CN104778723A - 红外图像中利用三帧差法进行移动侦测的方法 - Google Patents
红外图像中利用三帧差法进行移动侦测的方法 Download PDFInfo
- Publication number
- CN104778723A CN104778723A CN201510163876.2A CN201510163876A CN104778723A CN 104778723 A CN104778723 A CN 104778723A CN 201510163876 A CN201510163876 A CN 201510163876A CN 104778723 A CN104778723 A CN 104778723A
- Authority
- CN
- China
- Prior art keywords
- frame
- rectangular area
- macro block
- mentioned steps
- flag
- 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.)
- Withdrawn
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种红外图像中利用三帧差法进行移动侦测的方法,所述方法包括:采集并保存视频帧,实时更新当前最新三帧有效数据;对采集的三帧视频图像进行预处理;将需要进行移动帧测的部分分割成矩形区域,以及大小为16×16像素的宏块;对各宏块进行全帧移动帧测或单区域移动帧测;统计全帧或区域内运动宏块的数量判断是否满足移动报警条件。本发明采用三帧差法找出运动区域,该算法独立于编码,实现简单,实时性强,占用资源少,可以根据用户需要设置检测区域,设置检测灵敏度。
Description
技术领域
本发明涉及可见光视频智能分析控制技术领域,尤其是涉及一种红外图像中利用三帧差法进行移动侦测的方法。
背景技术
移动侦测,常用于无人值守监控系统和自动报警系统中。摄像头采集到的视频中,当画面有变化时,如有人走过,车辆经过时,系统会通过某种计算比较结果,当得出的结果超过设定的阈值时就会指示系统自动作出相应的处理。
移动侦测功能是可见光视频系统中常见的一种智能分析功能,这种方法同样可以应用于红外图像中。常见的移动侦测方法有背景差法,前后帧差法,光流法等。背景差法容易受到外界环境(比如光照)的影响,而且背景需要实时更新,否则会产生误判;光流法实现复杂,需占用较多系统资源。
发明内容
为了克服移动侦测常见方法中存在的问题,本发明提供一种利用三帧差法进行移动侦测的方法。这种方法对环境变化适应性较强,算法简单易实现,具有较强的实用性。
帧差法原理在于:若fk(x,y)为第k帧图像,fk-t(x,y)为第k-t时刻的图像,t为差分帧的间隔,两帧图像差Dk(x,y)可以用下式来表达:
(1)
接着对上式计算出的差值进行二值化:
(2)
其中T是二值化所选取的阈值,一般有实际场景来决定。=1时,说明在点(x,y)处像素变化较大,有可能是运动物体造成。
基于上述帧差法原理,本发明提供的一种红外图像中利用三帧差法进行移动侦测的方法,其特征在于:所述方法包括下述步骤:
(a)采集并保存视频帧,实时更新当前最新三帧有效数据。由于不能确定物体的运动速度,即使出现运动目标,前后两帧的运动位移可能非常小,帧差数据不明显,从而造成漏检,所以这里选择前后三帧差分法。
(b)对上述步骤(a)采集的三帧视频图像进行预处理。
(c)将经上述步骤(b)预处理后的视频图像将需要进行移动帧测的部分分割成1~10个的矩形区域,每个所述矩形区域的大小根据该矩形区域的左上点和右下点的座标设置,再将所述每个矩形区域或者整个视频图像分割成宏块,每个宏块大小为16×16像素。
(d)当所述矩形区域数量为1,对上述步骤(c)分割确定的各宏块进行全帧移动帧测处理,由于人眼对亮度信号最为敏感,所以采用Y信号进行处理,在某个检测的宏块内,t帧与t-2帧的对应像素亮度差值为:
Difft(x,y)=|( Yt(x,y)– Yt-2(x,y)|
上式中 Difft(x,y)是坐标(x,y)处,在时间t帧和t-2帧时Y值差值的绝对值,如果Difft(x,y)大于一定的阈值thre_a,则将此坐标标记为1,根据前述帧差法原理中公式(2)可以得出如下关系:
如果 (Difft(x,y)>thre_a), 则pixel_flag=1;
统计该宏块内被标记(pixel_flag=1)的像素的个数,如果该宏块内被标记的像素个数(sum)大于一定的阈值,则认为该宏块(block)出现了运动物体,关系如下所示:
如果 (sum >thre_b), 则block_flag=1;
(e)按照上述步骤(d),检测视频中其他宏块,最后统计这一帧中被标记的宏块(block_flag=1)的宏块数目(sum_of_block_flag),当满足预先设置的条件数目thre_c时,则判定该帧存在运动物体。thre_c作为帧测灵敏度参考,值越小,说明灵敏度高。
如果 (sum_of_block_flag>thre_c),则motion_flag=1(即满足报警);
(f)当所述矩形区域数量为2~10时,即需要分别对所述视频图像中一个或一个以上矩形区域做移动帧测时,只要统计该矩形区域内运动宏块的数量就可以判断该矩形区域是否满足移动报警条件,其方法与上述步骤(d)的全帧移动帧测一致。
当整个视频图像即全屏图像都需要做移动帧测时,称之为全帧移动帧测,这时相当于将整个视频图像作为一个矩形区域,也即这时的矩形区域即为全屏图像;当只需要对视频图像中某个部分做移动帧测时,称之为单区域移动帧测,则用一个矩形框把该需要帧测的区域划分出来,这个可以通过给出这个矩形框的左上点和右下点的座标来实现。单区域移动帧测与全屏移动帧测算法一致,只是区域大小不一样,宏块的数目不一样。
上述步骤(b)中所述的对采集的视频图像进行预处理,是指采用中值滤波法去除所述图像噪声干扰。中值滤波法不依赖于邻域内那些与典型值差别很大的值,因而在去除噪声脉冲、椒盐噪声的同时又能保存图像边缘细节。本发明正是考虑了图像中尖峰干扰比较多而选取中值滤波作为去噪手段。
经中值滤波去噪后二维中值滤波输出为g(x,y)=med{f(x-i,y-j),(i,j∈W)},其中,f(x,y),g(x,y)分别为原始采集图像和滤波去噪处理后图像。W为中值滤波的滤波算子二维模板的大小,通常为3×3,5×5区域。
所述宏块的数量是根据设置的矩形区域的大小来决定的,宏块数目=(矩形区域长×矩形区域宽)/(16×16)。
本发明提供的红外图像中利用三帧差法进行移动侦测的方法,采用三帧差法找出运动区域,该算法独立于编码,实现简单,实时性强,占用资源少,可以根据用户需要设置检测区域,设置检测灵敏度。
附图说明
图1是本发明移动侦测方法流程图。
图2是本发明全帧移动帧测处理流程图。
图3是本发明实施例单区域移动帧测区域图。
具体实施方式
下面结合附图及实施例对本发明的具体实施方式进一步加以描述:
请参见图1所示,本实施例提供的一种红外图像中利用三帧差法进行移动侦测的方法,包括下述步骤:
(a)采集并保存视频帧,实时更新当前最新三帧有效数据。由于不能确定物体的运动速度,即使出现运动目标,前后两帧的运动位移可能非常小,帧差数据不明显,从而造成漏检,所以这里选择前后三帧差分法。
(b)对上述步骤(a)采集的三帧视频图像进行预处理。
(c)将经上述步骤(b)预处理后的视频图像将需要进行移动帧测的部分分割成1~10个的矩形区域,每个所述矩形区域的大小根据该矩形区域的左上点和右下点的座标设置,再将所述每个矩形区域或者整个视频图像分割成宏块,每个宏块大小为16×16像素。
宏块的数目是根据设置的矩形区域的大小来决定,宏块数目=(矩形区域长×矩形区域宽)/(16×16)。若全屏分辨率为720×576, 当选择全帧移动帧测时,宏块数目=(720/16)×(576/16);当单区域移动帧测时,若矩形区域大小64×64,则该矩形区域内宏块数目=(64/16)×(64/16)。
(d)当所述矩形区域数量为1,对上述步骤(c)分割确定的各宏块进行全帧移动帧测处理,其流程如图2所示。由于人眼对亮度信号最为敏感,所以采用Y信号进行处理,在某个检测的宏块内,t帧与t-2帧的对应像素亮度差值为:
Difft(x,y)=|( Yt(x,y)– Yt-2(x,y)|
上式中 Difft(x,y)是坐标(x,y)处,在时间t帧和t-2帧时Y值差值的绝对值,如果Difft(x,y)大于一定的阈值thre_a,则将此坐标标记为1,根据前述帧差法原理中公式(2)可以得出如下关系:
如果 (Difft(x,y)>thre_a),则pixel_flag=1;
统计该宏块内被标记(pixel_flag=1)的像素的个数,如果该宏块内被标记的像素个数(sum)大于一定的阈值,则认为该宏块(block)出现了运动物体,关系如下所示:
如果 (sum >thre_b),则block_flag=1;
(e)按照上述步骤(d),检测视频中其他宏块,最后统计这一帧中被标记的宏块(block_flag=1)的宏块数目(sum_of_block_flag),当满足预先设置的条件数目thre_c时,则判定该帧存在运动物体,即满足报警。thre_c作为帧测灵敏度参考,值越小,说明灵敏度高。
如果(sum_of_block_flag>thre_c), 则motion_flag=1;
(f)在实际的应用中,针对不同场景可以设置多个检测区域,这时所述矩形区域数量为2~10时,即需要分别对所述视频图像中一个或一个以上矩形区域做移动帧测时,只要统计该矩形区域内运动宏块的数量就可以判断该矩形区域是否满足移动报警条件,只有当该矩形区域有移动物体时才会报警,其方法与上述步骤(d)的全帧移动帧测一致。
上述步骤(b)中所述的对采集的视频图像进行预处理,是指采用中值滤波法去除所述图像噪声干扰。中值滤波法不依赖于邻域内那些与典型值差别很大的值,因而在去除噪声脉冲、椒盐噪声的同时又能保存图像边缘细节。本发明正是考虑了图像中尖峰干扰比较多而选取中值滤波作为去噪手段。
经中值滤波去噪后二维中值滤波输出为g(x,y)=med{f(x-i,y-j),(i,j∈W)},其中,f(x,y),g(x,y)分别为原始采集图像和滤波去噪处理后图像。W为中值滤波的滤波算子二维模板的大小,通常为3×3,5×5区域。
以图3所示的单区域移动帧测为例,要对屏幕中a,b, c 三个区域进行移动帧测。以a区域为例,a区域的大小为80×64,a区域中每个虚线框为一个宏块的大小16×16,宏块的数目为20个。设置灵敏度thre_c的值为10。
当a区域中,宏块的标记block_flag=1的数目大于等于10个时,触发报警。调整thre_c的大小,就是调整对灵敏度的设置。
Claims (3)
1.一种红外图像中利用三帧差法进行移动侦测的方法,其特征在于;所述方法包括下述步骤:
(a)采集并保存视频帧,实时更新当前最新三帧有效数据;
(b)对上述步骤(a)采集的三帧视频图像进行预处理;
(c)将经上述步骤(b)预处理后的视频图像将需要进行移动帧测的部分分割成1~10个的矩形区域,每个所述矩形区域的大小根据该矩形区域的左上点和右下点的座标设置,再将所述每个矩形区域或者整个视频图像分割成宏块,每个宏块大小为16×16像素;
(d)当所述矩形区域数量为1,对上述步骤(c)分割确定的各宏块进行全帧移动帧测处理,采用Y信号进行处理,在某个检测的宏块内,t帧与t-2帧的对应像素亮度差值为:
Difft(x,y)=|( Yt(x,y)– Yt-2(x,y)|
上式中 Difft(x,y)是坐标(x,y)处,在时间t帧和t-2帧时Y值差值的绝对值,如果Difft(x,y)大于一定的阈值thre_a,则将此坐标标记为1,根据前述帧差法原理中公式(2)可以得出如下关系:
如果 (Difft(x,y)>thre_a), 则pixel_flag=1;
统计该宏块内被标记(pixel_flag=1)的像素的个数,如果该宏块内被标记的像素个数大于一定的阈值,则认为该宏块出现了运动物体,关系如下所示:
如果 (sum >thre_b), 则block_flag=1;
(e)按照上述步骤(d),检测视频中其他宏块,最后统计这一帧中被标记的宏块的宏块数目,当满足预先设置的条件数目thre_c时,则判定该帧存在运动物体,
如果 (sum_of_block_flag>thre_c),则motion_flag=1;
(f)当所述矩形区域数量为2~10时,即需要分别对所述视频图像中一个或一个以上矩形区域做移动帧测时,只要统计该矩形区域内运动宏块的数量就可以判断该矩形区域是否满足移动报警条件,其方法与上述步骤(d)的全帧移动帧测一致。
2.根据权利要求1所述的红外图像中利用三帧差法进行移动侦测的方法,其特征在于:上述步骤(b)中所述的对采集的视频图像进行预处理,是指采用中值滤波法去除所述图像噪声干扰。
3.根据权利要求1所述的红外图像中利用三帧差法进行移动侦测的方法,其特征在于:上述步骤(c)所述的将所述每个矩形区域或者整个视频图像分割成宏块的数目是根据设置的矩形区域的大小来决定的,宏块数目=(矩形区域长×矩形区域宽)/(16×16)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163876.2A CN104778723A (zh) | 2015-04-09 | 2015-04-09 | 红外图像中利用三帧差法进行移动侦测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510163876.2A CN104778723A (zh) | 2015-04-09 | 2015-04-09 | 红外图像中利用三帧差法进行移动侦测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104778723A true CN104778723A (zh) | 2015-07-15 |
Family
ID=53620169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510163876.2A Withdrawn CN104778723A (zh) | 2015-04-09 | 2015-04-09 | 红外图像中利用三帧差法进行移动侦测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104778723A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262995A (zh) * | 2015-10-15 | 2016-01-20 | 西南科技大学 | 一种应用于取暖器的防火装置 |
CN106600953A (zh) * | 2017-02-10 | 2017-04-26 | 大连鼎视科技有限公司 | 出租车异常营运监测方法及系统 |
CN106657936A (zh) * | 2017-03-03 | 2017-05-10 | 苏州科技大学 | 基于视频监控危险区域语音警示方法及系统 |
CN109602585A (zh) * | 2018-11-30 | 2019-04-12 | 西安工程大学 | 一种导盲眼镜及其防撞预警方法 |
CN110321888A (zh) * | 2019-03-18 | 2019-10-11 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN113596449A (zh) * | 2019-06-05 | 2021-11-02 | 西安万像电子科技有限公司 | 图像处理方法及装置 |
-
2015
- 2015-04-09 CN CN201510163876.2A patent/CN104778723A/zh not_active Withdrawn
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262995A (zh) * | 2015-10-15 | 2016-01-20 | 西南科技大学 | 一种应用于取暖器的防火装置 |
CN106600953A (zh) * | 2017-02-10 | 2017-04-26 | 大连鼎视科技有限公司 | 出租车异常营运监测方法及系统 |
CN106657936A (zh) * | 2017-03-03 | 2017-05-10 | 苏州科技大学 | 基于视频监控危险区域语音警示方法及系统 |
CN109602585A (zh) * | 2018-11-30 | 2019-04-12 | 西安工程大学 | 一种导盲眼镜及其防撞预警方法 |
CN109602585B (zh) * | 2018-11-30 | 2022-02-22 | 西安工程大学 | 一种导盲眼镜及其防撞预警方法 |
CN110321888A (zh) * | 2019-03-18 | 2019-10-11 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN110321888B (zh) * | 2019-03-18 | 2021-11-19 | 华中科技大学 | 一种基于fpga的星载红外小目标检测方法 |
CN113596449A (zh) * | 2019-06-05 | 2021-11-02 | 西安万像电子科技有限公司 | 图像处理方法及装置 |
CN113596449B (zh) * | 2019-06-05 | 2023-11-03 | 西安万像电子科技有限公司 | 图像处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104778723A (zh) | 红外图像中利用三帧差法进行移动侦测的方法 | |
Kong et al. | Detecting abandoned objects with a moving camera | |
KR101822924B1 (ko) | 영상기반 화재 감지 시스템, 방법 및 프로그램 | |
US20100141806A1 (en) | Moving Object Noise Elimination Processing Device and Moving Object Noise Elimination Processing Program | |
CN108038415B (zh) | 一种基于机器视觉的无人机自动检测与跟踪方法 | |
US20150286868A1 (en) | Context-aware object detection in aerial photographs/videos using travel path metadata | |
CN106447680A (zh) | 动态背景环境下雷达与视觉融合的目标检测与跟踪方法 | |
CN101833859A (zh) | 基于虚拟线圈的自触发车牌识别方法 | |
JP2007234019A (ja) | 車両画像領域特定装置およびその方法 | |
KR101021994B1 (ko) | 물체 검출방법 | |
Diaz-Ruiz et al. | Ithaca365: Dataset and driving perception under repeated and challenging weather conditions | |
KR20150031766A (ko) | 영상 흔들림 보정을 이용한 영상 안정화 장치 및 방법 | |
CN103093198A (zh) | 一种人群密度监测方法及装置 | |
CN111860120A (zh) | 车载相机自动遮挡检测方法和装置 | |
CN111601011A (zh) | 一种基于视频流图像的自动告警方法及系统 | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
JP2019154027A (ja) | ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム | |
CN102254396B (zh) | 基于视频的入侵检测方法及装置 | |
CN102034230B (zh) | 增强图像可见性的方法 | |
CN111753587B (zh) | 一种倒地检测方法及装置 | |
Li et al. | Intelligent transportation video tracking technology based on computer and image processing technology | |
CN103400395A (zh) | 一种基于haar特征检测的光流跟踪方法 | |
CN109766846A (zh) | 一种基于视频的自适应多车道车流检测方法及系统 | |
US9875549B2 (en) | Change detection in video data | |
CN102768799A (zh) | 一种夜间车辆闯红灯检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C04 | Withdrawal of patent application after publication (patent law 2001) | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20150715 |