CN106780541B - 一种改进的背景减除方法 - Google Patents
一种改进的背景减除方法 Download PDFInfo
- Publication number
- CN106780541B CN106780541B CN201611231219.8A CN201611231219A CN106780541B CN 106780541 B CN106780541 B CN 106780541B CN 201611231219 A CN201611231219 A CN 201611231219A CN 106780541 B CN106780541 B CN 106780541B
- Authority
- CN
- China
- Prior art keywords
- pixel
- prospect
- geographic areas
- map
- image
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种改进的背景减除算法,包括以下步骤:在图像和二维地图上选取4对同名控制点计算得到图像到地图的单应矩阵H;将像素的四个角点坐标转换为地理坐标,计算像素的地理面积;将视频彩色图像转为8位灰度图得到前景二值图;提取前景二值图中的轮廓;计算前景区域的地理面积;设置地理面积阈值,去除不符合地理面积阈值的前景。本发明能够直接利用前景的地理面积过滤噪声,从而克服透视现象带来的影响,避免前景与噪声在图像尺寸上相似的情况,有效去除噪声信息,进而提高背景减除算法效率。
Description
技术领域
本发明涉及地理信息系统、地理学、计算机视觉以及摄像测量学等领域,具体涉及一种改进的背景减除方法。
背景技术
背景减除是将视频序列图像中有意义的运动目标与不需要的背景信息区分开的一种检测方法,是各类视频分析算法、视频压缩算法的基础。在智能视频监控领域中,通过运动目标检测可以将行人、车辆与背景区分开,降低目标(行人/车辆)检测与跟踪的计算量。
背景减除算法面临的挑战是在将背景和前景分离时,提取的真实前景的同时会包含部分背景与噪声信息。噪声产生的主要原因是通过背景建模无法将所有的前景与背景像素区分开提取的运动前景包含了运动目标的同时也包含了其他信息,如背景像素被误判断为前景像素,视频中局部光照变化,非运动目标的遮挡等。为了提高检测的精度,传统的思路是通过提高背景减除的精度,通过精确、复杂的背景建模,以牺牲速度与内存来提高前景的准确性,从而提高运动目标检测的精度。这类改进方法包括包括混合高斯背景建模、多图层背景建模、vibe背景建模。另一种思路是在提取得到前景之后通过后处理方式对前景进行筛选过滤,去除噪声信息。
传统的算法是腐蚀、膨胀去除较小的噪声点,然后计算前景联通区域的像素面积,采用像素大小阈值保留符合要求的前景区域。DH Parks(Parks D H,Fels S S.Evaluationof Background Subtraction Algorithms with Post-Processing[C].IEEEInternational Conference on Advanced Video and Signal Based Surveillance,Avss2008,Santa Fe,New Mexico,Usa,1-3September.2008:192-199.)在论文中证明了通过后处理方法能够显著提高背景减除算法的精度。
然而,由于透视现象的存在,距离相机近的对象所占像素面积较大,距离相机远的对象所占像素面积则较小。这就导致图像中近处的非前景对象(树叶、流水)的像素面积往往会大于稍远处运动前景对象,尤其在大范围室外监控中,这一现象非常明显。
发明内容
发明目的:本发明的目的在于解决现有技术中存在的不足,提供一种改进的背景减除方法。
技术方案:本发明一种改进的背景减除方法,依次包括以下步骤:
(1)在视频图像和二维地图上选取4对同名控制点,然后计算得到图像到地图的单应矩阵H,具体过程为:
若视频图像平面中的p点转换到二维地图平面中的p′点,则有如下定义:
图像平面与地图平面之间的单应性关系可以简洁的表示为:
p′=Hp
H为单应矩阵,可表示为3×3的二维矩阵:
则
(2)计算图像内每个像素点的地理面积:
设某个像素p的坐标为(x,y),则该像素的四个角点坐标分别为(x-0.5,y-0.5)、(x+0.5,y-0.5)、(x-0.5,y+0.5)和(x+0.5,y+0.5),根据单应矩阵H转换为地理坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4):
计算地理坐标下的四边形面积,即可得到坐标为(x,y)像素的地理面积geoPixel(x,y):
(3)将视频彩色图像转为8位灰度图像,视频中后一帧图像的像素灰度值减去前一帧的像素灰度值,计算结果绝对值小于等于5的保存为0,结果绝对值大于5的像素保存为255,得到前景二值图;
(4)直接使用现有SNAKE算法提取前景二值图中的轮廓;
(5)前景轮廓内像素坐标为:
objectPixels={(x1,y1),(x2,y2),…,(xn,yn)}
每个像素的地理面积为geoPixel(x,y),前景的地理面积为:
其中,i∈(1,2….n);
(6)根据实际情况设定最大面积阈值Tmax,和最小面积阈值Tmin,保留符合阈值范围的运动目标:
Tmin≤objectArea≤Tmax。例如当检测的前景为行人时,通常行人的身高为1至2米,肩宽为0.3至1米,考虑到行人的姿态,设置地理面积的最大阈值Tmax是2平方米,最小阈值Tmin是0.3平方米。
有益效果:现有的背景减除方法仅利用图像尺度去除噪声信息,当前景和噪声尺寸相似时无法有效去除噪声;而本发明不但能够利用像素的地理面积进行前景提取,从而透视现象带来的影响,而且还可以根据真实大小有效去除噪声,进而提高背景减除方法的精度。
附图说明
图1为本发明的流程图;
图2是本发明中计算单应矩阵示意图;
图3是本发明更精确前景提取示意图。
具体实施方式
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
实施例1:
如图1所示,本实施例中背景减除方法包括以下基本步骤:
(1)如图2所示,计算视频图像与地图之间的4组对应点,包括4个图像点的X坐标和Y坐标,以及4个地图点的X坐标、Y坐标
选取的对应点集为:
P1={(227,158,1)、(438,158,2)、(588,386,3)、(106,388,4)};
P2={(13237036.567687,3778659.262119,1)、(13237035.970523,3778680.16286,2)、(13237079.563515,3778680.162869,3)、(13237080.459262,3778658.963537,4)};
其中,P1为图像点,P2位地图点,括号中数字分布代表每个点的X坐标、Y坐标,编号相同的点位对应点,计算图像到地图的单应矩阵H;
H={(-196037541888,9806238711808,132362469900288)、(-55944654848,2799295791104,37781267021824)、(-0.001481,0.074081,1)},本实施例中,H是3*3的矩阵,括号中表示矩阵的一行内的数字。
(2)计算图像内每个像素点的地理面积,如:坐标为(x,y)的像素,四个角点坐标分别为(x-0.5,y-0.5)、(x+0.5,y-0.5)、(x-0.5,y+0.5)、(x+0.5,y+0.5),将其转换为地理坐标(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4),计算地理坐标下的四边形面积得到像素的地理面积geoPixel(x,y)。
(3)将视频彩色图像转为8位灰度图像,视频中后一帧图像的像素灰度值减去前一帧的像素灰度值,计算结果绝对值小于5的保存为0,结果绝对值大于5的像素保存为255,得到前景二值图。
(4)使用SNAKE算法提取前景二值图中的轮廓。
(5)前景轮廓内像素坐标为:
objectPixels={(x1,y1),(x2,y2),…,(xn,yn)}
每个像素的地理面积为geoPixel(x,y),前景的地理面积为:
(6)此处检测的运动目标为行人,通常行人的身高为1至2米,肩宽为0.3至1米,考虑到行人的姿态,设置Tmax为2平方米,Tmin为0.3平方米。
0.3≤objectArea≤2
过滤噪声信息得到更精确的前景,如图3所示。
Claims (1)
1.一种改进的背景减除方法,其特征在于:依次包括以下步骤:
(1)在视频图像和二维地图上选取4对同名控制点,然后计算得到图像到地图的单应矩阵H,具体过程为:
若视频图像平面中的p点转换到二维地图平面中的p′点,则有如下定义:
图像平面与地图平面之间的单应性关系表示为:
p′=Hp
H为单应矩阵表示为3×3的二维矩阵:
则
(2)计算图像内每个像素点的地理面积:
设某个像素p的坐标为(x,y),则该像素的四个角点坐标分别为(x-0.5,y-0.5)、(x+0.5,y-0.5)、(x-0.5,y+0.5)和(x+0.5,y+0.5),根据单应矩阵H转换为地理坐标分别为(xlt,ylt)、(xrt,yrt)、(xlb,ylb)和(xrb,yrb):
计算地理坐标下的四边形面积,即可得到坐标为(x,y)像素的地理面积geoPixel(x,y):
(3)将视频彩色图像转为8位灰度图像,视频中后一帧图像的像素灰度值减去前一帧的像素灰度值,计算结果绝对值小于等于5的保存为0,结果绝对值大于5的像素保存为255,得到前景二值图;
(4)直接使用现有SNAKE算法提取前景二值图中的轮廓;
(5)前景轮廓内像素坐标为:
objectPixels={(x1,y1),(x2,y2),…,(xn,yn)}
每个像素的地理面积为geoPixel(x,y),前景的地理面积为:
其中,i∈(1,2….n);(6)根据实际情况设定最大面积阈值Tmax,和最小面积阈值Tmin,保留符合阈值范围的运动目标:
Tmin≤objectArea≤Tmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611231219.8A CN106780541B (zh) | 2016-12-28 | 2016-12-28 | 一种改进的背景减除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611231219.8A CN106780541B (zh) | 2016-12-28 | 2016-12-28 | 一种改进的背景减除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780541A CN106780541A (zh) | 2017-05-31 |
CN106780541B true CN106780541B (zh) | 2019-06-14 |
Family
ID=58920970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611231219.8A Active CN106780541B (zh) | 2016-12-28 | 2016-12-28 | 一种改进的背景减除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780541B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110096540B (zh) * | 2019-04-16 | 2022-02-18 | 湖北地信科技集团股份有限公司 | 测绘数据转换方法、设备、存储介质及装置 |
CN110245199B (zh) * | 2019-04-28 | 2021-10-08 | 浙江省自然资源监测中心 | 一种大倾角视频与2d地图的融合方法 |
CN113297950B (zh) * | 2021-05-20 | 2023-02-17 | 首都师范大学 | 动态目标检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
CN104751165A (zh) * | 2013-12-30 | 2015-07-01 | 富士通株式会社 | 背透检测方法和背透检测设备 |
-
2016
- 2016-12-28 CN CN201611231219.8A patent/CN106780541B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325112A (zh) * | 2013-06-07 | 2013-09-25 | 中国民航大学 | 动态场景中运动目标快速检测方法 |
CN104751165A (zh) * | 2013-12-30 | 2015-07-01 | 富士通株式会社 | 背透检测方法和背透检测设备 |
Non-Patent Citations (4)
Title |
---|
"一种基于Surendra背景更新的背景减除运动目标检测方法";张顺淼 等;《南京工程学院学报(自然科学版)》;20110630;第9卷(第2期);22-26 |
"基于背景减除的运动目标检测算法研究";陈燕萍;《中国优秀硕士学位论文全文数据库-信息科技辑》;20090815;第2009年卷(第8期);I138-992 |
"基于视频流的运动人体检测方法研究";连晓峰 等;《北京工商大学学报(自然科学版)》;20091130;第27卷(第6期);40-44 |
"基于计算机视觉的车辆外廓尺寸测量系统研究与应用";袁涵;《中国优秀硕士学位论文全文数据库-信息科技辑》;20140815;第2014年卷(第8期);I138-1464 |
Also Published As
Publication number | Publication date |
---|---|
CN106780541A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107463918B (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
Prasad et al. | Challenges in video based object detection in maritime scenario using computer vision | |
KR101856401B1 (ko) | 차선 데이터의 처리 방법, 장치, 저장매체 및 기기 | |
Song et al. | Dynamic calibration of pan–tilt–zoom cameras for traffic monitoring | |
CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
Mu et al. | Traffic light detection and recognition for autonomous vehicles | |
CN107767400B (zh) | 基于层次化显著性分析的遥感图像序列动目标检测方法 | |
Peng et al. | Drone-based vacant parking space detection | |
CN103886107B (zh) | 基于天花板图像信息的机器人定位与地图构建系统 | |
CN109767454B (zh) | 基于时-空-频显著性的无人机航拍视频运动目标检测方法 | |
CN106780560B (zh) | 一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法 | |
CN105718872A (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及系统 | |
CN109712247B (zh) | 基于混合现实技术的实景训练系统 | |
CN107886051A (zh) | 基于图像的船舶身份识别方法 | |
CN106780541B (zh) | 一种改进的背景减除方法 | |
CN105046649A (zh) | 一种去除运动视频中运动物体的全景图拼接方法 | |
CN109544635B (zh) | 一种基于枚举试探的相机自动标定方法 | |
CN106530313A (zh) | 一种基于区域分割的海天线实时检测方法 | |
CN109919026A (zh) | 一种水面无人艇局部路径规划方法 | |
CN108416798A (zh) | 一种基于光流的车辆距离估计方法 | |
CN109284663A (zh) | 一种基于正态和均匀混合分布模型的海面障碍物检测方法 | |
CN108846363A (zh) | 一种基于发散式扫描的分区域车底阴影检测方法 | |
CN110473255A (zh) | 一种基于多重网格划分的船舶系船柱定位方法 | |
CN104240268B (zh) | 一种基于流形学习与稀疏表示的行人跟踪方法 | |
CN111339824A (zh) | 基于机器视觉的路面抛洒物检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |