CN104778725A - 一种背景自适应更新的地下车库及隧道运动目标检测方法 - Google Patents

Abstract

本发明公开了一种背景自适应更新的地下车库及隧道运动目标检测方法，包括以下步骤：步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域等步骤，本发明利用图像处理算法得到当前图像帧内的运动目标和背景区域，利用当前背景区域对系统背景图像进行自适应更新，对运动目标区域进行几何特征提取，利用提取的几何特征识别场景内有无运动目标，并进一步识别运动目标是车辆还是行人，最终可以根据不同检测结果来控制地下车库及隧道照明系统的开启时间长度，得到很好的节能效果，自适应性强，运行速度快，可以满足实时检测的需求，具有广阔的市场前景。

Description

一种背景自适应更新的地下车库及隧道运动目标检测方法

【技术领域】

本发明涉及图像处理的技术领域，特别是一种背景自适应更新的地下车库及隧道运动目标检测方法的技术领域。

【背景技术】

目前地下车库及隧道的照明系统不管白天或晚上、不管车辆或人员有无进出都一直处于长亮状态，因此能源浪费十分严重。例如商业、写字楼及医疗建筑地下车库车辆的流动频率较高，平均2小时左右流动换位一次，但是非营业时间几乎没有车辆流动，照明灯具却依旧处于常亮状态；交通建筑如机场、火车站等车库午夜期间也很少有车辆流动；办公、写字楼和居住小区等车辆的流动频率较低，早晚上下班是高峰期，其余时间几乎很少有车辆和人员流动，照明灯仍保持长明状态，照明用电浪费情况极为严重。因此研究出一种适用于地下车库的运动目标检测和识别方法，自动检测车库中有无车辆或行人的运动，根据不同的检测结果来控制照明系统的开启时间长度，可以极大的节省照明系统的能源消耗。

【发明内容】

本发明的目的就是为了克服地下车库及隧道照明系统能源严重浪费的缺陷的问题，提出一种背景自适应更新的地下车库及隧道运动目标检测方法，能够对背景进行自适应更新，从而快速对地下车库及隧道的运动目标进行检测和识别，根据不同的检测结果来控制照明系统的开启时间长度，可以极大的节省照明系统的能源消耗。

为实现上述目的，本发明提出了一种背景自适应更新的地下车库及隧道运动目标检测方法，包括以下步骤：

步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；

步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域，具体计算公式如下；

d(x,y)＝|f(x,y)-g(x,y)|

其中f(x,y)表示采集到的当前红外图像帧，g(x,y)表示当前的系统背景图像，按如下公式对差分图像d(x,y)进行高斯滤波；

D(x,y)＝H*d(x,y)

其中H表示一个5×5的高斯核函数，*表示卷积；接着按如下公式对D(x,y)进行阈值二值化处理；

$R(x,y)=\left\{\begin{array}{cc}0,& D(x,y)<T\\ 1,& D(x,y)\&GreaterEqual;T\end{array}\right.$

其中，参数T为二值化阈值；

步骤(3)：利用当前图像帧的背景区域对系统背景图像进行更新，具体计算公式如下；

$g(x,y)=\left\{\begin{array}{ccc}(1-\mathrm{\&alpha;})\&times;g(x,y)+\mathrm{\&alpha;}\&times;f(x,y),& \mathrm{if}& R(x,y)=0\\ g(x,y),& \mathrm{if}& R(x,y)=1\end{array}\right.$

其中，参数α用来控制背景更新强度；

步骤(4)：提取运动目标区域的几何特征；

4-1：计算运动目标区域的面积特征S；

$S=\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)$

其中，参数M,N分别表示图像的行数和列数；

4-2：计算运动目标区域的质心特征(i,j)；

$i=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;x}{S}$

$j=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;y}{S}$

4-3：计算运动目标区域在水平方向的跨度特征L；

将y从j开始递减到1，若出现R(i,y)等于0,则标记此时的y为目标区域的左边界y₀；将y从j开始递增到N，若出现R(i,y)等于0,则标记此时的y为目标区域的右边界y₁；

按如下公式计算水平方向的跨度特征L；

L＝y₁-y₀

4-4：计算运动目标区域在垂直方向的跨度特征V；

将x从i开始递减到1，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₀；将y从i开始递增到M，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₁；

按如下公式计算垂直方向的跨度特征V；

V＝x₁-x₀

步骤(5)：根据几何特征对运动目标进行检测识别；

5-1：如果面积特征S小于阈值η，则判定当前帧中不存在运动目标；

5-2：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}>\mathrm{\&beta;}$

则判定当前帧中存在运动车辆目标，其中参数β为判断阈值；

5-3：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}\&le;\mathrm{\&beta;}$

则判定当前帧中存在运动行人目标。

本发明的有益效果：本发明通过采用图像处理的一些简单操作，算法复杂度低，可以满足系统实时性的要求，通过自适应背景更新算法可以高效的检测运动目标区域，最终根据不同的检测结果来控制照明系统的开启时间长度，可以大大节约能源消耗，具有广阔的市场前景。

【具体实施方式】

本发明一种背景自适应更新的地下车库及隧道运动目标检测方法，包括以下步骤：

步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；

步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域，具体计算公式如下；

d(x,y)＝|f(x,y)-g(x,y)|

其中f(x,y)表示采集到的当前红外图像帧，g(x,y)表示当前的系统背景图像，按如下公式对差分图像d(x,y)进行高斯滤波；

D(x,y)＝H*d(x,y)

其中H表示一个5×5的高斯核函数，*表示卷积；接着按如下公式对D(x,y)进行阈值二值化处理；

$R(x,y)=\left\{\begin{array}{cc}0,& D(x,y)<T\\ 1,& D(x,y)\&GreaterEqual;T\end{array}\right.$

其中，二值化阈值T选为20；

步骤(3)：利用当前图像帧的背景区域对系统背景图像进行更新，具体计算公式如下；

$g(x,y)=\left\{\begin{array}{ccc}(1-\mathrm{\&alpha;})\&times;g(x,y)+\mathrm{\&alpha;}\&times;f(x,y),& \mathrm{if}& R(x,y)=0\\ g(x,y),& \mathrm{if}& R(x,y)=1\end{array}\right.$

其中，背景更新强度α选为0.6；

步骤(4)：提取运动目标区域的几何特征；

4-1：计算运动目标区域的面积特征S；

$S=\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)$

其中，参数M,N分别表示红外图像的行数和列数，实施过程中，采集的红外图像行数和列数分别为：M＝288,N＝360；

4-2：计算运动目标区域的质心特征(i,j)；

$i=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;x}{S}$

$j=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;y}{S}$

4-3：计算运动目标区域在水平方向的跨度特征L；

将y从j开始递减到1，若出现R(i,y)等于0,则标记此时的y为目标区域的左边界y₀；将y从j开始递增到N，若出现R(i,y)等于0,则标记此时的y为目标区域的右边界y₁；

按如下公式计算水平方向的跨度特征L；

L＝y₁-y₀

4-4：计算运动目标区域在垂直方向的跨度特征V；

将x从i开始递减到1，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₀；将y从i开始递增到M，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₁；

按如下公式计算垂直方向的跨度特征V；

V＝x₁-x₀

步骤(5)：根据几何特征对运动目标进行检测识别；

5-1：如果面积特征S小于2000，则判定当前帧中不存在运动目标；

5-2：如果面积特征S大于2000，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}>\mathrm{\&beta;}$

则判定当前帧中存在车辆目标，其中阈值β选为1.0；

5-3：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}\&le;\mathrm{\&beta;}$

则判定当前帧中存在行人目标。

本发明一种背景自适应更新的地下车库及隧道运动目标检测方法，通过采用图像处理的一些简单操作，算法复杂度低，可以满足系统实时性的要求，通过自适应背景更新算法可以高效的检测运动目标区域，最终根据不同的检测结果来控制照明系统的开启时间长度，可以大大节约能源消耗，具有广阔的市场前景。

上述实施例是对本发明的说明，不是对本发明的限定，任何对本发明简单变换后的方案均属于本发明的保护范围。

Claims (1)

1.一种背景自适应更新的地下车库及隧道运动目标检测方法，其特征在于：包括以下步骤：

步骤(1)：采集场景红外图像作为初始系统背景图像，记为g(x,y)；

步骤(2)：利用背景差分法得到当前图像帧的运动目标区域和背景区域，具体计算公式如下；

d(x,y)＝|f(x,y)-g(x,y)|

其中f(x,y)表示采集到的当前红外图像帧，g(x,y)表示当前的系统背景图像，按如下公式对差分图像d(x,y)进行高斯滤波；

D(x,y)＝H*d(x,y)

其中H表示一个5×5的高斯核函数，*表示卷积；接着按如下公式对D(x,y)进行阈值二值化处理；

$R(x,y)=\left\{\begin{array}{cc}0,& D(x,y)<T\\ 1,& D(x,y)\&GreaterEqual;T\end{array}\right.$

其中，参数T为二值化阈值；

步骤(3)：利用当前图像帧的背景区域对系统背景图像进行更新，具体计算公式如下；

$g(x,y)=\left\{\begin{array}{cc}(1-\mathrm{\&alpha;})\&times;g(x,y)+\mathrm{\&alpha;}\&times;f(x,y),& \mathrm{ifR}(x,y)=0\\ g(x,y),& \mathrm{ifR}(x,y)=1\end{array}\right.$

其中，参数α用来控制背景更新强度；

步骤(4)：提取运动目标区域的几何特征；

4-1：计算运动目标区域的面积特征S；

$S=\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)$

其中，参数M,N分别表示图像的行数和列数；

4-2：计算运动目标区域的质心特征(i,j)；

$i=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;x}{S}$

$j=\frac{\underset{x=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{y=1}{\overset{N}{\mathrm{\&Sigma;}}}R(x,y)\&CenterDot;y}{S}$

4-3：计算运动目标区域在水平方向的跨度特征L；

将y从j开始递减到1，若出现R(i,y)等于0,则标记此时的y为目标区域的左边界y₀；将y从j开始递增到N，若出现R(i,y)等于0,则标记此时的y为目标区域的右边界y₁；

按如下公式计算水平方向的跨度特征L；

L＝y₁-y₀

4-4：计算运动目标区域在垂直方向的跨度特征V；

将x从i开始递减到1，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₀；将y从i开始递增到M，若出现R(x,j)等于0,则标记此时的x为目标区域的上边界x₁；

按如下公式计算垂直方向的跨度特征V；

V＝x₁-x₀

步骤(5)：根据几何特征对运动目标进行检测识别；

5-1：如果面积特征S小于阈值η，则判定当前帧中不存在运动目标；

5-2：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}>\mathrm{\&beta;}$

则判定当前帧中存在运动车辆目标，其中参数β为判断阈值；

5-3：如果面积特征S大于阈值η，而且水平和垂直跨度特征满足如下公式：

$\frac{L}{V}\&le;\mathrm{\&beta;}$

则判定当前帧中存在运动行人目标。