发明内容
本发明首先要解决的技术问题是提供一种自动切换场景模式的目标检测方法,能够应用于复杂场景下的目标检测,能有效地适应各种天气的变化。
本发明解决上述技术问题所采用的技术方案是:
一种自动切换场景模式的目标检测方法,包括以下步骤:
步骤1:根据当前帧的湿度和平均亮度判断目标检测的背景模型;
步骤2:将当前帧与背景模型求差,得到运动目标;
步骤3:根据运动目标更新背景模型。
在采用上述技术方案的同时,本发明还可以采用或者组合采用以下进一步的技术方案:
所述步骤1的判断方法是:使用湿度传感器获取当前湿度Ht、将当前帧转换到HSV空间,提取V空间分量,计算当前帧的平均亮度Vt,如果连续t1帧Ht>Hhigh,Vt>Vhigh,并且当前未用白天下雨的背景模型进行目标检测,则初始化白天下雨的背景模型进行目标检测;如果连续t1帧Ht<Hlow,Vt>Vhigh,并且当前未用白天非下雨的背景模型进行目标检测,则初始化白天非下雨的背景模型进行目标检测;如果连续t1帧Ht>Hhigh,Vt<Vlow,并且当前未用夜晚下雨的背景模型进行目标检测,则初始化夜晚下雨的背景模型进行目标检测;如果连续t1帧Ht<Hlow,Vt<Vlow,并且当前未用夜晚非下雨的背景模型进行目标检测,则初始化夜晚非下雨的背景模型进行目标检测。
所述白天下雨的背景模型和所述白天非下雨的背景模型相同,其建模过程是:
(1)采集前N帧初始图像,转换为灰度图像,假设在该序列中位于(x,y)的序列采样值为:Y={y1(x,y),y2(x,y),...,yN(x,y)};
(2)为每个像素初始化三个高斯队列和对应的参数:均值和方差(μi,δi),其中i为1,2,3;将队列长度置为空,均值和方差置为0;
(3)使用上述N帧初始图像转换成的N个序列采样值计算直方图,找到峰值最高点,并将灰度值(-10,10)范围内的采样值加入到第一个队列中,计算得到均值和方差;然后在剩下的直方图中用同样的方法找到相应的采样值加入到剩下的队列,计算均值和方差;待三个队列和对应的参数都完成或者峰值小于等于3时,转到步骤(4);
(4)将上述三个队列置空,分别计算这N个序列采样值属于三个队列的概率ki,其中i=1,2,3,并放入概率最大的队列,N个采样值的归属完成后,分别计算三个队列对应的均值和方差;当迭代次数等于100次或均值和方差不再变化时,建模完成。
所述步骤2中基于白天下雨的背景模型和白天非下雨的背景模型的运动目标检测包括以下步骤:
(1)将当前帧图像转换为灰度图像,将像素灰度值分别减去三个队列对应的均值,如果相应差值在3倍方差以内,则为背景,否则为前景;
(2)提取八连通区域,将面积小于一定阈值的连通区域去除,得到最终的运动目标。
所述步骤3中白天下雨的背景模型和白天非下雨的背景模型的更新过程为:
如果当前像素被判断为背景,计算其属于三个队列的概率,更新概率最大的队列对应的参数,更新公式如下:
μt=(1-ρ)*μt-1+ρ*yt
δt 2=(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中,ρ为更新率,白天下雨的模型更新率较高,白天非下雨的模型更新率较低。
所述夜晚非下雨的背景模型使用单高斯背景模型。
所述步骤2中基于夜晚非下雨的单高斯背景模型的运动目标检测:
(1)将当前帧图像转换为灰度图像,将像素灰度值减去均值,如果差值在3倍方差以内,则为背景,否则为前景;
(2)提取八连通区域,将面积小于一定阈值的连通区域去除,得到最终的运动目标;
所述步骤3中夜晚非下雨模型的更新过程为:如果当前像素被判断为背景,计算其属于三个队列的概率,更新概率最大的队列对应的参数,更新公式如下:
μt=(1-ρ)*μt-1+ρ*yt
δt 2=(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中,ρ为更新率,白天下雨的模型更新率较高,白天非下雨的模型更新率较低。
夜晚下雨的背景模型使用帧间差分法进行运动目标检测,即使用前一帧图像作为背景。
所述步骤2中基于夜晚下雨模型的运动目标检测:
(1)将当前帧转换为灰度图像,与上一帧图像做差,如果差值小于一定阈值,则为背景,否则为前景;
(2)提取八连通区域,将面积小于一定阈值的连通区域去除,得到最终的运动目标;
所述步骤3中,夜晚下雨模型的更新过程为:将当前帧完全更新为背景。
本发明所要解决的另一个技术问题是提供一种自动切换场景模式的目标检测装置,能运用上述方法进行目标检测。
本发明解决上述技术问题所采用的技术方案是:一种自动切换场景模式的目标检测装置,包括用于采集当前环境中的湿度信息的湿度传感器单元、用于采集监控图像的图像采集单元、用于背景模型之间的切换和背景建模的背景建模单元、用于获取当前帧运动目标的运动目标检测单元以及用于控制不同背景模型的更新的背景模型更新单元;所述湿度传感器单元设置在待测场景中,所述湿度传感器单元和所述图像采集单元连接至所述背景建模单元并向其发送所采集的信息,所述背景建模单元连接至所述运动目标检测单元,所述运动目标检测单元连接至所述背景模型更新单元。
本发明的有益效果是:本发明提出的一种自动切换场景模式的目标检测方法和装置是一个一体化的解决方案,具体有如下创新:
1、将户外场景分为白天非下雨、白天下雨、夜晚非下雨和夜晚下雨四类,分别建立不同的背景模型,当满足模型切换条件时,自动切换模型并自动初始化,从而较好的解决了一种模型无法适应复杂的背景环境的问题。
2、湿度传感器采集实时的环境湿度信息和图像采集单元采集的环境实时亮度用来综合判断是否满足模型切换条件,从而实现场景模式的自动切换,无需人为干预。
实施例1,一种自动切换场景模式的目标检测方法,参照附图1。
本发明的一种自动切换场景模式的目标检测方法,包括以下步骤:
步骤1:根据当前帧的湿度和平均亮度判断目标检测的背景模型;具体的判断方法是:使用湿度传感器获取当前湿度Ht、将当前帧转换到HSV空间,提取V空间分量,计算当前帧的平均亮度Vt,如果连续t1帧Ht>Hhigh,Vt>Vhigh,并且当前未用白天下雨的背景模型进行目标检测,则初始化白天下雨的背景模型进行目标检测;如果连续t1帧Ht<Hlow,Vt>Vhigh,并且当前未用白天非下雨的背景模型进行目标检测,则初始化白天非下雨的背景模型进行目标检测;如果连续t1帧Ht>Hhigh,Vt<Vlow,并且当前未用夜晚下雨的背景模型进行目标检测,则初始化夜晚下雨的背景模型进行目标检测;如果连续t1帧Ht<Hlow,Vt<Vlow,并且当前未用夜晚非下雨的背景模型进行目标检测,则初始化夜晚非下雨的背景模型进行目标检测。
白天下雨的背景模型和白天非下雨的背景模型均采用相同的背景模型,不同之处在于雨天环境变化较快,因此设置较快的背景更新率,以使模型更快的适应场景的变化,建模过程如下:
1、采集前2500帧初始图像,转换为灰度图像,假设在该图像序列中位于任一点(x,y)的序列采样值为:Y={y1(x,y),y2(x,y),...,y2500(x,y)};
2、为每个像素初始化三个队列和模型参数:均值和方差(μi,δi),其中i为1,2,3,…,2500;将队列长度置为空,均值和方差置为0;
3、对于图像中的每一个像素点,使用这2500个序列采样值计算直方图,找到峰值最高点,并将灰度值(-10,10)范围内的采样值加入到队列中,计算得到均值和方差;然后在剩下的直方图中用同样的方法找到相应的采样值加入队列,计算均值和方差;待三个队列和对应的参数(均值和方差)都完成或者峰值小于等于3时,转到步骤(4);
4、将上述三个队列置空,分别计算这2500个序列采样值属于三个队列的概率k(x,y),并放入概率最大的队列,2500个采样值的归属完成后,分别计算三个队列对应的均值和方差;当迭代次数等于100次或均值和方差不再变化时,建模完成。
其中,i=1,2,3。
步骤2:将当前帧与背景模型求差,得到运动目标;
具体来说,基于白天下雨的背景模型和白天非下雨的背景模型的运动目标检测:
1、将当前帧图像转换为灰度图像,将像素灰度值分别减去三个队列对应的均值,如果相应差值在3倍方差以内,则为背景,否则为前景;
2、提取八连通区域,将面积小于50的连通区域去除,得到最终的运动目标。
基于夜晚非下雨的单高斯背景模型的运动目标检测:
1、将当前帧图像转换为灰度图像,将像素灰度值减去均值,如果差值在3倍方差以内,则为背景,否则为前景;
2、提取八连通区域,将面积小于50的连通区域去除,得到最终的运动目标。
基于夜晚下雨模型的运动目标检测:
1、将当前帧转换为灰度图像,与上一帧图像做差,如果差值小于30,则为背景,否则为前景;
2、提取八连通区域,将面积小于50的连通区域去除,得到最终的运动目标。
步骤3:根据运动目标更新背景模型,具体来说,
白天下雨的背景模型和白天非下雨的背景模型的更新过程为:
如果当前像素被判断为背景,计算其属于三个队列的概率,更新概率最大的队列对应的参数,更新公式如下:
μt=(1-ρ)*μt-1+ρ*yt
δt 2=(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中,ρ为更新率,白天下雨的模型更新率较高,取0.01,白天非下雨的模型更新率较低,取0.001。
夜晚非下雨模型的更新过程为:
如果当前像素被判断为背景,使用上述公式更新。
夜晚下雨模型的更新过程为:
将当前帧完全更新为背景。