CN107067416A - 一种运动目标的检测方法 - Google Patents
一种运动目标的检测方法 Download PDFInfo
- Publication number
- CN107067416A CN107067416A CN201710328437.1A CN201710328437A CN107067416A CN 107067416 A CN107067416 A CN 107067416A CN 201710328437 A CN201710328437 A CN 201710328437A CN 107067416 A CN107067416 A CN 107067416A
- Authority
- CN
- China
- Prior art keywords
- difference
- background
- frame
- moving target
- formula
- 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- Withdrawn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
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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种运动目标的检测方法,包括以下步骤:S1:采用混合高斯建立背景模型,采用背景差分法将当前帧与背景建模进行差分操作实现对运动目标的检测;S2:帧间差分用连续三帧差分代替两帧差分,采取自适应差分阈值的方法;S3:将两种差分的结果融合并作形态学处理提取目标。本发明将帧间差分与背景差分结合起来,对背景模型中方差的更新作了改进,用连续三帧差分代替两帧差分,并使用自适应地阈值,该方法能有效抑制噪声和空洞,适应性强,检测效果良好。
Description
技术领域
本发明具体涉及一种运动目标的检测方法。
背景技术
运动目标检测算法包括背景差分法、帧间差分法和光流法等。光流法算法复杂、需要特殊的硬件支持、实时性较差。背景差分法是将当前帧与背景模型进行差分操作来实现对运动目标的检测,该算法准确性高、易于实现、检测速度快,但是由于实际场景的复杂多变,而且存在着各种噪声和干扰,造成背景建模和模拟的难度增加。帧间差分法是将相连连续两帧或者三帧图像进行差分来获得运动目标轮廓,该算法时间复杂度较低,因此是运动目标检测中使用较多的一种算法,但当较大的噪声出现在视频图像序列中时,该算法的性能会明显下降,检测错误率增加,且该方法对噪声的变化比较敏感,而且要求目标的运动速度不能过快,当目标表面灰度大面积均匀时,会产生空洞现象,使目标被分割成多个区域。
背景差分法和帧间差分法运用较为广泛,但是其优缺点都比较突出,使用单一的背景差分或帧间差分的检测效果并不好。
发明内容
本发明要解决的技术问题是提供一种运动目标的检测方法。
一种运动目标的检测方法,包括以下步骤:
S1:采用混合高斯建立背景模型,采用背景差分法将当前帧与背景建模进行差分操作实现对运动目标的检测;
S2:帧间差分用连续三帧差分代替两帧差分,采取自适应差分阈值的方法;
S3:将两种差分的结果融合并作形态学处理提取目标。
进一步的,步骤S1的具体方法如下:
1)背景建模:
图像中某像素点,假设它在1-t时刻的像素值为,则的概率密度函数由k个高斯分布的加权混合表示如下:
;
式中,、和分别为t时刻混合高斯模型第i个高斯分布的权值()、均值和协方差矩阵;为高斯分布的概率密度函数:
;
按以下判断规则选择匹配的高斯分布:
;
其中,c为自定义参数,取值2.5;
与相匹配的高斯分布的参数按如下公式进行更新:
;
;
;
式中,为高斯分布权值的更新速率,取值范围为;为参数的更新速率;
K个高斯分布的权重按如下公式进行更新:
;
对于匹配的第i个分布,取M=1;其余的k-1个分布取M=0;
2)背景差分:
背景建模完成后,按以下2式进行背景差分,得到背景差分后的二值图像;
;
;
式中,是背景差分图像;是二值图像;为分割阈值;
若帧间差分图像中的某点的像素值小于阈值,则认为该点是静止的,该点被判为背景点;若大于阈值,则认为该点是运动的,该点被判为目标点。
进一步的,帧间差分的具体步骤如下:
1)读取连续三帧图像、、,求出相邻两帧的差分图像、,根据自适应阈值,提取出运动区域并二值化,得到、;
2)将得到的和按下式进行计算,求得包含运动目标的二值图像:
。
进一步的,自适应差分阈值的方法如下:
阈值的提取公式如下:
;
。
进一步的,步骤S3的方法如下:
1)在得到背景差分后的二值图像和帧间差分后的二值图像后,可按下式进行运动目标的提取:
;
2)采用基于形态学目标重构的方法,获取完整目标;
;
式中:F为目标重构后最终的分割结果;SE为结构元素。
本发明的有益效果是:
本发明将帧间差分与背景差分结合起来,对背景模型中方差的更新作了改进,用连续三帧差分代替两帧差分,并使用自适应地阈值,该方法能有效抑制噪声和空洞,适应性强,检测效果良好。
具体实施方式
以下具体实施例对本发明作进一步阐述,但不作为对本发明的限定。
一种运动目标的检测方法,包括以下步骤:
S1:采用混合高斯建立背景模型,采用背景差分法将当前帧与背景建模进行差分操作实现对运动目标的检测;
S2:帧间差分用连续三帧差分代替两帧差分,采取自适应差分阈值的方法;
S3:将两种差分的结果融合并作形态学处理提取目标。
步骤S1的具体方法如下:
1)背景建模:
图像中某像素点,假设它在1-t时刻的像素值为,则的概率密度函数由k个高斯分布的加权混合表示如下:
;
式中,、和分别为t时刻混合高斯模型第i个高斯分布的权值()、均值和协方差矩阵;为高斯分布的概率密度函数:
;
按以下判断规则选择匹配的高斯分布:
;
其中,c为自定义参数,取值2.5;
与相匹配的高斯分布的参数按如下公式进行更新:
;
;
;
式中,为高斯分布权值的更新速率,取值范围为;为参数的更新速率;
K个高斯分布的权重按如下公式进行更新:
;
对于匹配的第i个分布,取M=1;其余的k-1个分布取M=0;
2)背景差分:
背景建模完成后,按以下2式进行背景差分,得到背景差分后的二值图像;
;
;
式中,是背景差分图像;是二值图像;为分割阈值;
若帧间差分图像中的某点的像素值小于阈值,则认为该点是静止的,该点被判为背景点;若大于阈值,则认为该点是运动的,该点被判为目标点。
帧间差分的具体步骤如下:
1)读取连续三帧图像、、,求出相邻两帧的差分图像、,根据自适应阈值,提取出运动区域并二值化,得到、;
2)将得到的和按下式进行计算,求得包含运动目标的二值图像:
。
自适应差分阈值的方法如下:
阈值的提取公式如下:
;
。
步骤S3的方法如下:
1)在得到背景差分后的二值图像和帧间差分后的二值图像后,可按下式进行运动目标的提取:
;
2)采用基于形态学目标重构的方法,获取完整目标;
;
式中:F为目标重构后最终的分割结果;SE为结构元素。
Claims (5)
1.一种运动目标的检测方法,其特征在于,包括以下步骤:
S1:采用混合高斯建立背景模型,采用背景差分法将当前帧与背景建模进行差分操作实现对运动目标的检测;
S2:帧间差分用连续三帧差分代替两帧差分,采取自适应差分阈值的方法;
S3:将两种差分的结果融合并作形态学处理提取目标。
2.根据权利要求1所述的运动目标的检测方法,其特征在于,步骤S1的具体方法如下:
1)背景建模:
图像中某像素点,假设它在1-t时刻的像素值为,则的概率密度函数由k个高斯分布的加权混合表示如下:
;
式中,、和分别为t时刻混合高斯模型第i个高斯分布的权值()、均值和协方差矩阵;为高斯分布的概率密度函数:
;
按以下判断规则选择匹配的高斯分布:
;
其中,c为自定义参数,取值2.5;
与相匹配的高斯分布的参数按如下公式进行更新:
;
;
;
式中,为高斯分布权值的更新速率,取值范围为;为参数的更新速率;
K个高斯分布的权重按如下公式进行更新:
;
对于匹配的第i个分布,取M=1;其余的k-1个分布取M=0;
2)背景差分:
背景建模完成后,按以下2式进行背景差分,得到背景差分后的二值图像;
;
;
式中,是背景差分图像;是二值图像;为分割阈值;
若帧间差分图像中的某点的像素值小于阈值,则认为该点是静止的,该点被判为背景点;若大于阈值,则认为该点是运动的,该点被判为目标点。
3.根据权利要求1所述的运动目标的检测方法,其特征在于,帧间差分的具体步骤如下:
1)读取连续三帧图像、、,求出相邻两帧的差分图像、,根据自适应阈值,提取出运动区域并二值化,得到、;
2)将得到的和按下式进行计算,求得包含运动目标的二值图像:
。
4.根据权利要求1所述的运动目标的检测方法,其特征在于,自适应差分阈值的方法如下:
阈值的提取公式如下:
;
。
5.根据权利要求1所述的运动目标的检测方法,其特征在于,步骤S3的方法如下:
1)在得到背景差分后的二值图像和帧间差分后的二值图像后,可按下式进行运动目标的提取:
;
2)采用基于形态学目标重构的方法,获取完整目标;
;
式中:F为目标重构后最终的分割结果;SE为结构元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328437.1A CN107067416A (zh) | 2017-05-11 | 2017-05-11 | 一种运动目标的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710328437.1A CN107067416A (zh) | 2017-05-11 | 2017-05-11 | 一种运动目标的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107067416A true CN107067416A (zh) | 2017-08-18 |
Family
ID=59596260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710328437.1A Withdrawn CN107067416A (zh) | 2017-05-11 | 2017-05-11 | 一种运动目标的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067416A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447693A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于等周比和双差分的视频目标检测方法 |
CN108320299A (zh) * | 2017-12-28 | 2018-07-24 | 广州万威伟创网络科技有限公司 | 一种基于运动行为分析的目标跟踪算法 |
CN109472808A (zh) * | 2018-11-23 | 2019-03-15 | 东北大学 | 一种获取视频中运动目标的检测方法 |
CN109598223A (zh) * | 2018-11-26 | 2019-04-09 | 北京洛必达科技有限公司 | 基于视频获取目标人物的方法和装置 |
CN109887007A (zh) * | 2017-12-06 | 2019-06-14 | 中国科学院宁波材料技术与工程研究所 | 空基对地运动目标的检测方法及装置 |
CN110555368A (zh) * | 2019-06-28 | 2019-12-10 | 西安理工大学 | 基于三维卷积神经网络的跌倒行为识别方法 |
CN111047595A (zh) * | 2019-11-21 | 2020-04-21 | 深圳市若雅方舟科技有限公司 | 一种基于自适应阈值帧差法的实时海浪分割方法及装置 |
CN111161308A (zh) * | 2019-12-19 | 2020-05-15 | 上海航天控制技术研究所 | 一种基于关键点匹配的双波段融合目标提取方法 |
WO2022001961A1 (zh) * | 2020-06-28 | 2022-01-06 | 深圳天感智能有限公司 | 一种高空抛物动目标检测方法、检测设备和检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394479A (zh) * | 2008-09-25 | 2009-03-25 | 上海交通大学 | 基于运动检测结合多通道融合的教师运动跟踪方法 |
CN101420533A (zh) * | 2008-12-02 | 2009-04-29 | 上海电力学院 | 基于视频背景检测的嵌入式图像融合系统及方法 |
-
2017
- 2017-05-11 CN CN201710328437.1A patent/CN107067416A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101394479A (zh) * | 2008-09-25 | 2009-03-25 | 上海交通大学 | 基于运动检测结合多通道融合的教师运动跟踪方法 |
CN101420533A (zh) * | 2008-12-02 | 2009-04-29 | 上海电力学院 | 基于视频背景检测的嵌入式图像融合系统及方法 |
Non-Patent Citations (1)
Title |
---|
孙挺 等: ""基于帧间差分和背景差分的运动目标检测算法"", 《吉林大学学报(工学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447693A (zh) * | 2016-07-19 | 2017-02-22 | 西安电子科技大学 | 基于等周比和双差分的视频目标检测方法 |
CN109887007A (zh) * | 2017-12-06 | 2019-06-14 | 中国科学院宁波材料技术与工程研究所 | 空基对地运动目标的检测方法及装置 |
CN108320299A (zh) * | 2017-12-28 | 2018-07-24 | 广州万威伟创网络科技有限公司 | 一种基于运动行为分析的目标跟踪算法 |
CN109472808A (zh) * | 2018-11-23 | 2019-03-15 | 东北大学 | 一种获取视频中运动目标的检测方法 |
CN109472808B (zh) * | 2018-11-23 | 2022-03-04 | 东北大学 | 一种获取视频中运动目标的检测方法 |
CN109598223A (zh) * | 2018-11-26 | 2019-04-09 | 北京洛必达科技有限公司 | 基于视频获取目标人物的方法和装置 |
CN110555368A (zh) * | 2019-06-28 | 2019-12-10 | 西安理工大学 | 基于三维卷积神经网络的跌倒行为识别方法 |
CN110555368B (zh) * | 2019-06-28 | 2022-05-03 | 西安理工大学 | 基于三维卷积神经网络的跌倒行为识别方法 |
CN111047595A (zh) * | 2019-11-21 | 2020-04-21 | 深圳市若雅方舟科技有限公司 | 一种基于自适应阈值帧差法的实时海浪分割方法及装置 |
CN111161308A (zh) * | 2019-12-19 | 2020-05-15 | 上海航天控制技术研究所 | 一种基于关键点匹配的双波段融合目标提取方法 |
WO2022001961A1 (zh) * | 2020-06-28 | 2022-01-06 | 深圳天感智能有限公司 | 一种高空抛物动目标检测方法、检测设备和检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067416A (zh) | 一种运动目标的检测方法 | |
Zhu et al. | Haze removal method for natural restoration of images with sky | |
Zhang et al. | A Bayesian approach to camouflaged moving object detection | |
Huang | An advanced motion detection algorithm with video quality analysis for video surveillance systems | |
CN107968946B (zh) | 视频帧率提升方法及装置 | |
KR20190039384A (ko) | 마코프체인을 사용하여 이미지 상 대상 객체를 추적, 분할하는 방법 및 장치 | |
CN110753181A (zh) | 一种基于特征跟踪和网格路径运动的视频稳像方法 | |
CN103871076A (zh) | 基于光流法和超像素分割的运动目标提取方法 | |
WO2020220516A1 (zh) | 图像生成网络的训练及图像处理方法、装置、电子设备、介质 | |
KR101635896B1 (ko) | 깊이 정보 기반 사람 추적 장치 및 그 방법 | |
Lie et al. | 2D to 3D video conversion with key-frame depth propagation and trilateral filtering | |
CN104867111A (zh) | 一种基于分块模糊核集的非均匀视频盲去模糊方法 | |
CN103080979A (zh) | 从照片合成肖像素描的系统和方法 | |
CN104079800A (zh) | 一种视频监控中视频图像的抗抖动方法 | |
CN110363197B (zh) | 基于改进视觉背景提取模型的视频感兴趣区域提取方法 | |
CN109102520A (zh) | 基于模糊均值聚类与卡尔曼滤波跟踪相结合的运动目标检测方法 | |
Zhou et al. | Dynamic background subtraction using spatial-color binary patterns | |
Zhang et al. | Dehazing with improved heterogeneous atmosphere light estimation and a nonlinear color attenuation prior model | |
CN107154053A (zh) | 静态背景下的运动目标检测方法 | |
CN107133972A (zh) | 一种视频运动目标检测方法 | |
CN108537823A (zh) | 基于混合高斯模型的运动目标检测方法 | |
CN106296740B (zh) | 一种基于低秩稀疏表达的目标精细轮廓跟踪方法 | |
CN110502968B (zh) | 基于轨迹点时空一致性的红外弱小运动目标的检测方法 | |
CN102917222A (zh) | 基于自适应六边形搜索及五帧背景对齐的动背景视频对象提取 | |
Wang et al. | Physical Priors Augmented Event-Based 3D Reconstruction |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170818 |
|
WW01 | Invention patent application withdrawn after publication |