CN107248165A - 一种动态背景图像的更新方法 - Google Patents
一种动态背景图像的更新方法 Download PDFInfo
- Publication number
- CN107248165A CN107248165A CN201710465058.7A CN201710465058A CN107248165A CN 107248165 A CN107248165 A CN 107248165A CN 201710465058 A CN201710465058 A CN 201710465058A CN 107248165 A CN107248165 A CN 107248165A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- level
- background
- background 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000035772 mutation Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Studio Circuits (AREA)
Abstract
本发明提出一种动态背景图像的更新方法，通过摄像机采集实时图像，以首帧图像作为初始背景图像，对所采集图像做帧间差分和背景差分并进行综合分析，最后进行多层次自适应背景更新，进行像素级更新；本发明通过一种基于像素级和帧级的多层次动态自适应背景更新方法，在像素级更新那些可能由背景转化为前景的像素点，用来解决物体的移入移除，提高背景更新的响应速度问题；在帧级则进行整个背景的更新，用来解决如场景光线突变、场景大范围转换等全局变化问题。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种动态背景图像的更新方法。
背景技术
基于视频监控的目标检测技术发展很快，由于检测区域灵活，系统设置简单等突出的优点，已成为领域内的研究热点。监控系统中用到的技术主要是计算机视频处理。视频处理可以解释为应用计算机视觉以及图像分析方法对图像序列进行运动检测、运动目标分类、运动目标跟踪以及对监控场景中的目标行为进行分析。运动目标的检测主要有以下几种算法：
（1）光流法：光流是指图像亮度模式的表观运动。但是亮度比较均匀的区域或者 亮度值相同的点都无法确定其运动的对应性，但是运动时却可以观察到，这就说明光流与运动场不一定是唯一对应的，即有光流不一定就是运动物体产生的，反之物体发生了运动也不一定会产生光流。且这种方法计算复杂度较高，时间复杂度也较大，实时性和实用性都 不强。
（2）帧间差分法：是利用视频序列中的连续两帧或者几帧图像的差异来进行目标检测，可以很好的适应存在多个目标和摄像头移动的情况。但这种方法的处理效果和图像的采样频率以及被检测物体的运动速度有关。如果运动速度过快或者两帧之间时间间隔较长，可能造成两帧之间无覆盖区域；而运动速度过小或者两帧之间的时间间隔很小，可能造成两帧之间的过覆盖，从而导致检测出来的运动目标存在大面积的空洞。
（3）背景差分法 ：因为背景差分法简单、实时性强，检测准确，逐渐成为目标运动目 标检测算法中最常用且有较大发展潜力的方法，其检测效果主要是依赖背景建模技术。在实际应用中，背景是一个渐变的过程，自然场景中背景的动态变化如晃动的树叶、变化的光照以及波纹水面等如果不及时更新，都会对目标检测产生较大影响。还有一种情况即场景中原本没有的物体，经过一段时间后停留在场景中；场景中原本存在的物体经过一段时间 后离开监控区域。这两种情况都因为过程迅速且明显，会对后续的目标检测造成较大的影响。
常用的背景更新方法有多帧平均法、选择更新法、随机更新法等。多帧平均法较简单，但是计算量庞大，并且在多运动物体、运动速度缓慢的情况下，不能达到满意的效果。选择更新法于光线的变化有较强的适应性，但是在光线变化强烈的情况下，或者说在全场景光线变化的时候，会导致整个图像区域被认为是运动物体而不做更新，并且受阈值选取的影响较大。
因此，针对上述问题，本发明提出了一种新的技术方案。
发明内容
本发明的综合考虑到实际应用中背景图像要对背景变化， 响应速度足够快，提出了一种基于像素级和帧级的多层次自适应背景的动态背景图像的更新方法。
本发明是通过以下技术方案来实现的：
一种动态背景图像的更新方法，通过摄像机采集实时图像，以首帧图像作为初始背景图像，对所采集图像做帧间差分和背景差分并进行综合分析，最后进行多层次自适应背景更新，进行像素级更新；
所述像素级更新包括以下步骤：
a、以当前帧图像和背景图像做差分，通过二值化、形态学运算得到不变区域RbS，然后通过上述方法，将当前帧图像和前一帧图像做差分求得图像中的不变区域Rfs，然后计算两个不变区域的公共部分Rs，即Rs=RbS∩Rfs；
b、将背景中没有变化的区域Rs用确认的背景像素替代。
进一步地，所述步骤b中，对替换区域的边缘附近通过中值滤滤去除噪声，重新确定边缘的像素值。
进一步地，还包括帧级更新，所述帧级更新为：统计相邻帧间灰度突变像素的数目，将其与图像总像素数相除，当超过阈值Tf时，即Rs的像素灰度值突变的数目占了图像的大部分，可认为图像发生帧级变化。
进一步地，所述阈值Tf为0.6。
进一步地，所述初始背景图像可为任意图像。
本发明的有益效果是：本发明提出了一种基于像素级和帧级的多层次动态自适应背景更新方法，在像素级更新那些可能由背景转化为前景的像素点，用来解决物体的移入移除，提高背景更新的响应速度问题；在帧级则进行整个背景的更新，用来解决如场景光线突变、场景大范围转换等全局变化问题。
附图说明
图1为本发明流程图。
具体实施方式
下面结合附图说明对本发明做进一步地说明。
如图1所示，一种动态背景图像的更新方法，通过摄像机采集实时图像，以首帧图像作为初始背景图像，对所采集图像做帧间差分和背景差分并进行综合分析，最后进行多层次自适应背景更新，进行像素级更新；
所述像素级更新包括以下步骤：
a、以当前帧图像和背景图像做差分，通过二值化、形态学运算得到不变区域RbS，然后通过上述方法，将当前帧图像和前一帧图像做差分求得图像中的不变区域Rfs，然后计算两个不变区域的公共部分Rs，即Rs=RbS∩Rfs；
b、将背景中没有变化的区域Rs用确认的背景像素替代。
在本实施例中，所述步骤b中，对替换区域的边缘附近通过中值滤滤去除噪声，重新确定边缘的像素值。
在本实施例中，还包括帧级更新，所述帧级更新为：统计相邻帧间灰度突变像素的数目，将其与图像总像素数相除，当超过阈值Tf时，即Rs的像素灰度值突变的数目占了图像的大部分，可认为图像发生帧级变化。
在本实施例中，所述阈值Tf为0.6。
进一步地，所述初始背景图像可为任意图像。
本发明提出了一种基于像素级和帧级的多层次动态自适应背景更新方法，在像素级更新那些可能由背景转化为前景的像素点，用来解决物体的移入移除，提高背景更新的响应速度问题；在帧级则进行整个背景的更新，用来解决如场景光线突变、场景大范围转换等全局变化问题。
Claims (5)
1.一种动态背景图像的更新方法，其特征在于：通过摄像机采集实时图像，以首帧图像作为初始背景图像，对所采集图像做帧间差分和背景差分并进行综合分析，最后进行多层次自适应背景更新，进行像素级更新；
所述像素级更新包括以下步骤：
a、以当前帧图像和背景图像做差分，通过二值化、形态学运算得到不变区域RbS，然后通过上述方法，将当前帧图像和前一帧图像做差分求得图像中的不变区域Rfs，然后计算两个不变区域的公共部分Rs，即Rs=RbS∩Rfs；
b、将背景中没有变化的区域Rs用确认的背景像素替代。
2.根据权利要求1所述一种动态背景图像的更新方法，其特征在于：所述步骤b中，对替换区域的边缘附近通过中值滤滤去除噪声，重新确定边缘的像素值。
3.根据权利要求1所述一种动态背景图像的更新方法，其特征在于：还包括帧级更新，所述帧级更新为：统计相邻帧间灰度突变像素的数目，将其与图像总像素数相除，当超过阈值Tf时，即Rs的像素灰度值突变的数目占了图像的大部分，可认为图像发生帧级变化。
4.根据权利要求3所述一种动态背景图像的更新方法，其特征在于：所述阈值Tf为0.6。
5.根据权利要求1所述一种动态背景图像的更新方法，其特征在于：所述初始背景图像可为任意图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710465058.7A CN107248165A (zh) | 2017-06-19 | 2017-06-19 | 一种动态背景图像的更新方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710465058.7A CN107248165A (zh) | 2017-06-19 | 2017-06-19 | 一种动态背景图像的更新方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107248165A true CN107248165A (zh) | 2017-10-13 |
Family
ID=60019264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710465058.7A Withdrawn CN107248165A (zh) | 2017-06-19 | 2017-06-19 | 一种动态背景图像的更新方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107248165A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103209321A (zh) * | 2013-04-03 | 2013-07-17 | 南京邮电大学 | 一种视频背景快速更新方法 |
| CN104078050A (zh) * | 2013-03-26 | 2014-10-01 | 杜比实验室特许公司 | 用于音频分类和音频处理的设备和方法 |
| US20150371398A1 (en) * | 2014-06-23 | 2015-12-24 | Gang QIAO | Method and system for updating background model based on depth |
| CN107330923A (zh) * | 2017-06-07 | 2017-11-07 | 太仓诚泽网络科技有限公司 | 一种动态背景图像的更新方法 |
-
2017
- 2017-06-19 CN CN201710465058.7A patent/CN107248165A/zh not_active Withdrawn
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104078050A (zh) * | 2013-03-26 | 2014-10-01 | 杜比实验室特许公司 | 用于音频分类和音频处理的设备和方法 |
| CN103209321A (zh) * | 2013-04-03 | 2013-07-17 | 南京邮电大学 | 一种视频背景快速更新方法 |
| US20150371398A1 (en) * | 2014-06-23 | 2015-12-24 | Gang QIAO | Method and system for updating background model based on depth |
| CN107330923A (zh) * | 2017-06-07 | 2017-11-07 | 太仓诚泽网络科技有限公司 | 一种动态背景图像的更新方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Elhoseny | Multi-object detection and tracking (MODT) machine learning model for real-time video surveillance systems | |
| CN105354791B (zh) | 一种改进的自适应混合高斯前景检测方法 | |
| JP4629364B2 (ja) | シーンの背景を表現する背景画像を適応的に更新する方法 | |
| CN107016691B (zh) | 基于超像素特征的运动目标检测方法 | |
| CN105096321B (zh) | 一种基于图像边缘的低复杂度视频移动侦测方法 | |
| CN103456028A (zh) | 一种运动目标检测方法 | |
| CN108122206A (zh) | 一种低照度图像降噪方法及装置 | |
| CN108876820B (zh) | 一种基于均值漂移的遮挡条件下移动目标追踪方法 | |
| CN106210448B (zh) | 一种视频图像抖动消除处理方法 | |
| CN111967394B (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
| CN102147861A (zh) | 一种基于颜色-纹理双重特征向量进行贝叶斯判决的运动目标检测方法 | |
| CN102025981A (zh) | 一种监控视频中的前景检测的方法 | |
| CN102930719A (zh) | 用于交通路口场景并基于网络物理系统的视频图像前景检测方法 | |
| Ling et al. | A background modeling and foreground segmentation approach based on the feedback of moving objects in traffic surveillance systems | |
| CN108010047A (zh) | 一种结合样本一致性和局部二值模式的运动目标检测方法 | |
| CN108615241B (zh) | 一种基于光流的快速人体姿态估计方法 | |
| Arseneau et al. | Real-time image segmentation for action recognition | |
| CN106934819A (zh) | 一种提高图像中运动物体检测精度的方法 | |
| CN102497497A (zh) | 一种图像去噪算法中阈值动态调整的方法 | |
| CN107330923A (zh) | 一种动态背景图像的更新方法 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
| CN107248165A (zh) | 一种动态背景图像的更新方法 | |
| CN108280841A (zh) | 一种基于邻域像素强度校正的前景提取方法 | |
| CN109410134A (zh) | 一种基于图像块分类的自适应去噪方法 | |
| Xiaoyang et al. | A novel motion object detection method based on improved frame difference and improved Gaussian mixture model |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171013 |