x,y)-cur_val(x′,y′))
p2=abs(cur_val(x,y)-back)val(x,y))
p3=abs(cur_val(x,y)-back_val(x′,y′))
p4=abs(back_val(x,y)-back_val(x′,y′))
e=min(abs(p1-abs(p3-p2)),abs(p4-p1))
其中,cur_val(x,y)为当前图像中坐标为(x,y)的像素点的像素值,cur_val(x′,y′)为当前图像中坐标为(x’,y’)的像素点的像素值,back_val(x,y)为背景图像中坐标为(x,y)的像素点的像素值,back_val(x′,y′)为背景图像中坐标为(x’,y’)的像素点的像素值。
步骤330b、根据各相邻像素点之间的差值对高斯平滑处理处理后的YUV视频图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
具体的,可以升幂排列所有差值,连接差值低于判定阈值Thres=Val/c+e’的相邻像素点,其中c为相邻像素点所在区域内合并的像素点的个数,Val一般为50,e’为相邻像素点方向上具有参考价值的差值。其中,判定阈值Thres的具体确定方式可以参照现有实现方式,本发明不再赘述。通过循环遍历所有点后得到初步的边缘分割差分图像,再根据分割得到的目标区域的大小,合并小于阈值的目标区域,得到最终的边缘分割差分图像。
应当指出的是,以上仅是举例说明如何对图像进行图像分割。在根据高斯平滑处理处理后的YUV视频图像和背景图像确定各个相邻像素点之间的差值后,具体的图像分割方式不仅限于此,具体可以参照现有的各个图像分割实现方式。
步骤360、确定上述边缘分割差分图像中每个目标分割区域的中心点坐标,并确定每个目标分割区域在主成分量化图的对应区域中,各量化层级在对应区域中所占的比例。
其中,一个目标分割区域的中心点坐标,是根据该目标分割区域各个像素点坐标的均值确定的。
步骤370、确定每个目标分割区域的权重。
具体的,首先按照如下公式确定每两个目标分割区域之间的区分度:
其中,weight(k,m)表示对应区域包含k个量化层级的目标分割区域与对应区域包含m个量化层级的目标分割区域之间的区分度。dis(centre(k),centre(m))表示这两个目标分割区域的中心点距离,可以根据中心点坐标计算得到。为对应的量化层级数加权距离。color(k,i)表示对应区域包含k个量化层级的目标分割区域,其对应区域包含的第i个量化层级在主成分量化图像中的像素值。color(m,j)表示对应区域包含m个量化层级的目标分割区域,其对应区域包含的第j个量化层级在主成分量化图像中的像素值。K、M分别表示对应区域中最大的量化层级。rate(i,j)为俩量化层在步骤360中确定的比例的乘积。
将每个目标分割区域与其他各个目标分割区域的区分度进行累加,得到每个目标分割区域的权重Seg。
步骤380、根据各个目标分割区域的权重,确定权重阈值Seg_thres。
具体的权重阈值确定方式可以根据实际需求决定,本发明不作限定。例如,可以按照如下公式来确定:
Seg_thres=min(Seg)+0.5*(max(Seg)-min(Seg))
其中,max(Seg)为各个目标分割区域的权重中的权重最大值,min(Seg)为各个目标分割区域的权重中的权重最小值。
步骤390、删除权重小于权重阈值的目标分割区域,得到最终的图像处理结果。
所谓删除,是指将该目标分割区域中的像素值设置为背景像素值。
基于与方法同样的发明构思,本发明实施例还提供一种用于前景目标检测的图像处理装置,其结构如图4所示,具体包括:
差分图像获取模块401,用于获取待检测图像相对于背景图像的差分图像;
差分量化图像获取模块402,用于根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图;
像素点分组模块403,用于将所述差分量化图中的各像素点按照在所述差分量化图中的像素值进行分组,一组中的像素点在所述差分量化图中的像素值相同;
主成分量化图像获取模块404,用于按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
较佳地,所述差分图像401获取模块具体用于:
获取待检测图像相对于背景图像的亮度分量的差分图像;
所述差分量化图像获取模块402具体用于:
根据所述亮度分量的差分图像的各像素点与预先确定的最小亮度差相除的结果,获取差分量化图。
较佳地,利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值时,所述主成分量化图像获取模块404具体用于:
确定在所述差分量化图中的像素值与所述待替换像素点组的像素点在所述差分量化图中的像素值最接近的非待替换像素点组;
如果确定了一个非待替换像素点组,利用确定的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值;
如果确定了两个非待替换像素点组,选择其中包含像素点多的像素点组,利用选择的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值。
较佳地,本发明实施提供的装置还包括:
目标分割模块,用于根据所述待检测图像和所述背景图像确定各相邻像素点之间的差值;根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到多个目标分割区域;
图像综合处理模块,用于根据每个目标分割区域的中心点坐标,和每个目标分割区域在所述主成分量化图的对应区域中、各个像素点组的像素值和各个像素点组的像素点数量在所述对应区域所占的像素比例,确定每两个目标分割区域之间的区分度:将每个目标分割区域与其他各个目标分割区域的区分度进行累加,得到每个目标分割区域的权重;根据各个目标分割区域的权重确定权重阈值;删除权重小于权重阈值的目标分割区域。
基于与方法同样的发明构思,本发明实施例还提供一种用于前景目标检测的图像处理装置,其结构如图5所示,包括:
边缘差值获取模块501,用于根据待检测图像和背景图像确定各相邻像素点之间的差值;
边缘分割差分图像获取模块502,用于根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
较佳地,边缘差值获取模块501具体用于:
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与另一个像素点在所述待检测图像中的像素值的差值绝对值p1;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与在所述背景图像中的像素值的差值绝对值p2;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p3;
获取相邻两个像素点中的一个像素点在所述背景图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p4;
按照如下公式确定相邻两个像素点之间的差值e:
e=min(abs(p1-abs(p3-p2)),abs(p4-p1))。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于前景目标检测的图像处理方法,其特征在于,包括:
获取待检测图像相对于背景图像的差分图像;
根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图;
将所述差分量化图中的各像素点按照在所述差分量化图中的像素值进行分组,一组中的像素点在所述差分量化图中的像素值相同;
按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
2.根据权利要求1所述的方法,其特征在于,获取待检测图像相对于背景图像的差分图像,包括:
获取待检测图像相对于背景图像的亮度分量的差分图像;
根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图,包括:
根据所述亮度分量的差分图像的各像素点与预先确定的最小亮度差相除的结果,获取差分量化图。
3.根据权利要求1或2所述的方法,其特征在于,利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,包括:
确定在所述差分量化图中的像素值与所述待替换像素点组的像素点在所述差分量化图中的像素值最接近的非待替换像素点组;
如果确定了一个非待替换像素点组,利用确定的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值;
如果确定了两个非待替换像素点组,选择其中包含像素点多的像素点组,利用选择的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值。
4.根据权利要求1或2所述的方法,其特征在于,该方法还包括:
根据所述待检测图像和所述背景图像确定各相邻像素点之间的差值;
根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到多个目标分割区域;
根据每个目标分割区域的中心点坐标,和每个目标分割区域在所述主成分量化图的对应区域中、各个像素点组的像素值和各个像素点组的像素点数量在所述对应区域所占的像素比例,确定每两个目标分割区域之间的区分度:
将每个目标分割区域与其他各个目标分割区域的区分度进行累加,得到每个目标分割区域的权重;
根据各个目标分割区域的权重确定权重阈值;
删除权重小于权重阈值的目标分割区域。
5.一种用于前景目标检测的图像处理方法,其特征在于,包括:
获取相邻两个像素点中的一个像素点在待检测图像中的像素值与另一个像素点在所述待检测图像中的像素值的差值绝对值p1;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与在背景图像中的像素值的差值绝对值p2;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p3;
获取相邻两个像素点中的一个像素点在所述背景图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p4;
按照如下公式确定相邻两个像素点之间的差值e:
e=min(abs(p1-abs(p3-p2)),abs(p4-p1));
根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
6.一种用于前景目标检测的图像处理装置,其特征在于,包括:
差分图像获取模块,用于获取待检测图像相对于背景图像的差分图像;
差分量化图像获取模块,用于根据所述差分图像的各像素点与预先确定的最小差分值相除的结果,获取差分量化图;
像素点分组模块,用于将所述差分量化图中的各像素点按照在所述差分量化图中的像素值进行分组,一组中的像素点在所述差分量化图中的像素值相同;
主成分量化图像获取模块,用于按照每个像素点组包含的像素点数量的升序,从所有像素点组中确定预定比例的待替换的像素点组,并利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值,从而生成前景目标突出的主成分量化图。
7.根据权利要求6所述的装置,其特征在于,所述差分图像获取模块具体用于:
获取待检测图像相对于背景图像的亮度分量的差分图像;
所述差分量化图像获取模块具体用于:
根据所述亮度分量的差分图像的各像素点与预先确定的最小亮度差相除的结果,获取差分量化图。
8.根据权利要求6或7所述的装置,其特征在于,利用非待替换的像素点组的像素点在所述差分量化图中的像素值替换所述待替换的像素点组中的像素点在所述差分量化图中的像素值时,所述主成分量化图像获取模块具体用于:
确定在所述差分量化图中的像素值与所述待替换像素点组的像素点在所述差分量化图中的像素值最接近的非待替换像素点组;
如果确定了一个非待替换像素点组,利用确定的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值;
如果确定了两个非待替换像素点组,选择其中包含像素点多的像素点组,利用选择的非待替换像素点组的像素点在所述差分量化图中的像素值替换所述待替换像素点组的像素点在所述差分量化图中的像素值。
9.根据权利要求6或7所述的装置,其特征在于,还包括:
目标分割模块,用于根据所述待检测图像和所述背景图像确定各相邻像素点之间的差值;根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到多个目标分割区域;
图像综合处理模块,用于根据每个目标分割区域的中心点坐标,和每个目标分割区域在所述主成分量化图的对应区域中、各个像素点组的像素值和各个像素点组的像素点数量在所述对应区域所占的像素比例,确定每两个目标分割区域之间的区分度:将每个目标分割区域与其他各个目标分割区域的区分度进行累加,得到每个目标分割区域的权重;根据各个目标分割区域的权重确定权重阈值;删除权重小于权重阈值的目标分割区域。
10.一种用于前景目标检测的图像处理装置,其特征在于,包括:
边缘差值获取模块,用于:
获取相邻两个像素点中的一个像素点在待检测图像中的像素值与另一个像素点在所述待检测图像中的像素值的差值绝对值p1;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与在背景图像中的像素值的差值绝对值p2;
获取相邻两个像素点中的一个像素点在所述待检测图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p3;
获取相邻两个像素点中的一个像素点在所述背景图像中的像素值与另一个像素点在所述背景图像中的像素值的差值绝对值p4;
按照如下公式确定相邻两个像素点之间的差值e:
e=min(abs(p1-abs(p3-p2)),abs(p4-p1));
边缘分割差分图像获取模块,用于根据各相邻像素点之间的差值对所述待检测图像进行图像分割,得到有多个目标分割区域的边缘分割差分图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310285673.1A CN104282013B (zh) | 2013-07-08 | 2013-07-08 | 一种用于前景目标检测的图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310285673.1A CN104282013B (zh) | 2013-07-08 | 2013-07-08 | 一种用于前景目标检测的图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104282013A CN104282013A (zh) | 2015-01-14 |
CN104282013B true CN104282013B (zh) | 2017-11-21 |
Family
ID=52256864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310285673.1A Active CN104282013B (zh) | 2013-07-08 | 2013-07-08 | 一种用于前景目标检测的图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104282013B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107018352A (zh) * | 2016-01-27 | 2017-08-04 | 北京中科晶上科技有限公司 | 一种视频图像处理方法、装置及系统 |
CN105788353A (zh) * | 2016-04-07 | 2016-07-20 | 张勋 | 一种停车位检测方法和系统 |
CN108872031B (zh) * | 2018-09-17 | 2019-12-13 | 中国科学院武汉物理与数学研究所 | 机动车烟气黑度测量装置及方法 |
CN112055247B (zh) * | 2020-09-11 | 2022-07-08 | 北京爱奇艺科技有限公司 | 一种视频播放方法、装置、系统及存储介质 |
CN112348023A (zh) * | 2020-10-28 | 2021-02-09 | 南阳柯丽尔科技有限公司 | 背景与文字分离方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103751A (zh) * | 2009-12-18 | 2011-06-22 | 华为技术有限公司 | 前景图像提取方法及装置 |
CN102496276A (zh) * | 2011-12-01 | 2012-06-13 | 青岛海信网络科技股份有限公司 | 一种高效车辆检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4720700B2 (ja) * | 2006-09-21 | 2011-07-13 | セイコーエプソン株式会社 | 画像検出装置、画像検出方法及び画像検出プログラム |
TWI382360B (zh) * | 2008-08-01 | 2013-01-11 | Univ Nat Taiwan Science Tech | 物件偵測方法及其裝置 |
-
2013
- 2013-07-08 CN CN201310285673.1A patent/CN104282013B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103751A (zh) * | 2009-12-18 | 2011-06-22 | 华为技术有限公司 | 前景图像提取方法及装置 |
CN102496276A (zh) * | 2011-12-01 | 2012-06-13 | 青岛海信网络科技股份有限公司 | 一种高效车辆检测方法 |
Non-Patent Citations (3)
Title |
---|
一种基于边缘特征的背景差分运动目标检测方法;董久敏 等;《海军航空工程学院学报》;20110228;第26卷(第2期);第173-176页 * |
基于背景图像集与稀疏分析的运动目标检测;包金宇,王慧斌,陈哲,沈洁;《计算机应用》;20130501;第33卷(第5期);第1401-1405、1410页 * |
基于背景差分的运动目标检测方法;汪冲,席志红,肖春丽;《应用科技》;20091031;第36卷(第10期);第16-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104282013A (zh) | 2015-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104282013B (zh) | 一种用于前景目标检测的图像处理方法及装置 | |
CN105096259B (zh) | 深度图像的深度值恢复方法和系统 | |
WO2017088365A1 (zh) | 一种肤色检测方法及装置 | |
CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
CN104702928B (zh) | 修正图像交叠区的方法、记录介质以及执行装置 | |
CN106023259B (zh) | 一种运动目标频率检测方法及装置 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN104318266B (zh) | 一种图像智能分析处理预警方法 | |
CN105828065B (zh) | 一种视频画面过曝检测方法及装置 | |
CN106096603A (zh) | 一种融合多特征的动态火焰检测方法及装置 | |
CN104700405B (zh) | 一种前景检测方法和系统 | |
CN109344717A (zh) | 一种多阈值动态统计的深海目标在线检测识别方法 | |
CN103258332A (zh) | 一种抗光照变化的运动目标检测方法 | |
CN106504264A (zh) | 视频前景图像提取方法和装置 | |
CN104021527B (zh) | 一种图像中雨雪的去除方法 | |
CN101390128A (zh) | 脸部器官的位置的检测方法及检测系统 | |
CN106778635A (zh) | 一种基于视觉显著性的人体区域检测方法 | |
CN105469427B (zh) | 一种用于视频中目标跟踪方法 | |
CN104598914A (zh) | 一种肤色检测的方法及装置 | |
CN107146252A (zh) | 一种大数据图像处理装置 | |
CN108363953A (zh) | 一种行人检测的方法及双目监控设备 | |
CN104599288A (zh) | 一种基于肤色模板的特征跟踪方法及装置 | |
CN105869148A (zh) | 目标检测方法及装置 | |
CN106570888A (zh) | 一种基于fast角点和金字塔klt的目标跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |