CN106846360A - 一种防止暂停目标错误融入背景的方法 - Google Patents
一种防止暂停目标错误融入背景的方法 Download PDFInfo
- Publication number
- CN106846360A CN106846360A CN201710062851.2A CN201710062851A CN106846360A CN 106846360 A CN106846360 A CN 106846360A CN 201710062851 A CN201710062851 A CN 201710062851A CN 106846360 A CN106846360 A CN 106846360A
- Authority
- CN
- China
- Prior art keywords
- target
- background
- time
- video frame
- current video
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000012805 post-processing Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 7
- 230000008033 biological extinction Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 239000013256 coordination polymer Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000004438 eyesight Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
Landscapes
- Image Analysis (AREA)
Abstract
一种防止暂停目标错误融入背景的方法，它包括视频输入、背景建模、前景检测与待定目标形成、目标跟踪等步骤，采用上述步骤，它解决了静止的目标容易成为背景，使得暂时停止不动的有效目标被错误融入背景模型中的技术问题。
Description
技术领域
本发明属于图像处理领域，具体为一种防止暂停目标错误融入背景的方法，该方法允许一个有效的真实目标在任意位置暂停一段时间，只有当目标停止时间够长时才会被认为已经成为背景了。
背景技术
人类感知自身周围复杂环境最直接有效的手段之一是视觉。前景目标检测与跟踪技术由于融合了自动控制、图像处理、以及模式识别等领域的相关知识，并伴随着计算机技术的飞速发展，已成为计算机视觉诸多研究领域中的热点问题且受到高度重视。前景目标检测与跟踪技术应用于智能交通系统和车联网中，可以有效预警和检测交通事故或故障突发等情况，从而很大程度上判断或避免交通事故的发生；此外，该技术在图像导航制导、城市安全、地形匹配、战场侦察测绘等方面和领域都得到了广泛应用。
运动目标检测与跟踪的第一步主要任务是从视频图像中提取出运动目标并获得运动目标的如位置、形状、轮廓和颜色等特征信息，即进行运动目标检测，它为后续运动目标跟踪建立初始化目标模板模型。能否正确检测出运动目标对后续的运动目标跟踪产生很大的影响。运动目标检测依据前景目标所处的背景环境，可以划分为两类一一静态背景下运动目标检测和动态背景下运动目标检测。而静态背景作为最常见的场景因而受到了重点关注。图1展示了运动目标检测流程。
背景差分法是一种最为常用的运动目标检测算法，是将当前帧与背景参考模型相减，以此检测出运动目标。该方法的性能依赖于所使用的背景建模，其核心是背景建模，所建背景模型要尽可能地反映背景场景的现实，因此对背景更新机制要求非常高。一般情况下，背景差分法获得的运动目标比较完整。构建背景图像的方法有很多，常见的主要有:中值法背景建模、均值法背景建模、卡尔曼滤波器模型、单高斯分布模型、多高斯分布模型等。背景建模方法各异，但是运用背景差分法来进行前景检测的一般流程相同，主要包括以下几个步骤:图像预处理、背景建模、前景检测以及图像后处理等。如图2所示。
背景差分算法中背景帧不是直接取视频中的原始帧，而是通过算法更新得到的。一般情况下，背景差分法包括背景建模、背景更新、背景消除及后处理等几个步骤。对背景模型进行初始化的过程称为背景建模，它主要决定了背景消除法在后面的处理中的响应速度、动态范围等条件。背景更新的过程是用每帧视频图像对背景模型中的参数进行修正的过程，它反应了环境的变化，即背景中是否存在运动。背景差分法成功的关键并不在于用当前视频帧与背景模型进行比较的过程，而在于背景模型的构建、维持与更新。将当前帧与修正好的背景模型进行比较，提取出运动目标的过程称为背景消除。后处理的过程是对提取出的运动目标进行精确的校正，这个步骤根据视频应用后续处理模块的要求处理。
图3为背景差分法检测的效果图，图中包括输入的视频序列窗口video,累积的背景图像窗口background、前景视图窗口foreground。从图3可以看出，背景差分法可以较好的在视频序列图像中检测出运动目标，且检测的结果比较完整。图3(a)、(b)相比较，背景在不断更新。(a)、(c)、(d)三种情况比较可知，当运动目标静止时检测时被认为是运动背景的一部分。图3(a)检测中，选用视频或者摄像机的第一帧作为背景，再将后面的帧与背景做差分；虽然后续检测会进行背景的更新，但是如果第一帧中存在运动目标，那么该运动目标将会成为背景，而后续帧中原位置上的背景将会成为运动目标被检测。
上面已经提到，背景差分法的一个最大的潜在问题是由于背景的不断更新，往往会使得暂时停止不动的有效目标(如停下来说话的行人)被错误融入背景模型中。因此，最好的解决方案是对当前有效目标占据的区域不进行背景更新，这样背景就无法吸纳这一目标。但是有的时候又需要进入的目标被背景吸纳，比如一辆车进入车场并停下，如果把这辆车融入背景的话它所在的位置就永远是前景从而会影响其它经过的前景目标的正确检测。因此这是一个两难的问题，已有的技术都忽略或者回避了这一问题。
解决上面这个二难问题的一个显见的策略就是：对于停止的目标暂时不进行背景更新，而只有当目标停止一段时间之后才更新。但是这个简单的解决方案带来了额外的难题：1.如何准确知道一目标是停止下来的(由于噪声的影响会使得本来静止的目标摇移不定)；2.有时由于遮挡的影响会使得有效目标暂时消失；3.鬼影(原为背景的目标离开后形成的空洞)消除变得愈加困难。
发明内容
本发明的目的在于提供一种防止暂停目标错误融入背景的方法，能有效防止暂停目标错误融入背景。
为实现上述目的，本发明提供如下技术方案：
一种防止暂停目标错误融入背景的方法，它包括以下步骤：
1)背景建模，在背景建模中，开始i遍所有像素点，在i遍所有像素点时，如果当前视频帧I(i)符合当前背景模型B(i)，则用当前视频帧I(i)更新当前背景模型B(i)；
2)如果像素点上一次属于一个有效目标的时间Tp(i)加上目标允许暂停的时间ts小于当前视频帧时间tn，则用当前视频帧I(i)更新模型B(i)；
3)前景检测与待定目标的形成；
4)目标跟踪；
5)在目标跟踪步骤后，开始i遍所有像素点，如果像素(i)属于刚刚成为正常目标的目标，则像素点上一次属于一个有效目标的时间Tp(i)的值为当前视频帧时间tn。
6)在步骤4中，如果如果像素(i)属于正常目标，且有效目标的时间Tp(i)的值为0，则将有效目标的时间Tp(i)的值替换为当前视频帧时间tn；
7)在步骤4中，如果像素(i)不属于被遮挡目标，则有效目标的时间Tp(i)为0；
8)通过上述步骤得到的有效目标的时间Tp(i)的值，对背景进行更新。
上述步骤在背景差分法的基础上进行。
上述背景差分法包括图像预处理、背景建模、前景检测以及图像后处理。
与现有技术相比，本发明的有益效果是：
首先，它解决了静止的目标容易成为背景，使得暂时停止不动的有效目标被错误融入背景模型中的技术问题；而且，该方法对图像中的每一像素点基本是独立处理的，这样使得并行计算成为可能，在GPU上通过OpenCL实现这个方法时，处理速度比普通CPU上提升了10倍左右，本方法不需要更多地知道关于目标的细节信息，就是背景技术中提到的三个方面：1.如何准确知道一目标是停止下来的(由于噪声的影响会使得本来静止的目标摇移不定)；2.有时由于遮挡的影响会使得有效目标暂时消失；3.鬼影(原为背景的目标离开后形成的空洞)消除变得愈加困难，这样使得本方法的适应性很强，可以应用于所有的背景消除和目标跟踪中。
附图说明
图1是现有技术中运动目标检测流程图；
图2是现有技术中背景差分法流程图；
图3为现有技术中背景差分法检测的效果图；
图4为现有技术中背景消除的目标跟踪方法的流程图。
具体实施方式
如图1所示一种防止暂停目标错误融入背景的方法，它包括以下步骤：
1)背景建模，在背景建模中，开始i遍所有像素点，在i遍所有像素点时，如果当前视频帧I(i)符合当前背景模型B(i)，则用当前视频帧I(i)更新当前背景模型B(i)；
2)如果像素点上一次属于一个有效目标的时间Tp(i)加上目标允许暂停的时间ts小于当前视频帧时间tn，则用当前视频帧I(i)更新模型B(i)；
3)前景检测与待定目标的形成；
4)目标跟踪；
5)在目标跟踪步骤后，开始i遍所有像素点，如果像素(i)属于刚刚成为正常目标的目标，则像素点上一次属于一个有效目标的时间Tp(i)的值为当前视频帧时间tn。
6)在步骤4中，如果如果像素(i)属于正常目标，且有效目标的时间Tp(i)的值为0，则将有效目标的时间Tp(i)的值替换为当前视频帧时间tn；
7)在步骤4中，如果像素(i)不属于被遮挡目标，则有效目标的时间Tp(i)为0；
8)通过上述步骤得到的有效目标的时间Tp(i)的值，对背景进行更新。
所述步骤在背景差分法的基础上进行。
所述背景差分法包括图像预处理、背景建模、前景检测以及图像后处理。
实施例：
采用上述步骤，首先，它解决了静止的目标容易成为背景，使得暂时停止不动的有效目标被错误融入背景模型中的技术问题；而且，该方法对图像中的每一像素点基本是独立处理的，这样使得并行计算成为可能，在GPU上通过OpenCL实现这个方法时，处理速度比普通CPU上提升了10倍左右，本方法不需要更多地知道关于目标的细节信息，就是背景技术中提到的三个方面：1.如何准确知道一目标是停止下来的(由于噪声的影响会使得本来静止的目标摇移不定)；2.有时由于遮挡的影响会使得有效目标暂时消失；3.鬼影(原为背景的目标离开后形成的空洞)消除变得愈加困难，这样使得本方法的适应性很强，可以应用于所有的背景消除和目标跟踪中。
Claims (3)
1.一种防止暂停目标错误融入背景的方法，其特征在于，它包括以下步骤：
1)背景建模，在背景建模中，开始i遍所有像素点，在i遍所有像素点时，如果当前视频帧I(i)符合当前背景模型B(i)，则用当前视频帧I(i)更新当前背景模型B(i)；
2)如果像素点上一次属于一个有效目标的时间Tp(i)加上目标允许暂停的时间ts小于当前视频帧时间tn，则用当前视频帧I(i)更新模型B(i)；
3)前景检测与待定目标的形成；
4)目标跟踪；
5)在目标跟踪步骤后，开始i遍所有像素点，如果像素(i)属于刚刚成为正常目标的目标，则像素点上一次属于一个有效目标的时间Tp(i)的值为当前视频帧时间tn。
6)在步骤4中，如果如果像素(i)属于正常目标，且有效目标的时间Tp(i)的值为0，则将有效目标的时间Tp(i)的值替换为当前视频帧时间tn；
7)在步骤4中，如果像素(i)不属于被遮挡目标，则有效目标的时间Tp(i)为0；
8)通过上述步骤得到的有效目标的时间Tp(i)的值，对背景进行更新。
2.根据权利要求1所述的防止暂停目标错误融入背景的方法，其特征在于：所述步骤在背景差分法的基础上进行。
3.根据权利要求2所述的防止暂停目标错误融入背景的方法，其特征在于：所述背景差分法包括图像预处理、背景建模、前景检测以及图像后处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710062851.2A CN106846360B (zh) | 2017-01-28 | 2017-01-28 | 一种防止暂停目标错误融入背景的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710062851.2A CN106846360B (zh) | 2017-01-28 | 2017-01-28 | 一种防止暂停目标错误融入背景的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106846360A true CN106846360A (zh) | 2017-06-13 |
| CN106846360B CN106846360B (zh) | 2020-04-24 |
Family
ID=59121950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710062851.2A Active CN106846360B (zh) | 2017-01-28 | 2017-01-28 | 一种防止暂停目标错误融入背景的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106846360B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102833464A (zh) * | 2012-07-24 | 2012-12-19 | 常州泰宇信息科技有限公司 | 智能视频监控用结构化背景重建方法 |
| CN106296739A (zh) * | 2016-08-11 | 2017-01-04 | 清华大学苏州汽车研究院（吴江） | 一种改进的运动目标检测方法和系统 |
-
2017
- 2017-01-28 CN CN201710062851.2A patent/CN106846360B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102833464A (zh) * | 2012-07-24 | 2012-12-19 | 常州泰宇信息科技有限公司 | 智能视频监控用结构化背景重建方法 |
| CN106296739A (zh) * | 2016-08-11 | 2017-01-04 | 清华大学苏州汽车研究院（吴江） | 一种改进的运动目标检测方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106846360B (zh) | 2020-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200272835A1 (en) | Intelligent driving control method, electronic device, and medium | |
| US20200353932A1 (en) | Traffic light detection method and apparatus, intelligent driving method and apparatus, vehicle, and electronic device | |
| Chu et al. | Object tracking algorithm based on camshift algorithm combinating with difference in frame | |
| JP2015069648A (ja) | 目標検出方法及び目標検出システム | |
| CN103902985B (zh) | 一种基于roi的强鲁棒性实时车道侦测算法 | |
| CN108253596B (zh) | 空调送风方法、空调器及计算机可读存储介质 | |
| CN106447674A (zh) | 一种视频的背景去除方法 | |
| CN113608663B (zh) | 一种基于深度学习和k-曲率法的指尖跟踪方法 | |
| CN103123726A (zh) | 一种基于运动行为分析的目标跟踪算法 | |
| Yu et al. | Drso-slam: A dynamic rgb-d slam algorithm for indoor dynamic scenes | |
| WO2020010620A1 (zh) | 波浪识别方法、装置、计算机可读存储介质和无人飞行器 | |
| CN113610932B (zh) | 双目相机外参标定方法和装置 | |
| WO2014172875A1 (en) | Moving object detection | |
| US20230419500A1 (en) | Information processing device and information processing method | |
| CN112417948B (zh) | 一种基于单目视觉的水下航行器精确导引入环的方法 | |
| CN106846360A (zh) | 一种防止暂停目标错误融入背景的方法 | |
| US12002371B2 (en) | Neuromorphic cameras for aircraft | |
| CN110377033A (zh) | 一种基于rgbd信息的小型足球机器人识别与追踪抓取方法 | |
| KR20230166840A (ko) | 인공지능을 이용한 객체 이동 경로 확인 방법 | |
| Yan | Using the Improved SSD Algorithm to Motion Target Detection and Tracking | |
| KR101081973B1 (ko) | 음원 추정을 이용한 관심영상영역 검출 장치, 그를 이용한 얼굴 검출 시스템 및 그 방법 | |
| Wu et al. | Adaptive Detection of Moving Vehicle Based on On-line Clustering. | |
| Yin et al. | Moving object localization in thermal imagery by forward-backward motion history images | |
| Wang et al. | Combined improved Frequency-Tuned with GMM algorithm for moving target detection | |
| CN208460085U (zh) | 一种基于分布式摄像头阵列的人脸识别锁 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231107 Address after: No. 57-5 Development Avenue, No. 6015, Yichang Area, China (Hubei) Free Trade Zone, Yichang City, Hubei Province, 443005 Patentee after: Hubei Jiugan Technology Co.,Ltd. Address before: 443002 No. 8, University Road, Yichang, Hubei Patentee before: CHINA THREE GORGES University |
|
| TR01 | Transfer of patent right |