CN108229385A - 一种基于视频的船舶检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于视频的船舶检测方法，该方法基于背景建模技术，对图像帧的2个ROI内的前景点数进行计数，计算ROI内前景像素点数占像素总数的比例，然后将该比例与设置的阈值进行比较，以实现检测船舶的目的。该方法解决了近距离（小于100米）的运动船舶的检测问题。本发明还提出了一种基于视频的船舶检测系统，与现有技术相比，本发明只需要背景建模和计数，故硬件资源占用极低，可移植到低功耗的嵌入式设备；同时，本发明是对整个ROI进行处理，对局部遮挡、光照变化均有着良好的鲁棒性。

Description

一种基于视频的船舶检测方法及系统

技术领域

本发明涉及一种船舶检测方法，属于图像处理与目标检测领域。

背景技术

过闸管理是船闸运行管理的重中之重，先进的管理模式能在提高水运效率的同时保障船闸安全畅通。利用监控视频对过往船舶进行实时抓拍是保障船闸安全运行的重要措施，船舶检测技术是船舶抓拍系统的核心。因此船舶检测技术是保障船闸安全的重要技术。

现有的船舶检测技术大多基于遥感、雷达图像，基于传统视频的船舶检测技术较少。相较于遥感雷达技术，基于传统视频的船舶检测技术有如下优点：成本低；可基于现有的监控系统进行改造；传统图像便于人工核查可作为取证依据。如公开号103996049A的发明专利申请公开了一种基于视频图像的船舶超长超宽检测方法，采集船舶视频，包括以下步骤：进行像平面坐标系与世界坐标系的变换；提取船舶二值图像区域得到运动船舶区域；对每一帧图像的运动船舶均采用Kalman滤波器跟踪，得到运动船舶的质心位置的叠加，拟合船舶的运动轨迹确定船舶的主轴，利用Canny算子提取二值图像的轮廓，计算船舶主轴与所述轮廓的交点之间连线的长度，得到船舶的长度，所述轮廓垂直到主轴的最长距离为船舶的宽度；判断该船舶是否超长超宽。该方案根据当前的内河监控视频图像，采用图像处理、计算机视觉技术，从中提取运动船舶及像素级的长宽信息，通过交互式网格标定计算出船舶的实际尺寸，根据实际场景的条件，对船舶的长宽进行超限判断。

又如公开号为107024903A的发明专利申请，公开了一种船舶过闸视频检测复核的系统，结合高港船闸实际船情、水情，利用基于高斯混合模型的运动物体识别技术，实现了船舶识别抓拍、长宽复核等智能化监测功能，有效监管各类违章行为，提升了船舶进闸的安全管理水平和智能化程度。

基于视频的船舶检测及抓拍技术难点主要如下：相较于汽车行人等目标，船舶目标较大，难以抓拍到全貌；航道宽度较大，远距离抓拍对算法及硬件要求较高；夜间光照条件差增加抓拍难度。

发明内容

本发明所要解决的技术问题是：针对基于视频的船舶检测及抓拍技术难点，本发明提出一种基于视频的船舶检测及超限预警系统，基于背景建模技术实现近距离(小于100米)的运动船舶的检测，该系统可利用船闸现有的监控视频，对视频进行船舶检测，对过闸船舶进行抓拍存档。

本发明为解决上述技术问题采用以下技术方案：

本发明提出一种基于视频的船舶检测方法，包括：

步骤1、采用前景检测算法对视频图像帧的两个感兴趣区域R1、R2进行像素级视频背景建模；

步骤2、根据R1、R2内前景像素点数占各ROI内像素总数的比例S₁、S₂，设定阈值Y_min和N_max，其中Y_min代表目标出现时前景比例数应达到的最小值，N_max代表无目标出现时前景比例数不应超过的值；

步骤3、在实际检测时，若R1前景比例S₁大于阈值Y_min且R2前景比例S₂小于阈值Nmax，或者R2前景比例S₂大于阈值Y_min且R1前景比例S₁小于阈值Nmax，则初步判断出有目标出现；

步骤4、当若干帧后，若R1、R2的前景比例均大于阈值Y_min，则最终判定目标出现。

进一步的，本发明的基于视频的船舶检测方法，其中：步骤1中对视频图像帧进行像素级背景建模分为三个步骤：背景模型初始化、背景点判定和背景模型更新；其中：

(1)背景模型初始化：对于一个像素点，结合相邻像素点有相近像素值的空间分布特性，随机选择该点邻域点像素值作为模型样本值；

(2)背景点判定：计算新像素值与背景模型样本值的距离，设定距离阈值d，近似度阈值m，若距离小于阈值d则记为近似样本；统计近似样本个数，若近似样本个数大于近似度阈值m，则判定该像素点为背景；

(3)背景模型更新：当一个像素点被判定为背景点时，有1/φ的概率更新背景模型，即每一个背景点有1/φ的概率更新模型样本值，同时有1/φ概率更新相邻像素点的模型样本值。

进一步的，本发明的基于视频的船舶检测方法，其中：计算感兴趣区域ROI内前景像素点数n占像素总数的比例S的方法为S＝n/(h*w)，其中h代表图像高度，w代表图像宽度。

进一步的，本发明的基于视频的船舶检测方法，其中：计算R₁、R₂内前景像素点数占像素总数的比例S₁、S₂，具体为：依次对R₁、R₂内每个像素点进行前景点判定，统计该区域内前景点个数，用前景点个数除以该区域内总像素个数为前景比例。

一种基于视频的船舶检测系统，包括：

背景建模模块，用于采用前景检测算法对视频图像帧的两个感兴趣区域R1、R2进行像素级视频背景建模；

阈值设定模块，用于根据R1、R2内前景像素点数占各ROI内像素总数的比例S₁、S₂，设定阈值Y_min和N_max，其中Y_min代表目标出现时前景比例数应达到的最小值，N_max代表无目标出现时前景比例数不应超过的值；

目标判定模块，用于根据以下原则进行目标判定：若R1前景比例S₁大于阈值Y_min且R2前景比例S₂小于阈值Nmax，或者R2前景比例S₂大于阈值Y_min且R1前景比例S₁小于阈值Nmax，则初步判断出有目标出现；当若干帧后，若R1、R2的前景比例均大于阈值Y_min，则最终判定目标出现。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明先采用前景检测算法对图像帧的两个感兴趣区域(记为R1、R2)进行像素级视频背景建模。根据R1、R2内前景像素点数占像素总数的比例，设定阈值Y_min(目标出现时，前景比例数应达到的最小值)，N_max(无目标出现时，前景比例数不应超过的值)；R1前景比例大于Y_min且R2前景比例小于阈值N_max，则初步判断可能有目标出现；若干帧后，若R1前景比例大于Y_min且R2前景比例大于阈值Y_min，则判定确实有目标出现。通过实验验证知，该方法对船舶检测精度高，在不同光照环境下有较好的鲁棒性。

附图说明

图1是本发明方法流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

如图1所示，本发明公开的一种基于视频的船舶检测方法，包括以下步骤：

1)设定阈值Y_min(目标出现时，前景比例数应达到的最小值)，N_max(无目标出现时，前景比例数不应超过的值)；

2)采用背景建模算法对2个感兴趣区域(记为R₁、R₂)进行建模；

3)计算R₁、R₂内前景像素点数占各ROI(region of interest，感兴趣区域)内像素总数的比例(记为S₁、S₂)；

4)若S₁>Y_min(或S₂>Y_min)且S₂<N_max(或S₁<N_max)，则初步判定可能有目标出现；

5)当4)条件满足且若干帧后，S₁>Y_min且S₂>Y_min，确认有目标出现；

具体的，所述步骤1)中，采用前景检测算法对图像帧的两个感兴趣区域(ROI)进行像素级视频背景建模：

背景模型即对每个像素点存储一个背景样本集，样本集的采样值就是该像素点前帧的像素值和其邻域点的像素值，然后将每一个新像素值和样本集进行比较来判断该点是否属于背景点。该背景模型方法分为三个步骤：背景模型初始化、背景点判定和背景模型更新。

背景模型初始化：记v₀(x)为初始时刻x点像素值，该点的初始模型样本集记为M₀(x)＝{V₁,V₂,…,V_N}，随机选择x点的邻域点像素值作为该点模型样本值，一般取N为20。

背景点判定：背景点的判定主要依赖三个参数，样本集数目N，距离阈值d，近似度阈值m。设当前帧x点像素值为v(x)，此时的模型样本集为M(x)＝{V₁,V₂,…,V_N}，该点与样本值V_k距离为D_k(x)＝|v(x)-V_k|,k∈[1,N]，若D_k(x)小于距离阈值d，则记为近似样本。统计近似样本个数，若近似样本个数大于近似度阈值m，则判定该像素点为背景。

背景模型更新：当一个像素点被判定为背景点时，有1/φ的概率更新背景模型，即每一个背景点有1/φ的概率更新模型样本值，同时有1/φ概率更新相邻像素点的模型样本值。当前景点计数(对像素点是否为前景点进行统计，如果某个像素点连续N次被检测为前景，则将其更新为背景点)达到临界值时将其记为背景，并有1/φ的概率更新自己的模型样本值。

所述步骤3)中，计算R₁、R₂内前景像素点数占像素总数的比例：依次对R₁、R₂内每个像素点进行前景点判定，统计该区域内前景点个数，前景点个数除以该区域内总像素个数为前景占比。

所述步骤4)中，若S₁>Y_min(或S₂>Y_min)且S₂<N_max(或S₁<N_max)，则初步判定可能有目标出现；

所述步骤5)中，步骤4)满足且若干帧后，S₁>Y_min且S₂>Y_min，确认有目标出现。

下面以一个具体的实例对本发明的技术方案作举例说明：

第一步：在视频中划定两个感兴趣区域R₁、R₂，采用前景检测算法对图像帧的R₁、R₂进行像素级视频背景建模，并检测ROI中的前景。

第二步：计算R₁、R₂内前景像素点数占各ROI内像素总数的比例(记为S₁、S₂)。

第三步：若S₁>Y_min(或S₂>Y_min)且S₂<N_max(或S₁<N_max)，则初步判定可能有目标出现；。

第四步：步骤4)满足且若干帧后，S₁>Y_min且S₂>Y_min，确认有目标出现。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于视频的船舶检测方法，其特征在于，包括：

步骤1、采用前景检测算法对视频图像帧的两个感兴趣区域R₁、R₂后续的R1,R2都改成下标形式哈,前后统一)进行像素级视频背景建模；

步骤2、根据R₁、R₂内前景像素点数占各ROI内像素总数的比例S₁、S₂，设定阈值Y_min和N_max，其中Y_min代表目标出现时前景比例数应达到的最小值，N_max代表无目标出现时前景比例数不应超过的值；

步骤3、在实际检测时，若R₁前景比例S₁大于阈值Y_min且R₂前景比例S₂小于阈值Nmax，或者R₂前景比例S₂大于阈值Y_min且R1前景比例S₁小于阈值Nmax，则初步判断出有目标出现；

步骤4、当若干帧后，若R₁、R₂的前景比例均大于阈值Y_min，则最终判定目标出现。

2.根据权利要求1所述的基于视频的船舶检测方法，其特征在于，步骤1中对视频图像帧进行像素级背景建模分为三个步骤：背景模型初始化、背景点判定和背景模型更新；其中：

(1)背景模型初始化：对于一个像素点，结合相邻像素点有相近像素值的空间分布特性，随机选择该点邻域点像素值作为模型样本值；

(2)背景点判定：计算新像素值与背景模型样本值的距离，设定距离阈值d，近似度阈值m，若距离小于阈值d则记为近似样本；统计近似样本个数，若近似样本个数大于近似度阈值m，则判定该像素点为背景；

(3)背景模型更新：当一个像素点被判定为背景点时，有1/φ的概率更新背景模型，即每一个背景点有1/φ的概率更新模型样本值，同时有1/φ概率更新相邻像素点的模型样本值。

3.根据权利要求1所述的基于视频的船舶检测方法，其特征在于：计算感兴趣区域ROI内前景像素点数n占像素总数的比例S的方法为S＝n/(h*w)，其中h代表图像高度，w代表图像宽度。

4.根据权利要求1或3所述的基于视频的船舶检测方法，其特征在于，计算R₁、R₂内前景像素点数占像素总数的比例S₁、S₂，具体为：依次对R₁、R₂内每个像素点进行前景点判定，统计该区域内前景点个数，用前景点个数除以该区域内总像素个数为前景比例。

5.一种基于视频的船舶检测系统，其特征在于，包括：

背景建模模块，用于采用前景检测算法对视频图像帧的两个感兴趣区域R1、R2进行像素级视频背景建模；

阈值设定模块，用于根据R1、R2内前景像素点数占各ROI内像素总数的比例S₁、S₂，设定阈值Y_min和N_max，其中Y_min代表目标出现时前景比例数应达到的最小值，N_max代表无目标出现时前景比例数不应超过的值；

目标判定模块，用于根据以下原则进行目标判定：若R1前景比例S₁大于阈值Y_min且R2前景比例S₂小于阈值Nmax，或者R2前景比例S₂大于阈值Y_min且R1前景比例S₁小于阈值Nmax，则初步判断出有目标出现；当若干帧后，若R1、R2的前景比例均大于阈值Y_min，则最终判定目标出现。