CN108230369A - 一种改进的相邻帧差法 - Google Patents

一种改进的相邻帧差法 Download PDF

Info

Publication number
CN108230369A
CN108230369A CN201611154236.6A CN201611154236A CN108230369A CN 108230369 A CN108230369 A CN 108230369A CN 201611154236 A CN201611154236 A CN 201611154236A CN 108230369 A CN108230369 A CN 108230369A
Authority
CN
China
Prior art keywords
frame
image
follows
variance
integral 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Withdrawn
Application number
CN201611154236.6A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guigang Ruicheng Technology Co Ltd
Original Assignee
Guigang Ruicheng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guigang Ruicheng Technology Co Ltd filed Critical Guigang Ruicheng Technology Co Ltd
Priority to CN201611154236.6A priority Critical patent/CN108230369A/zh
Publication of CN108230369A publication Critical patent/CN108230369A/zh
Withdrawn legal-status Critical Current

Links

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
    • 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)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种改进的相邻帧差法，包括以下步骤：S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；S2：将两帧图像通过高频滤波器进行滤波处理；S3：利用积分图像法和平方积分法计算其均值和方差；S4：计算均数和方差的差值；S5：与阈值进行判断；S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。本发明提出了一种改进的相邻帧差法，该方法利用积分图像法和平方积分法，实现了计算速率的提升和精度的增加，该方法不用设全局阈值，适应性强且计算量小，改进了传统帧差法中环境较差时出现的图像模糊，可识别性不高的缺点，具有全数字化、智能化、实时可靠监控运动目标的特点。

Description

一种改进的相邻帧差法
技术领域
本发明具体涉及一种改进的相邻帧差法。
背景技术
智能视频监控就是利用计算机视觉技术，在不需要认为干涉的情况下对采集到的视频信号进行分析和判断，从而实现对监控场景中的景物变化进行识别、定位、跟踪及报警等操作。
运动目标检测在智能视频监控领域是备受关注的前沿方向，有着非常广阔的应用前景。目前，运动目标检测的方法主要有相邻帧差法、光流法、减背景法等。相邻帧差法是针对相邻的两三帧图像，通过阈值化处理进而提取出图像中的运动区域。光流法是根据图像序列的时间和空间梯度来对运动场进行估算，通过这种估算进而对运动目标进行场景的检测和分割，计算量较大，不能满足实时性要求。背景减除法是利用背景图像的参数模型来近似背景图像的像素值，将背景图像的像素与当前图像帧的像素进行对比和差值运算，其中差值比较大的像素区域被判定是运动目标，差值较小的被判定为背景区域。
发明内容
本发明要解决的技术问题是提供一种改进的相邻帧差法。
一种改进的相邻帧差法，包括以下步骤：
S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；
S2：将两帧图像通过高频滤波器进行滤波处理；
S3：利用积分图像法和平方积分法计算其均值和方差；
S4：计算均数和方差的差值；
S5：与阈值进行判断；
S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。
进一步的，所述高频滤波器如下：
引入算子变换关系为：
其中，Zx，y为滤波后的图像，Fx，y为原始图像，λ1、λ2为权重因子。
进一步的，利用积分图像法和平方积分法计算其均值和方差具体如下：
S3-1：积分图像法：
设G(i，j)为积分图像，代表所采集到的图像中的积分图像点阴影区域的灰度总和，F(x，y)为原始图像，则：
迭代公式如下：
其中，g(i，j)表示第j列的灰度总和；
设阴影部分为D，则D的积分图像可有四个顶点求出，公式如下：
G(D)＝G(4)+G(1)-G(2)-G(3)；
S3-2：平方积分法：
设S(i，j)为平方积分图像，表示图中阴影部分灰度值的平方和，F(x，y)为原始图像，则：
S(i，j)表示图中阴影部分灰度值的平方和，计算公式如下：
其中，L(i，j)表示第i列的平方积分；
阴影部分为D的平方积分计算公式如下：
S(D)＝S(4)+S(1)-S(2)-S(3)；
S3-3：计算均值与方差：
本发明的有益效果是：
本发明提出了一种改进的相邻帧差法，该方法利用积分图像法和平方积分法，实现了计算速率的提升和精度的增加，该方法不用设全局阈值，适应性强且计算量小，改进了传统帧差法中环境较差时出现的图像模糊，可识别性不高的缺点，具有全数字化、智能化、实时可靠监控运动目标的特点。
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。
一种改进的相邻帧差法，包括以下步骤：
S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；
S2：将两帧图像通过高频滤波器进行滤波处理；
S3：利用积分图像法和平方积分法计算其均值和方差；
S4：计算均数和方差的差值；
S5：与阈值进行判断；
S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。
所述高频滤波器如下：
引入算子变换关系为：
其中，Zx，y为滤波后的图像，Fx，y为原始图像，λ1、λ2为权重因子。
利用积分图像法和平方积分法计算其均值和方差具体如下：
S3-1：积分图像法：
设G(i，j)为积分图像，代表所采集到的图像中的积分图像点阴影区域的灰度总和，F(x，y)为原始图像，则：
迭代公式如下：
其中，g(i，j)表示第j列的灰度总和；
设阴影部分为D，则D的积分图像可有四个顶点求出，公式如下：
G(D)＝G(4)+G(1)-G(2)-G(3)；
S3-2：平方积分法：
设S(i，j)为平方积分图像，表示图中阴影部分灰度值的平方和，F(x，y)为原始图像，则：
S(i，j)表示图中阴影部分灰度值的平方和，计算公式如下：
其中，L(i，j)表示第i列的平方积分；
阴影部分为D的平方积分计算公式如下：
S(D)＝S(4)+S(1)-S(2)-S(3)；
S3-3：计算均值与方差：

Claims (3)

1.一种改进的相邻帧差法，其特征在于，包括以下步骤：
S1：设置滑动窗口，读取视频流的相邻两帧图像，从第一帧和第二帧开始，如果是最后一帧，算法结束；
S2：将两帧图像通过高频滤波器进行滤波处理；
S3：利用积分图像法和平方积分法计算其均值和方差；
S4：计算均数和方差的差值；
S5：与阈值进行判断；
S6：判断是否是最后一帧，如果不是，重复，如果是，则结束。
2.根据权利要求1所述的改进的相邻帧差法，其特征在于，所述高频滤波器如下：
引入算子变换关系为：
其中，Zx，y为滤波后的图像，Fx，y为原始图像，λ1、λ2为权重因子。
3.根据权利要求1所述的改进的相邻帧差法，其特征在于，利用积分图像法和平方积分法计算其均值和方差具体如下：
S3-1：积分图像法：
设G(i，j)为积分图像，代表所采集到的图像中的积分图像点阴影区域的灰度总和，F(x，y)为原始图像，则：
迭代公式如下：
其中，g(i，j)表示第j列的灰度总和；
设阴影部分为D，则D的积分图像可有四个顶点求出，公式如下：
G(D)＝G(4)+G(1)-G(2)-G(3)；
S3-2：平方积分法：
设S(i，j)为平方积分图像，表示图中阴影部分灰度值的平方和，F(x，y)为原始图像，则：
S(i，j)表示图中阴影部分灰度值的平方和，计算公式如下：
其中，L(i，j)表示第i列的平方积分；
阴影部分为D的平方积分计算公式如下：
S(D)＝S(4)+S(1)-S(2)-S(3)；
S3-3：计算均值与方差：
CN201611154236.6A 2016-12-14 2016-12-14 一种改进的相邻帧差法 Withdrawn CN108230369A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611154236.6A CN108230369A (zh) 2016-12-14 2016-12-14 一种改进的相邻帧差法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611154236.6A CN108230369A (zh) 2016-12-14 2016-12-14 一种改进的相邻帧差法

Publications (1)

Publication Number Publication Date
CN108230369A true CN108230369A (zh) 2018-06-29

Family

ID=62651027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611154236.6A Withdrawn CN108230369A (zh) 2016-12-14 2016-12-14 一种改进的相邻帧差法

Country Status (1)

Country Link
CN (1) CN108230369A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6822691B1 (en) * 2000-12-20 2004-11-23 Samsung Electronics Co., Ltd. Method of detecting motion in an interlaced video sequence utilizing region by region motion information and apparatus for motion detection
CN101635833A (zh) * 2008-07-22 2010-01-27 深圳市朗驰欣创科技有限公司 一种视频监控方法、装置及系统
CN103617632A (zh) * 2013-11-19 2014-03-05 浙江工业大学 一种结合相邻帧差法和混合高斯模型的运动目标检测方法
CN104835182A (zh) * 2015-06-03 2015-08-12 上海建炜信息技术有限公司 摄像机上实现动态目标实时跟踪的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6822691B1 (en) * 2000-12-20 2004-11-23 Samsung Electronics Co., Ltd. Method of detecting motion in an interlaced video sequence utilizing region by region motion information and apparatus for motion detection
CN101635833A (zh) * 2008-07-22 2010-01-27 深圳市朗驰欣创科技有限公司 一种视频监控方法、装置及系统
CN103617632A (zh) * 2013-11-19 2014-03-05 浙江工业大学 一种结合相邻帧差法和混合高斯模型的运动目标检测方法
CN104835182A (zh) * 2015-06-03 2015-08-12 上海建炜信息技术有限公司 摄像机上实现动态目标实时跟踪的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐谦: "一种改进的相邻帧差法在智能视频监控中的应用研究", 《信息与电脑(理论版)》 *

Similar Documents

Publication Publication Date Title
CN109949375B (zh) 一种基于深度图感兴趣区域的移动机器人目标跟踪方法
CN106846359B (zh) 基于视频序列的运动目标快速检测方法
CN104200485B (zh) 一种面向视频监控的人体跟踪方法
CN106204484B (zh) 一种基于光流和局部不变特征的交通目标跟踪方法
Han et al. Research on moving object detection algorithm based on improved three frame difference method and optical flow
CN103854292B (zh) 一种人数及人群运动方向的计算方法及装置
CN107679503A (zh) 一种基于深度学习的人群计数算法
CN104050685B (zh) 基于粒子滤波视觉注意力模型的运动目标检测方法
Chen et al. Tracking of moving object based on optical flow detection
CN105740945A (zh) 一种基于视频分析的人群计数方法
CN104794737A (zh) 一种深度信息辅助粒子滤波跟踪方法
CN111353496B (zh) 一种红外弱小目标实时检测方法
CN109711256A (zh) 一种低空复杂背景无人机目标检测方法
CN103942786B (zh) 无人机可见光和红外图像的自适应团块目标检测方法
CN103632373B (zh) 一种三帧差分高阶统计量结合otsu算法的絮体检测方法
CN107169992A (zh) 一种交通视频运动目标检测方法
Zhou et al. A traffic light recognition algorithm based on compressive tracking
CN103996199A (zh) 一种基于深度信息的运动检测方法
CN108230369A (zh) 一种改进的相邻帧差法
CN116193103A (zh) 一种视频画面抖动等级评估的方法
Xu et al. Moving target tracking based on adaptive background subtraction and improved camshift algorithm
Li et al. A moving object detection algorithm based on multiple judgments
Xiaojun et al. Tracking of moving target based on video motion nuclear algorithm
CN102663770A (zh) 基于三重粒子的粒子滤波视觉目标跟踪方法
CN202720689U (zh) 基于dsp的运动目标检测与跟踪系统

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: 20180629

WW01 Invention patent application withdrawn after publication