CN108921078A - 基于视频的时空背景建模运动前景检测算法 - Google Patents
基于视频的时空背景建模运动前景检测算法 Download PDFInfo
- Publication number
- CN108921078A CN108921078A CN201810679642.7A CN201810679642A CN108921078A CN 108921078 A CN108921078 A CN 108921078A CN 201810679642 A CN201810679642 A CN 201810679642A CN 108921078 A CN108921078 A CN 108921078A
- Authority
- CN
- China
- Prior art keywords
- pixel
- background model
- video
- background
- frame
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 3
- 239000000284 extract Substances 0.000 claims abstract description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000006002 Pepper Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于视频的时空背景建模运动前景检测方法,包括:首先对视频的前L帧进行中值滤波处理;利用视频中值滤波处理后的前L帧建立时间域背景模型;利用前L帧中的最后一帧,建立空间域背景模型;4)运动前景检测;对背景模型进行更新,以便背景模型可以适应缓慢的环境变化,提取出准确的前景。
Description
技术领域:
本发明属于智能视频监控领域。具体来说是一种基于普通单目摄像头,单摄像机(即一般的现有视频监控平台)的运动检测分析系统。
背景技术:
近年来,随着安防技术的发展及人们对社会安全的重视,几乎所有的场所都安装了视频监控平台。从校园、银行、博物馆、商场到医院、工厂等,视频监控系统在城市公共安全、智能交通、打击犯罪等等诸多领域,发挥着不可替代的作用,为人们的生命财产安全提供了保障,保卫着社会的稳定和繁荣。
现在越来越多的视频分析算法需要对视频内容进行分析,但是视频中存在的感兴趣区域一般并不会充满整个视频监控场景,如果不对视频信息进行针对性的分析,就会浪费很多的计算分析资源。因而进行视频分析的首要一步就是要提取出视频中的运动前景。
随着图像模式识别,计算机视觉等技术的不断发展,各种智能的算法不断被提出,近几年来,机器学习、深度学习也愈加受人关注,并且吸引越来越多的人投身其中,相关研究也不断深入。而这些技术在视频监控中的应用更加需要集中对视频中的运动前景进行分析,但是现有的运动前景检测算法中,基于帧差的运动前景检测容易造成前景空洞,无法提取出完整的前景区域;基于光流法的运动前景检测计算量较大并容易受到周围环境光照等条件的影响;基于混合高斯模型等的背景建模方法速度较慢,限制条件也较多。
因此使用一种准确有效的视频运动前景检测算法并提取出感兴趣前景的区域,可以加快相关视频分析算法的速度,这不仅减轻了基于视频的分析算法的开销,同时由于预先提取了运动区域,避免了对无关区域分析而可能产生的错误,从而也能一定程度上提升相关分析算法的性能。
发明内容:
本发明提出了一种基于视频时空信息的背景建模方法,可以快速准确地对视频中的运动区域进行检测,从而提取出相应的运动区域,为各种视频分析算法提供保证,技术方案如下:
一种基于视频的时空背景建模运动前景检测方法,包括以下步骤:
1)首先对视频的前L帧进行中值滤波处理,从而去掉视频中存在的椒盐噪声并保留图像的边缘细节。
2)利用视频中值滤波处理后的前L帧建立时间域背景模型。对于某一个固定位置的像素点m,随机采样L帧中同一个位置的像素N次,建立时间域背景模型,T(m),有{Ti(m)|i=1,2…N},其中Ti(m)为时间背景模型中的像素值。
3)利用前L帧中的最后一帧,建立空间域背景模型:对某一像素点m,在最后一帧中该像素点周围的8邻域内随机取样N个数,建立空间域背景模型S(m),有{Sj(m)|j=1,2…N},其中Sj(m)为空间背景模型中的像素值。
4)对于新的图像,利用公式(1)(2)(3)运动前景检测:
其中,Yr是一个常数,表示对背景像素的误差容忍度,xt(m)表示当前时刻t像素点m的值,对于时刻t,用Ft(m)表示一个像素点m是否为前景点,为1时表示当前像素为背景点,为0时则为前景点;Yn是一个常数,如果当前点像素值和时域、空域所有样本点相比,距离小于Yr的个数大于等于Yn,则该像素点为背景点。
5)对背景模型进行更新,以便背景模型可以适应缓慢的环境变化,提取出准确的前景,方法如下:在开始检测后,若某一像素点被判断为前景点,则暂时不更新该位置的像素点背景模型,如果某像素点长时间被判断为前景点,则将该点像素逐渐更新到背景模型中去;若某一像素点被判断为背景点,则随机将该像素点值更新到背景模型中。
附图说明:
图1为本方法的背景建模和前景检测过程。
具体实施方式:
现有视频监控的一般架构为:由模拟摄像机拍摄的画面经过线缆一部分直接传给监视器显示,另一部分传给硬盘录像机。当需要对视频信息进行分析时,可另接一路将视频信号传输到服务器并对视频提取相应的前景区域,之后针对前景区域进行检测分析。
下面对各个部分进行详细说明:
1.时间域背景建模
利用视频中值滤波处理后的前L帧(L可取20)建立时间域背景模型。对于某一个固定位置的像素点m,随机采样L帧中同一个位置的像素N次,建立时间域背景模型T(m),有{Ti(m)|i=1,2…N},其中Ti(m)为时间背景模型中的像素值。
2.空间域背景建模
对前L帧中的最后一帧,提取信息并建立空间域背景模型。对某一像素点m,在最后一帧中该像素点周围的8邻域内随机取样N个数,建立空间域背景模型S(m),有{Sj(m)|j=1,2…N},其中Sj(m)为空间背景模型中的像素值。
3.运动前景检测
在背景建模完成后,利用公式(1)(2)(3)来进行前景检测。其中Yr是一个常数,表示对背景像素的误差容忍度,xt(m)表示当前时刻t像素点m的值。对于时刻t,用Ft(m)表示一个像素点m是否为前景点,为1时表示当前像素为背景点,为0时则为前景点。其中Yn是一个常数,如果当前点像素值和时域、空域所有样本点相比,距离小于Yr的个数大于等于Yn,则该像素点为背景点。
4.背景模型更新
(1)若像素点m被判断为背景点,则更新该点的背景模型。对于背景模型的时域部分T(m),有的概率进行更新。更新时用当前像素值xt(m)随机替换T(m)中的一个值;并随机选取m周围8邻域的一个像素点,记为n,同样有的概率更新点n的时域部分T(n),更新时用当前像素值xt(m)随机替换T(n)中的一个值,此时时域部分更新完成。对背景模型的空域部分S(m),以相同策略进行更新。
(2)若像素点m被判断为前景点,则暂时不进行背景模型更新,若某一点连续NR帧被检测为前景点,则按(1)更新该点的背景模型。
Claims (1)
1.一种基于视频的时空背景建模运动前景检测方法,包括以下步骤:
1)首先对视频的前L帧进行中值滤波处理,从而去掉视频中存在的椒盐噪声并保留图像的边缘细节;
2)利用视频中值滤波处理后的前L帧建立时间域背景模型;对于某一个固定位置的像素点m,随机采样L帧中同一个位置的像素N次,建立时间域背景模型,T(m),有{Ti(m)|i=1,2…N},其中Ti(m)为时间背景模型中的像素值;
3)利用前L帧中的最后一帧,建立空间域背景模型:对某一像素点m,在最后一帧中该像素点周围的8邻域内随机取样N个数,建立空间域背景模型S(m),有{Sj(m)|j=1,2…N},其中Sj(m)为空间背景模型中的像素值;
4)对于新的图像,利用公式(1)(2)(3)运动前景检测:
其中,Yr是一个常数,表示对背景像素的误差容忍度,xt(m)表示当前时刻t像素点m的值,对于时刻t,用Ft(m)表示一个像素点m是否为前景点,为1时表示当前像素为背景点,为0时则为前景点;Yn是一个常数,如果当前点像素值和时域、空域所有样本点相比,距离小于Yr的个数大于等于Yn,则该像素点为背景点;
5)对背景模型进行更新,以便背景模型可以适应缓慢的环境变化,提取出准确的前景,方法如下:在开始检测后,若某一像素点被判断为前景点,则暂时不更新该位置的像素点背景模型,如果某像素点长时间被判断为前景点,则将该点像素逐渐更新到背景模型中去;若某一像素点被判断为背景点,则随机将该像素点值更新到背景模型中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810679642.7A CN108921078A (zh) | 2018-06-27 | 2018-06-27 | 基于视频的时空背景建模运动前景检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810679642.7A CN108921078A (zh) | 2018-06-27 | 2018-06-27 | 基于视频的时空背景建模运动前景检测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921078A true CN108921078A (zh) | 2018-11-30 |
Family
ID=64423957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810679642.7A Pending CN108921078A (zh) | 2018-06-27 | 2018-06-27 | 基于视频的时空背景建模运动前景检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921078A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300118A (zh) * | 2019-07-09 | 2019-10-01 | 联想(北京)有限公司 | 流媒体处理方法、装置及存储介质 |
US11699264B2 (en) | 2019-12-27 | 2023-07-11 | Industrial Technology Research Institute | Method, system and computing device for reconstructing three-dimensional planes |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205833A (zh) * | 2015-09-15 | 2015-12-30 | 杭州中威电子股份有限公司 | 一种基于时空背景模型的运动目标检测方法及装置 |
CN105472204A (zh) * | 2014-09-05 | 2016-04-06 | 南京理工大学 | 基于运动检测的帧间降噪方法 |
CN106157332A (zh) * | 2016-07-07 | 2016-11-23 | 合肥工业大学 | 一种基于ViBe算法的运动检测优化方法 |
CN107330441A (zh) * | 2017-05-26 | 2017-11-07 | 天津大学 | 火焰图像前景提取算法 |
-
2018
- 2018-06-27 CN CN201810679642.7A patent/CN108921078A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105472204A (zh) * | 2014-09-05 | 2016-04-06 | 南京理工大学 | 基于运动检测的帧间降噪方法 |
CN105205833A (zh) * | 2015-09-15 | 2015-12-30 | 杭州中威电子股份有限公司 | 一种基于时空背景模型的运动目标检测方法及装置 |
CN106157332A (zh) * | 2016-07-07 | 2016-11-23 | 合肥工业大学 | 一种基于ViBe算法的运动检测优化方法 |
CN107330441A (zh) * | 2017-05-26 | 2017-11-07 | 天津大学 | 火焰图像前景提取算法 |
Non-Patent Citations (1)
Title |
---|
赵敏 等: "时空背景模型下结合多种纹理特征的烟雾检测", 《HTTP://KNS.CNKI.NET/KCMS/DETAIL/61.1069.T.20180608.1814.014.HTML》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300118A (zh) * | 2019-07-09 | 2019-10-01 | 联想(北京)有限公司 | 流媒体处理方法、装置及存储介质 |
US11699264B2 (en) | 2019-12-27 | 2023-07-11 | Industrial Technology Research Institute | Method, system and computing device for reconstructing three-dimensional planes |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190294881A1 (en) | Behavior recognition | |
WO2018032660A1 (zh) | 一种运动目标检测方法及系统 | |
CN106006266A (zh) | 一种应用于电梯安全监控的机器视觉建立方法 | |
CN103093198B (zh) | 一种人群密度监测方法及装置 | |
CN106241533A (zh) | 基于机器视觉的电梯乘员综合安全智能监控方法 | |
EP2891990A1 (en) | Method and device for monitoring video digest | |
CN107230267B (zh) | 基于人脸识别算法的幼儿园智能签到方法 | |
CN109543691A (zh) | 积水识别方法、装置以及存储介质 | |
CN106241534A (zh) | 多人乘梯异常活动智能监控方法 | |
CN114708555A (zh) | 基于数据处理的森林防火监控方法及电子设备 | |
US11113838B2 (en) | Deep learning based tattoo detection system with optimized data labeling for offline and real-time processing | |
CN109558790B (zh) | 一种行人目标检测方法、装置及系统 | |
CN107862072A (zh) | 基于大数据技术分析车辆入城套牌作案的方法 | |
CN108921078A (zh) | 基于视频的时空背景建模运动前景检测算法 | |
CN108898098A (zh) | 基于监控平台的早期视频烟雾检测方法 | |
KR20120014515A (ko) | 전경 및 배경 분리 장치 및 방법 | |
US20110280442A1 (en) | Object monitoring system and method | |
CN102902965A (zh) | 实现多目标跟踪的视频图像数据结构化描述处理的方法 | |
CN111126411B (zh) | 一种异常行为识别方法及装置 | |
CN101715070A (zh) | 特定监控视频中的背景自动更新方法 | |
CN109559518A (zh) | 一种基于结构化图像识别算法的新型智能交通卡口 | |
JP6621092B1 (ja) | 危険度判別プログラム及びシステム | |
CN102254396A (zh) | 基于视频的入侵检测方法及装置 | |
CN116823884A (zh) | 多目标跟踪方法、系统、计算机设备及存储介质 | |
CN110796008A (zh) | 一种基于视频图像的早期火灾检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |
|
RJ01 | Rejection of invention patent application after publication |