CN104658009A - 一种基于视频图像的运动目标检测方法 - Google Patents

Abstract

本发明公开了一种基于视频图像的运动目标检测方法，包括：根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像BI；根据当前背景图像BI对待检测的连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，形成目标图像BFM_k；对目标图像BFM_k进行运动目标检测，确定目标图像BFM_k中的运动目标所在的目标区域；在相邻视频帧之间进行运动目标关联，计算运动目标在帧间的运动速度；当根据运动目标在多个连续帧之间的运动速度判断该运动目标静止时，对该运动目标所在的区域进行背景更新，形成新的背景图像，并将所形成的新的背景图像作为当前背景图像BI。通过使用上述方法，可以提高系统的运行效率。

Description

一种基于视频图像的运动目标检测方法

技术领域

本发明涉及视频监控技术，特别涉及一种基于视频图像的运动目标检测方法。

背景技术

现有技术中已经提出了智能视频分析系统，例如，应用于“智慧城市”项目中的智能监控系统。所述智能监控系统的主要功能是对通过可见光摄像机拍摄的监控视频图像进行处理，自动提取图像中的运动目标，获取目标的位置、大小等相关信息，为进一步基于视频的目标跟踪、分析、识别等任务提供原始信息。在现有的智能视频监控系统中，一般都是采用可见光摄像机获取监控区域的视频图像，将视频图像实时传输至计算机，由计算机对视频图像数据进行计算，完成运动目标检测功能。

在现有技术中的基于视频的运动目标检测方法中，背景差分法被广泛应用。背景差分方法通过对连续视频图像的分析，获取图像中静态的背景图像，将当前视频图像与背景图像进行差分，即可将图像中静止的背景部分去除，从而凸显运动目标；然后再通过图像分割算法即可获得图像中的运动目标区域。但是，现有技术中基于背景差分的方法都是采用全局计算的方式，在使用背景差分法从视频图像中提取运动目标的过程中，需要实时计算监控视频的背景图像，持续实现更新。由于对连续帧都要进行背景更新，且每一帧都要进行全局计算，因此计算量较大。但是在实际应用的情况下，监控视频图像中有相当部分被计算的区域并不存在运动目标，但也每次都会被重复进行计算。因此，现有技术中的现有方法都需要将大量的计算资源用于连续全局背景的更新计算上，从而造成了大量的资源浪费，降低了系统的运行效率。

发明内容

有鉴于此，本发明提供一种基于视频图像的运动目标检测方法，从而可以在实现运动目标检测功能的同时，提高系统的运行效率。

本发明的技术方案具体是这样实现的：

一种基于视频图像的运动目标检测方法，该方法包括：

步骤11、根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像BI；

步骤12、根据当前背景图像BI对待检测的连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，形成目标图像BFM_k；

步骤13、对目标图像BFM_k进行运动目标检测，确定目标图像BFM_k中的运动目标所在的目标区域；

步骤14、在相邻视频帧之间进行运动目标关联，计算运动目标在帧间的运动速度；

步骤15、当根据运动目标在多个连续帧之间的运动速度判断该运动目标静止时，对该运动目标所在的区域进行背景更新，形成新的背景图像，并将所形成的新的背景图像作为当前背景图像BI，返回执行步骤12。

较佳的，所述步骤15中的对该运动目标所在的区域进行背景更新，形成新的背景图像包括：

将运动目标所在的区域的外接矩形区域作为监控区域；

根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像；

在当前的背景图像BI中，使用所获得的监控区域静态的当前背景图像替换所述运动目标所在的区域的外接矩形区域，形成新的背景图像。

较佳的，所述根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像包括：

步骤111、获取监控视频中的监控区域的当前帧图像F_k，前一帧图像F_k-1和前一帧图像F_k-1对应的背景图像B_k-1；其中，k为监控区域的当前帧图像的帧号；

步骤112、当k＝1时，将监控区域的第1帧图像F₁作为前一帧图像F_k-1和背景图像B_k-1和；当k>1时，根据所获取的F_k、F_k-1和B_k-1，计算得到前帧背景差分BD_k和帧间差分FD_k；

步骤113、根据前帧背景差分BD_k、帧间差分FD_k和背景图像B_k-1中的各个像素的更新系数，逐像素对监控区域的背景图像B_k-1进行更新，得到监控区域的当前帧图像F_k对应的背景图像B_k；

步骤114、当k小于预设的初始背景更新帧数时，将监控区域的当前帧图像的下一帧的图像作为当前帧图像，返回执行步骤111；否则，将监控区域的当前的背景图像B_k作为监控区域静态的当前背景图像BI。

较佳的，通过如下所述的公式来计算前帧背景差分BD_k和帧间差分FD_k：

BD_k＝F_k-B_k-1

FD_k＝|F_k-F_k-1|

其中，BD_k为F_k与B_k-1的差分，FD_k为F_k与F_k-1的差分的绝对值。

较佳的，所述逐像素对监控区域的背景图像B_k-1进行更新包括：

对背景图像B_k-1中的各个像素逐像素执行下述的步骤：

步骤113a，根据帧间差分FD_k和预设的第一阈值FTh，确定当前像素(x,y)的更新量m_k(x,y)；

步骤113b，当BD_k大于预设第二阈值BTh时，根据当前像素的更新量m_k(x,y)对背景图像的当前像素B_k-1(x,y)进行更新；否则，对当前像素不进行更新。

较佳的，所述步骤113a包括：

当帧间差分FD_k大于预设第一阈值FTh时，将当前像素(x,y)的更新量m_k(x,y)设为0；否则，根据更新系数k_k(x,y)计算得到当前像素(x,y)的更新量m_k(x,y)；

其中，所述(x,y)为当前像素的坐标。

较佳的，根据如下所述的公式计算当前像素(x,y)的更新量m_k(x,y)：

m_k(x,y)＝k_k(x,y)×BD_k(x,y)。

较佳的，所述更新系数k_k(x,y)为分段函数：

$k_k(x,y)=\left\{\begin{array}{cc}0.02& {\mathrm{BD}}_k(x,y)>50\\ 0.04& 50\≥{\mathrm{BD}}_k(x,y)>25\\ 0.1& 25\≥{\mathrm{BD}}_k(x,y)>10\\ 0.2& 10\≥{\mathrm{BD}}_k(x,y)>5\\ 0.5& 5\≥{\mathrm{BD}}_k(x,y)>0\end{array}\right..$

较佳的，所述第一阈值FTh为2。

较佳的，根据如下所述的公式对背景图像的当前像素B_k-1(x,y)进行更新：

B_k(x,y)＝B_k-1(x,y)+m_k(x,y)。

较佳的，所述第二阈值BTh为2。

较佳的，所述步骤12具体包括：

步骤121，根据当前背景图像BI对视频图像的当前帧F_k进行逐像素背景差分操作，得到当前帧F_k的差分图像矩阵BFD_k；其中，k为当前帧F_k的帧号；

步骤122，根据差分图像矩阵BFD_k计算均值μ和标准差σ；

步骤123，对于差分图像矩阵BFD_k中大于μ+σ的像素值，以最大类间方差准则计算最优分割阈值Th；

步骤124，根据所述最优分割阈值T_h对差分图像矩阵BFD_k进行图像分割，得到当前帧F_k的分割数据矩阵BFS_k；

步骤125，去除分割数据矩阵BFS_k中的噪点，填补空洞，形成目标图像BFM_k。

较佳的，通过如下所述的公式计算得到当前帧F_k的差分图像矩阵BFD_k：

BFD_k＝|F_k-BI|

其中，BFD_k为F_k与BI的差分的绝对值。

较佳的，通过如下所述的公式计算得到均值μ和标准差σ：

$\mathrm{\μ}=\frac{1}{r\×c}\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\underset{j=1}{\overset{c}{\mathrm{\Σ}}}{\mathrm{BFD}}_k(i,j)$

$\mathrm{\σ}=\sqrt{\frac{1}{r\×c-1}\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\underset{j=1}{\overset{c}{\mathrm{\Σ}}}{({\mathrm{BFD}}_k(i,j)-\mathrm{\μ})}^2}$

其中，设差分图像矩阵BFD_k为r行c列的矩阵，BFD_k(i,j)表示图像BFD_k第i行第j列像素的像素值。

较佳的，通过如下所述的公式计算得到分割数据矩阵BFS_k：

${\mathrm{BFS}}_k(i,j)=\left\{\begin{array}{cc}1& {\mathrm{BFD}}_k(i,j)\&GreaterEqual;\mathrm{Th}\\ -1& {\mathrm{BFD}}_k(i,j)<\mathrm{Th}\end{array}\right.$

其中，BFD_k(i,j)表示矩阵BFD_k的第i行第j列像素的像素值，BFS_k(i,j)表示矩阵BFS_k的第i行第j列元素的数值。

较佳的，所述步骤125中的去除分割数据矩阵BFS_k中的噪点包括：

使用5×5的正方形模板对分割图像BFS_k进行腐蚀操作，去除分割数据矩阵BFS_k中的噪点。

较佳的，所述步骤125中的填补空洞包括：

使用7×7的正方形模板对去除噪点后的分割数据矩阵BFS_k进行膨胀操作，填补分割分割数据矩阵BFS_k中的空洞，形成目标图像BFM_k。

较佳的，所述步骤13包括：

步骤131，对目标图像BFM_k中像素值为1的所有连通区域进行像素数统计，并将各个连通区域的像素数目作为各个连通区域的目标面积；

步骤132，去除目标面积小于预设面积阈值的连通区域；

步骤133，将保留下的连通区域作为运动目标所在的目标区域，并根据各个目标区域中的像素的横坐标的最大值、最小值以及纵坐标的最大值和最小值，形成各个目标区域的外接矩形用以标识各个目标区域；

步骤134，计算各个目标区域的外接矩形的中心坐标作为目标区域的中心坐标。

较佳的，所述预设面积阈值为60。

较佳的，所述步骤14包括：

步骤141，当在第k-1帧图像中检测到运动目标所在的目标区域T时，获取该目标区域T的中心坐标(x_T,y_T)；

步骤142，在第k帧图像中，以(x_T,y_T)为中心，以d_max为半径搜索目标区域，并将搜索到的目标区域作为候选目标；其中，所述d_max为相邻帧之间运动目标最大运动距离；

步骤143，计算各个候选目标的中心坐标与目标区域T的中心坐标(x_T,y_T)的距离dc，并计算各个候选目标的目标面积与目标区域T的目标面积的像素数之差ds；

步骤144，根据所述dc和ds，计算各个候选目标的相似程度st；

步骤145，将st值最小的候选目标作为与目标区域T关联的运动目标；

步骤146，计算运动目标在帧间的运动速度sp_T。

较佳的，所述d_max的值为15。

较佳的，使用如下所述的公式来计算的候选目标的相似程度st：

st＝a×dc+(1-a)ds；

其中，a为预设的加权系数。

较佳的，所述a的值为0.25。

较佳的，所述判断运动目标是否静止包括：

设定速度阈值th_sp、停留帧数阈值th_st和累积停留帧数参数n_st，初始值都设置为0；

当运动目标在帧间的运动速度sp_T<th_sp时，n_st数值增加1；当sp_T>th_sp时，n_st数值置为0；

当n_st>th_st时，判定运动目标静止。

较佳的，所述th_sp＝2，th_st＝40。

如上可见，在本发明所提供的基于视频图像的运动目标检测方法中，由于在可见光监控视频图像中，先基于区域背景更新策略的运动目标检测方法提取场景中的运动目标，并根据目标的运动特性进行局部区域背景更新，即仅对背景图像中的静止目标区域进行局部背景更新，而不是对整个背景图像进行更新，因此可以在实现目标检测的同时，节约系统计算资源，提高运行效率。

附图说明

图1为本发明实施例中的基于视频图像的运动目标检测方法的流程示意图。

图2为本发明实施例中的基于视频图像的运动目标检测方法的效果示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

本实施例提供了一种基于视频图像的运动目标检测方法。

图1为本发明实施例中的基于视频图像的运动目标检测方法的流程示意图。如图1所示，本发明实施例中的基于视频图像的运动目标检测方法主要包括如下所述的步骤：

步骤11，根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像BI。

步骤12，根据当前背景图像BI对待检测的连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，形成目标图像BFM_k。

步骤13，对目标图像BFM_k进行运动目标检测，确定目标图像BFM_k中的运动目标所在的目标区域。

步骤14，在相邻视频帧之间进行运动目标关联，计算运动目标在帧间的运动速度。

步骤15，当根据运动目标在多个连续帧之间的运动速度判断该运动目标静止时，对该运动目标所在的区域进行背景更新，形成新的背景图像，并将所形成的新的背景图像作为当前背景图像BI，返回继续执行步骤12。

通过上述的步骤11～15，即可在视频场景中确定场景中的运动目标，并根据目标的运动特性进行局部区域背景更新，从而可以在实现目标检测的同时，节约系统计算资源，提高运行效率。

在本发明的技术方案中，可以使用多种方式来实现上述的步骤11。以下将以其中的一种实施方式为例，对本发明的技术方案进行介绍。

例如，较佳的，在本发明的具体实施例中，所述根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像包括：

步骤111，获取监控视频中的监控区域的当前帧图像F_k，前一帧图像F_k-1和前一帧图像F_k-1对应的背景图像B_k-1；其中，k为监控区域的当前帧图像的帧号。

步骤112，当k＝1时，将监控区域的第1帧图像F₁作为前一帧图像F_k-1和背景图像B_k-1和；当k>1时，根据所获取的F_k、F_k-1和B_k-1，计算得到前帧背景差分BD_k和帧间差分FD_k。

例如，在本发明的较佳实施例中，可以通过如下所述的公式来计算前帧背景差分BD_k和帧间差分FD_k：

BD_k＝F_k-B_k-1    (1)

FD_k＝|F_k-F_k-1|    (2)

其中，BD_k为F_k与B_k-1的差分，FD_k为F_k与F_k-1的差分的绝对值。所述差分操作是通过逐像素对两个图像相对应的像素值进行相减计算得到的，经过上述逐像素差分操作后，即可得到差分图像矩阵BD_k和FD_k。

步骤113，根据前帧背景差分BD_k、帧间差分FD_k和背景图像B_k-1中的各个像素的更新系数，逐像素对监控区域的背景图像B_k-1进行更新，得到监控区域的当前帧图像F_k对应的背景图像B_k。

较佳的，在本发明的具体实施例中，所述逐像素对监控区域的背景图像B_k-1进行更新可以包括：

对背景图像B_k-1中的各个像素逐像素执行下述的步骤：

步骤113a，根据帧间差分FD_k和预设的第一阈值FTh，确定当前像素(x,y)的更新量m_k(x,y)。

例如，在本发明的较佳实施例中，所述步骤113a可以包括：

当帧间差分FD_k大于预设第一阈值FTh时，将当前像素(x,y)的更新量m_k(x,y)设为0；

否则，根据更新系数k_k(x,y)计算得到当前像素(x,y)的更新量m_k(x,y)。

其中，所述(x,y)为当前像素的坐标。

另外，较佳的，在本发明的具体实施例中，可以根据如下所述的公式计算当前像素(x,y)的更新量m_k(x,y)：

m_k(x,y)＝k_k(x,y)×BD_k(x,y)    (3)

在本发明的技术方案中，可以根据需要和监控场景的实际情况预先设置更新系数k_k(x,y)的值。例如，较佳的，在本发明的具体实施例中，所述更新系数k_k(x,y)可以是如下所述的分段函数：

$k_k(x,y)=\left\{\begin{array}{cc}0.02& {\mathrm{BD}}_k(x,y)>50\\ 0.04& 50\&GreaterEqual;{\mathrm{BD}}_k(x,y)>25\\ 0.1& 25\&GreaterEqual;{\mathrm{BD}}_k(x,y)>10\\ 0.2& 10\&GreaterEqual;{\mathrm{BD}}_k(x,y)>5\\ 0.5& 5\&GreaterEqual;{\mathrm{BD}}_k(x,y)>0\end{array}\right.---\left(4\right)$

较佳的，在本发明的具体实施例中，所述第一阈值FTh可以设置为2。

步骤113b，当BD_k大于预设第二阈值BTh时，根据当前像素的更新量m_k(x,y)对背景图像的当前像素B_k-1(x,y)进行更新；否则，对当前像素不进行更新，即B_k(x,y)的数值等于B_k-1(x,y)。

较佳的，在本发明的具体实施例中，可以根据如下所述的公式对背景图像的当前像素B_k-1(x,y)进行更新：

B_k(x,y)＝B_k-1(x,y)+m_k(x,y)    (5)

较佳的，在本发明的具体实施例中，所述第二阈值BTh可以设置为2。

步骤114，当k小于预设的初始背景更新帧数时，将监控区域的当前帧图像的下一帧的图像作为当前帧图像，返回执行步骤111；否则，将监控区域的当前的背景图像B_k作为监控区域静态的当前背景图像BI。

通过上述的步骤111～114，即可获得监控区域静态的当前背景图像BI。

另外，在本发明的技术方案中，可以使用多种方式来实现上述的步骤12。以下将以其中的一种实施方式为例，对本发明的技术方案进行介绍。

例如，较佳的，在本发明的具体实施例中，所述步骤12可以具体包括：

步骤121，根据当前背景图像BI对视频图像的当前帧F_k进行逐像素背景差分操作，得到当前帧F_k的差分图像矩阵BFD_k；其中，k为当前帧F_k的帧号。

较佳的，在本发明的具体实施例中，可以通过如下所述的公式计算得到当前帧F_k的差分图像矩阵BFD_k：

BFD_k＝|F_k-BI|    (6)

其中，BFD_k为F_k与BI的差分的绝对值。所述背景差分操作是通过逐像素对两个图像相对应的像素值进行相减计算得到的，经过上述逐像素背景差分操作后，即可得到当前帧F_k的差分图像矩阵BFD_k。

步骤122，根据差分图像矩阵BFD_k计算均值μ和标准差σ。

较佳的，在本发明的具体实施例中，可以通过如下所述的公式计算得到均值μ和标准差σ：

$\mathrm{\&mu;}=\frac{1}{r\&times;c}\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{c}{\mathrm{\&Sigma;}}}{\mathrm{BFD}}_k(i,j)---\left(7\right)$

$\mathrm{\&sigma;}=\sqrt{\frac{1}{r\&times;c-1}\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{c}{\mathrm{\&Sigma;}}}{({\mathrm{BFD}}_k(i,j)-\mathrm{\&mu;})}^2}---\left(8\right)$

其中，设差分图像矩阵BFD_k为r行c列的矩阵，BFD_k(i,j)表示图像BFD_k第i行第j列像素的像素值。

步骤123，对于差分图像矩阵BFD_k中大于μ+σ的像素值，以最大类间方差(OTSU)准则计算最优分割阈值Th。

步骤124，根据所述最优分割阈值T_h对差分图像矩阵BFD_k进行图像分割，得到当前帧F_k的分割数据矩阵BFS_k。

较佳的，在本发明的具体实施例中，可以通过如下所述的公式计算得到分割数据矩阵BFS_k：

${\mathrm{BFS}}_k(i,j)=\left\{\begin{array}{cc}1& {\mathrm{BFD}}_k(i,j)\&GreaterEqual;\mathrm{Th}\\ -1& {\mathrm{BFD}}_k(i,j)<\mathrm{Th}\end{array}\right.---\left(9\right)$

其中，BFD_k(i,j)表示矩阵BFD_k的第i行第j列像素的像素值，BFS_k(i,j)表示矩阵BFS_k的第i行第j列元素的数值。

步骤125，去除分割数据矩阵BFS_k中的噪点，填补空洞，形成目标图像BFM_k。

通过上述的步骤121～125，即可形成目标图像BFM_k。

较佳的，在本发明的具体实施例中，所述步骤125中的去除分割数据矩阵BFS_k中的噪点可以包括：

使用5×5的正方形模板对分割图像BFS_k进行腐蚀操作，去除分割数据矩阵BFS_k中的噪点。

另外，较佳的，在本发明的具体实施例中，所述步骤125中的填补空洞可以包括：

使用7×7的正方形模板对去除噪点后的分割数据矩阵BFS_k进行膨胀操作，填补分割分割数据矩阵BFS_k中的空洞，形成目标图像BFM_k。

另外，在本发明的技术方案中，还可以使用多种方式来实现上述的步骤13。以下将以其中的一种实施方式为例，对本发明的技术方案进行介绍。

例如，较佳的，在本发明的具体实施例中，所述步骤13包括：

步骤131，对目标图像BFM_k中像素值为1的所有连通区域进行像素数统计，并将各个连通区域的像素数目作为各个连通区域的目标面积。

步骤132，去除目标面积小于预设面积阈值的连通区域。

较佳的，在本发明的具体实施例中，所述预设面积阈值可以是60或其它预设的值。

步骤133，将保留下的连通区域作为运动目标所在的目标区域，并根据各个目标区域中的像素的横坐标的最大值、最小值以及纵坐标的最大值和最小值，形成各个目标区域的外接矩形用以标识各个目标区域。

步骤134，计算各个目标区域的外接矩形的中心坐标作为目标区域的中心坐标。

通过上述的步骤131～134，即可确定目标图像BFM_k中的运动目标所在的目标区域。

在本发明的技术方案中，将对每一个目标图像BFM_k都进行运动目标检测，从而确定每一个目标图像BFM_k中的运动目标所在的目标区域，获取所述目标区域的外接矩形和外接矩形的中心坐标。

另外，在本发明的技术方案中，还可以使用多种方式来实现上述的步骤14。以下将以其中的一种实施方式为例，对本发明的技术方案进行介绍。

例如，较佳的，在本发明的具体实施例中，所述步骤14包括：

步骤141，当在第k-1帧图像中检测到运动目标所在的目标区域T(即检测到运动目标)时，获取该目标区域T的中心坐标(x_T,y_T)。

步骤142，在第k帧图像中，以(x_T,y_T)为中心，以d_max为半径搜索目标区域，并将搜索到的目标区域作为候选目标。

其中，所述d_max为相邻帧之间运动目标最大运动距离，其取值可以根据实际应用情况预先设定。例如，较佳的，在本发明的具体实施例中，所述d_max的值可以为15。

步骤143，计算各个候选目标的中心坐标与目标区域T的中心坐标(x_T,y_T)的距离dc，并计算各个候选目标的目标面积与目标区域T的目标面积的像素数之差ds。

步骤144，根据所述dc和ds，计算各个候选目标的相似程度st。

较佳的，在本发明的具体实施例中，可以使用如下所述的公式来计算的候选目标的相似程度st：

st＝a×dc+(1-a)ds    (10)

其中，a为预设的加权系数，其取值可以根据实际应用的需要预先设定。

例如，较佳的，在本发明的具体实施例中，所述a的值可以为0.25。

步骤145，将st值最小的候选目标作为与目标区域T关联的运动目标，即认定为同一运动目标。

步骤146，计算运动目标在帧间的运动速度sp_T。

例如，在本发明的较佳实施例中，所述运动目标在帧间的运动速度sp_T即为运动目标目标的中心坐标在相邻帧之间的距离。

通过上述的步骤141～146，即可在相邻视频帧之间进行运动目标关联，并通过计算得到运动目标在帧间的运动速度。

另外，在本发明的技术方案中，还可以使用多种方式来实现上述的步骤15。以下将以其中的一种实施方式为例，对本发明的技术方案进行介绍。

例如，较佳的，在本发明的具体实施例中，所述判断运动目标是否静止包括：

步骤1，设定速度阈值th_sp、停留帧数阈值th_st和累积停留帧数参数n_st，初始值都设置为0。

其中，th_sp和th_st的取值都可以根据实际应用的需要预先设定。

例如，较佳的，在本发明的具体实施例中，所述th_sp＝2，th_st＝40。

步骤2，当运动目标在帧间的运动速度sp_T<th_sp时，n_st数值增加1；当sp_T>th_sp时，n_st数值置为0。

步骤3，当n_st>th_st时，判定运动目标静止。

另外，较佳的，在本发明的具体实施例中，所述步骤15中的对该运动目标所在的区域进行背景更新，形成新的背景图像包括：

步骤15a，将运动目标所在的区域的外接矩形区域作为监控区域。

步骤15b，根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像。

较佳的，在本发明的一个具体实施例中，该步骤15b可以通过上述的步骤111～114的实现方式来实现。在此不再赘述。

步骤15c，在当前的背景图像BI中，使用所获得的监控区域静态的当前背景图像替换所述运动目标所在的区域的外接矩形区域，形成新的背景图像。

形成上述新的背景图像之后，即可根据该新的背景图像对运动目标进行检测。

图2为本发明实施例中的基于视频图像的运动目标检测方法的效果示意图。如图2所示，图2(a)为原始背景图像；图2(b)中则出现了静止的目标，用实线方框表示，因此，此时静止的目标所在的区域(即静止目标区域)的数据与原背景图像有差别，在本发明的技术方案中，仅对上述静止目标区域进行局部的背景更新，从而得到新的背景图像，并可在此基础上继续进行背景差分运动目标检测，从而检测得到运动目标区域，例如，如图2(c)中所示的左下的虚线方框区域。

综上可知，在本发明中的基于视频图像的运动目标检测方法中，由于在可见光监控视频图像中，先基于区域背景更新策略的运动目标检测方法提取场景中的运动目标，并根据目标的运动特性进行局部区域背景更新，即仅对背景图像中的静止目标区域进行局部背景更新，而不是对整个背景图像进行更新，因此可以在实现目标检测的同时，节约系统计算资源，提高运行效率。

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，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种基于视频图像的运动目标检测方法，其特征在于，该方法包括：

步骤11、根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像BI；

步骤12、根据当前背景图像BI对待检测的连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，形成目标图像BFM_k；

步骤13、对目标图像BFM_k进行运动目标检测，确定目标图像BFM_k中的运动目标所在的目标区域；

步骤14、在相邻视频帧之间进行运动目标关联，计算运动目标在帧间的运动速度；

步骤15、当根据运动目标在多个连续帧之间的运动速度判断该运动目标静止时，对该运动目标所在的区域进行背景更新，形成新的背景图像，并将所形成的新的背景图像作为当前背景图像BI，返回执行步骤12。

2.根据权利要求1所述的方法，其特征在于，所述步骤15中的对该运动目标所在的区域进行背景更新，形成新的背景图像包括：

将运动目标所在的区域的外接矩形区域作为监控区域；

根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像；

在当前的背景图像BI中，使用所获得的监控区域静态的当前背景图像替换所述运动目标所在的区域的外接矩形区域，形成新的背景图像。

3.根据权利要求1或2所述的方法，其特征在于，所述根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像包括：

步骤111、获取监控视频中的监控区域的当前帧图像F_k，前一帧图像F_k-1和前一帧图像F_k-1对应的背景图像B_k-1；其中，k为监控区域的当前帧图像的帧号；

步骤112、当k＝1时，将监控区域的第1帧图像F₁作为前一帧图像F_k-1和背景图像B_k-1和；当k>1时，根据所获取的F_k、F_k-1和B_k-1，计算得到前帧背景差分BD_k和帧间差分FD_k；

步骤113、根据前帧背景差分BD_k、帧间差分FD_k和背景图像B_k-1中的各个像素的更新系数，逐像素对监控区域的背景图像B_k-1进行更新，得到监控区域的当前帧图像F_k对应的背景图像B_k；

步骤114、当k小于预设的初始背景更新帧数时，将监控区域的当前帧图像的下一帧的图像作为当前帧图像，返回执行步骤111；否则，将监控区域的当前的背景图像B_k作为监控区域静态的当前背景图像BI。

4.根据权利要求3所述的方法，其特征在于，通过如下所述的公式来计算前帧背景差分BD_k和帧间差分FD_k：

BD_k＝F_k-B_k-1

FD_k＝|F_k-F_k-1|

其中，BD_k为F_k与B_k-1的差分，FD_k为F_k与F_k-1的差分的绝对值。

5.根据权利要求3所述的方法，其特征在于，所述逐像素对监控区域的背景图像B_k-1进行更新包括：

对背景图像B_k-1中的各个像素逐像素执行下述的步骤：

步骤113a，根据帧间差分FD_k和预设的第一阈值FTh，确定当前像素(x,y)的更新量m_k(x,y)；

步骤113b，当BD_k大于预设第二阈值BTh时，根据当前像素的更新量m_k(x,y)对背景图像的当前像素B_k-1(x,y)进行更新；否则，对当前像素不进行更新。

6.根据权利要求5所述的方法，其特征在于，所述步骤113a包括：

当帧间差分FD_k大于预设第一阈值FTh时，将当前像素(x,y)的更新量m_k(x,y)设为0；否则，根据更新系数k_k(x,y)计算得到当前像素(x,y)的更新量m_k(x,y)；

其中，所述(x,y)为当前像素的坐标。

7.根据权利要求5所述的方法，其特征在于，根据如下所述的公式计算当前像素(x,y)的更新量m_k(x,y)：

m_k(x,y)＝k_k(x,y)×BD_k(x,y)。

8.根据权利要求5所述的方法，其特征在于，所述更新系数k_k(x,y)为分段函数：

$k_k(x,y)=\left\{\begin{array}{cc}0.02& {\mathrm{BD}}_k(x,y)>50\\ 0.04& 50\&GreaterEqual;{\mathrm{BD}}_k(x,y)>25\\ 0.1& 25\&GreaterEqual;{\mathrm{BD}}_k(x,y)>10\\ 0.2& 10\&GreaterEqual;{\mathrm{BD}}_k(x,y)>5\\ 0.5& 5\&GreaterEqual;{\mathrm{BD}}_k(x,y)>0\end{array}\right..$

9.根据权利要求5所述的方法，其特征在于：

所述第一阈值FTh为2。

10.根据权利要求5所述的方法，其特征在于，根据如下所述的公式对背景图像的当前像素B_k-1(x,y)进行更新：

B_k(x,y)＝B_k-1(x,y)+m_k(x,y)。