CN109308711A - 目标检测方法、装置及图像处理设备 - Google Patents
目标检测方法、装置及图像处理设备 Download PDFInfo
- Publication number
- CN109308711A CN109308711A CN201710617912.7A CN201710617912A CN109308711A CN 109308711 A CN109308711 A CN 109308711A CN 201710617912 A CN201710617912 A CN 201710617912A CN 109308711 A CN109308711 A CN 109308711A
- Authority
- CN
- China
- Prior art keywords
- pixel
- color
- value
- gray
- background model
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种目标检测方法、装置及图像处理设备,其中,目标检测方法包括:提取输入图像的当前帧图像的灰度缓存和彩色缓存,灰度缓存保存有当前帧图像的每个像素的灰度值,彩色缓存保持有当前帧图像的每个像素的彩色值;将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,得到当前像素的灰度匹配数和彩色匹配数;在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。本发明实施例基于彩色背景模型进行目标检测,与利用灰度背景模型相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种目标检测方法、装置及图像处理设备。
背景技术
在视频监控领域,图像前景检测是很多应用的基础。目前针对图像前景检测的方法已经进行了大量的研究工作。大部分的算法进行像素级的背景建模,以进行图像前景检测,其假设图像序列的像素值按照一定规律分布,通过对历史图像序列的像素值的统计分析,找到相似的估计背景值。在对整个图像进行了完整的分析之后,可以得到背景模型。
目前常用的前景检测方法包括:帧差分法(frame difference method)、单高斯模型(single gaussian model)、高斯混合(mixture of gaussian,MOG)模型、均值漂移(mean-shift)法、码本(codebook)算法、视觉背景提取(visual background extractor,Vibe)算法等。
帧差分法是在图像序列的相邻两帧间采用基于像素的时间差分,通过判断是否大于阈值来区分背景和前景。该方法只考虑了相邻两帧中相应像素的变化,并且假设在短时间内历史图像序列值没有明显变化。该帧差分法具有计算简单、操作速度快、以及实时性好等优点。但是,其无法适应复杂的场景。
单高斯模型假设像素序列的值遵守高斯分布,其解决了帧差分法中目标移动缓慢的问题,但是在噪声处理中仍然表现不佳。
MOG模型假设真实场景中的背景遵循多峰分布,每个像素由多个高斯分布建模,以描述多个可能的状态。MOG模型能够适应复杂的场景,背景更新机制能够处理背景改变的情况。但与此同时,其具有较慢的参数估计、较高的计算复杂度、以及高斯分布的数量难以估计等缺陷。
均值漂移法是对复杂场景的多峰分布进行建模,其获得了较好的检测结果,但是由于均值漂移是一种迭代技术,它必须考虑整个数据空间的收敛,因此,其具有较高的计算复杂度,这限制了像素级背景建模的应用。
码本算法是为每个像素设置一个码本,每个码本对应多个码元,并对复杂场景下的多峰分布进行建模。该方法必须使用一些早期的帧来学习背景,如果该场景一开始就很复杂,初始化结果会很差。而且还需要占用较大内存。
以上的前景检测方法都是在单个像素中进行分析,忽略了像素之间的关联。然而,Vibe算法考虑了像素间的关系,其假设相邻像素的分布是类似的,并且参考邻居建模非常快,只需要一帧。背景以一定的概率随机更新。该方法精度高、运行速度快。
应该注意,上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
发明人发现,目前大部分的前景检测方法都是基于灰度图像,如果彩色目标的灰度值与背景很像,它会被判断为背景。为了解决该问题,一些改进的算法使用三通道图像构建背景模型,其为每个通道建立三个模型,然而,这样会使计算量加倍,视频尺寸越大,计算量越大。
为了解决上述问题,本发明实施例提供一种目标检测方法、装置及图像处理设备。
根据本发明实施例的第一方面,提供了一种目标检测方法,其中,所述方法包括:
提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;
将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行匹配,得到当前像素的灰度匹配数和彩色匹配数;以及
在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
根据本发明实施例的第二方面,提供了一种目标检测装置,其中,所述装置包括:
第一提取单元,其提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;
匹配单元,其将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行匹配,得到当前像素的灰度匹配数和彩色匹配数;以及
第一更新单元,其在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
根据本发明实施例的第三方面,提供了一种图像处理设备,其中,所述图像处理设备包括前述第二方面所述的目标检测装置。
根据本发明实施例的第四方面,提供了一种计算机可读程序,其中当在目标检测装置或图像处理设备中执行所述程序时,所述程序使得所述目标检测装置或图像处理设备执行本发明实施例的第一方面所述的目标检测方法。
根据本发明实施例的第五方面,提供了一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得目标检测装置或图像处理设备执行本发明实施例的第一方面所述的目标检测方法。
本发明实施例的有益效果在于:本发明实施例基于彩色背景模型进行目标检测,与利用灰度背景模型相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。该方法可以用于视频监控系统的目标检测,提高了检测率。
参照后文的说明和附图,详细公开了本发明的特定实施方式,指明了本发明的原理可以被采用的方式。应该理解,本发明的实施方式在范围上并不因而受到限制。在所附权利要求的条款的范围内,本发明的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
在本发明实施例的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。此外,在附图中,类似的标号表示几个附图中对应的部件,并可用于指示多于一种实施方式中使用的对应部件。
所包括的附图用来提供对本发明实施例的进一步的理解,其构成了说明书的一部分,用于例示本发明的实施方式,并与文字描述一起来阐释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是实施例1的目标检测方法的一个实施方式的示意图;
图2是实施例1的目标检测方法中获取灰度缓存和彩色缓存的示意图;
图3是实施例1的目标检测方法中对灰度背景模型进行初始化的示意图;
图4是实施例1的目标检测方法的另一个实施方式的示意图;
图5是实施例2的目标检测装置的示意图;
图6是实施例2的目标检测装置的初始化单元的示意图;
图7是实施例3的图像处理设备的示意图。
具体实施方式
参照附图,通过下面的说明书,本发明的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本发明的特定实施方式,其表明了其中可以采用本发明的原则的部分实施方式,应了解的是,本发明不限于所描述的实施方式,相反,本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。
在本发明实施例中,术语“第一”、“第二”等用于对不同元素从称谓上进行区分,但并不表示这些元素的空间排列或时间顺序等,这些元素不应被这些术语所限制。术语“和/或”包括相关联列出的术语的一种或多个中的任何一个和所有组合。术语“包含”、“包括”、“具有”等是指所陈述的特征、元素、元件或组件的存在,但并不排除存在或添加一个或多个其他特征、元素、元件或组件。
在本发明实施例中,单数形式“一”、“该”等包括复数形式,应广义地理解为“一种”或“一类”而并不是限定为“一个”的含义;此外术语“所述”应理解为既包括单数形式也包括复数形式,除非上下文另外明确指出。此外术语“根据”应理解为“至少部分根据……”,术语“基于”应理解为“至少部分基于……”,除非上下文另外明确指出。
下面结合附图对本发明实施例的各种实施方式进行说明。这些实施方式只是示例性的,不是对本发明的限制。
实施例1
本实施例提供了一种目标检测方法,图1是本发明实施例1的目标检测方法的一个实施方式的示意图。请参照图1,该方法包括:
步骤101:提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;
步骤102:将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,得到当前像素的灰度匹配数和彩色匹配数;
步骤103:在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
在本实施例中,定义了灰度背景模型和彩色背景模型,每个像素对应一个灰度背景模型和一个彩色背景模型,并且随着对每一帧图像的检测,该灰度背景模型和彩色背景模型会被更新,以用于下一帧图像的检测。
在本实施例中,灰度背景模型中包含有多个灰度模型样本,该多个灰度模型样本的初始值是从每个像素的邻居像素的灰度值中选择出的;彩色背景模型中包含有多个彩色模型样本,该多个彩色模型样本的初始值是从每个像素的邻居像素的彩色值中选择出的,关于该灰度背景模型和彩色背景模型的初始化方法,将在下面进行说明。
通过本实施例的目标检测方法,在进行目标检测的过程中,基于灰度背景模型和彩色背景模型进行目标检测,与仅利用灰度背景模型进行目标检测相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。
在本实施例中,针对输入图像的每一帧,在步骤101中,可以提取该帧图像的灰度缓存和彩色缓存,得到该帧图像的每个像素的灰度值和彩色值。这里的灰度值可以是该像素的Y通道的值,这里的彩色值可以是该像素的U通道的值和V通道的值合并后的值,具体将在下面进行说明。
在本实施例中,得到了每个像素的灰度值和彩色值以后,在步骤102中,可以将其分别与该像素对应的灰度背景模型中的多个灰度模型样本以及彩色背景模型中的多个彩色模型样本进行比较,以确定灰度匹配数和彩色匹配数。这里的灰度匹配数是指该灰度值被匹配上的数量,在一个实施方式中,如果该像素的灰度值与某一个灰度模型样本的差大于预先设定的模型匹配半径,则认为该灰度模型样本被匹配上,灰度匹配数加1,由此,通过将该像素的灰度值与该多个灰度模型样本进行比较,可以确定有多少个灰度模型样本被匹配上,也即灰度匹配数。同理,可以获得彩色匹配数。
在本实施例中,得到了当前像素的灰度匹配数和彩色匹配数,可以在步骤103中,将其分别与预先设定的第一阈值和第二阈值进行比较,在灰度匹配数小于该第一阈值,或者彩色匹配数小于该第二阈值的情况下,认为该像素为前景点,则更新该像素的前景掩膜,例如,将前景掩膜上该像素对应的位置的像素值赋予255,由此得到该像素的前景检测结果。
在一个实施方式中,更新了该像素的前景掩膜之后,还可以将该像素对应的前景数加1,也即,将该像素被判定为前景点的次数加1。由此,可以在该像素被判定为前景点的次数达到一定数量的情况下,例如大于第三阈值的情况下,更新该像素的背景模型。也就是说,该像素(位置)作为前景像素停留了多帧图像,可以将其融入背景模型,即对其背景模型进行更新。
通过本实施例的方法生成的前景掩膜是二进制图像,其中,白色点,也即标记为255的点,指示了移动部分,由此能够找到每一帧图像的前景掩膜中的轮廓,然后,通过比较它们的距离,将这些轮廓聚类为斑点,最后,可以得到移动目标的矩形,该结果可被用于后续的事件判定。
通过本实施例的方法,对输入图像的每一帧图像的每个像素进行上述处理,可以得到对输入图像的检测结果,并且,本实施例的方法基于彩色背景模型进行目标检测,与利用灰度背景模型相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。当本实施例的方法用于视频监控系统的目标检测时,可以提高检测率。
在本实施例中,如果当前像素的灰度匹配数达到上述第一阈值,并且该像素的彩色匹配数达到上述第二阈值,则还可以更新当前像素对应的灰度背景模型和彩色背景模型,以便于利用更新后的灰度背景模型和彩色背景模块对下一帧图像该当前像素对应的位置的像素进行前景检测。
在一个实施方式中,对于更新灰度背景模型,可以使用当前像素的灰度值替换当前像素对应的灰度背景模型的多个灰度模型样本中与所述灰度值的差值最大的灰度模型样本的灰度值。同理,对于更新彩色背景模型,可以使用当前像素的彩色值替换当前像素对应的彩色背景模型的多个彩色模型样本中与所述彩色值的差值最大的彩色模型样本的灰度值。
在本实施方式中,关于该像素的灰度值与各个灰度模型样本的差值,可以在步骤102的比较过程中进行保存,此外,还可以保存差值最大的灰度模型样本的标识(ID),例如保存为Gmaxid,由此,可以在需要更新该像素对应的灰度背景模型时,直接将该Gmaxid的灰度值替换为该像素的灰度值。同理,关于该像素的彩色值与各个彩色模型样本的差值,也可以在步骤102的比较过程中进行保存,此外还可以保持差值最大的彩色模型样本的标识(ID),例如保存为Cmaxid,由此,可以在需要更新该像素的彩色背景模型时,直接将该Cmaxid的彩色值替换为该像素的彩色值。
在本实施例中,在对当前像素的灰度背景模型和彩色背景模型进行更新之后,还可以更新该像素的邻居像素中灰度值与当前像素的灰度值的差值最小的邻居像素的灰度背景模型和彩色背景模型,以及该像素的邻居像素中彩色值与当前像素的彩色值的差值最小的邻居像素的灰度背景模型和彩色背景模型。
这里的邻居像素例如为当前像素周围的8个像素,或者当前像素预定方向的预定数量的邻居像素等,本实施例并不以此作为限制。具体的更新方法如前所述,例如,可以将该邻居像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,统计该邻居像素的灰度匹配数和彩色匹配数;在该邻居像素的灰度匹配数达到第一阈值并且彩色匹配数达到第二阈值的情况下,更新该邻居像素对应的灰度模型样本和彩色模型样本;在该邻居像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新该邻居像素的前景掩膜,得到该邻居像素的前景检测结果。
在步骤101中,可以使用YUV图像作为输入图像,其中“Y”表示明亮度(Luminance或Luma),也就是灰度值;而“U”和“V”表示的则是色度(Chrominance或Chroma),其可以用于描述图像色彩及饱和度,用于指定像素的颜色。
图2是步骤101的一个实施方式的示意图,如图2所示,该方法包括:
步骤201:从输入图像中得到一帧图像,该输入图像可以是视频序列图像;
步骤202:对当前像素进行通道分离,得到当前像素的Y通道的值、U通道的值、以及V通道的值;
步骤203:将所述像素的Y通道的值放入当前帧图像的灰度缓存;
步骤204:将所述像素的U通道的值与V通道的值进行合并,合并后的值放入彩色缓存;
步骤205:判断当前帧图像是否还有没被处理的像素,如果判断为是,则执行步骤202,否则执行步骤206;
步骤206:输出当前帧图像的灰度缓存和彩色缓存。
在本实施方式中,根据YUV的原理,YUV与RGB之间的关系可以表示为:
R=Y+1.4075*(V-128)
G=Y-0.3455*(U-128)-0.7169*(V-128)
B=Y+1.779*(U-128)
从上述关系式可以看出,当U通道的值(简称为U值)和V通道的值(简称为V值)都是128时,该像素没有颜色。而U值和V值偏离128的程度可以表示多彩度,因此U值和V值合并后的值可以表示为:
cj=|Uj-128|+|Vj-128|
在该关系式中,cj为位置j的彩色值,Uj为位置j的U通道的值,Vj为位置j的V通道的值。这里,位置j是指当前像素所在的位置,因此位置j也可以称为像素j。
在本实施方式中,Y通道的值可以直接作为该像素的灰度值,如下式:
gj=Yj
在该关系式中,gj为位置j的灰度值,Yj为位置j的Y通道的值。同理,位置j也可以称为像素j。
通过图2的处理,可以得到当前帧图像的灰度缓存和彩色缓存,灰度缓存中保存有当前帧图像的每个像素的灰度值,彩色缓存中保存有当前帧图像的每个像素的彩色值。
在本实施例中,还可以利用输入图像的第一帧图像对灰度背景模型和彩色背景模型进行初始化。
在一个实施方式中,可以先提取第一帧图像的灰度缓存和彩色缓存,该灰度缓存保存有该第一帧图像的每个像素的灰度值,该彩色缓存保存有该第一帧图像的每个像素的彩色值,提取的方法如前所述,此处不再赘述。然后,根据该第一帧图像的每个像素的邻居像素的灰度值为每个像素建立灰度背景模型,并根据该第一帧图像的每个像素的邻居像素的彩色值为每个像素建立彩色背景模型。这里的邻居像素例如为当前像素的周围24个邻居像素,或者当前像素预定方向的预定数量的邻居像素等,本实施例并不以此作为限制。
在本实施方式中,可以根据每个像素的邻居像素的灰度值从每个像素的邻居像素中选择第一预定数量的邻居像素,将选择的邻居像素的灰度值作为该述像素对应的灰度背景模型中的灰度模型样本。同理,可以根据每个像素的邻居像素的彩色值从每个像素的邻居像素中选择第二预定数量的邻居像素,将选择的邻居像素的彩色值作为该像素对应的彩色背景模型中的彩色模型样本。
在本实施例中,第一预定数量和第二预定数量是预先确定的,可以相同,也可以不同。
在本实施例中,上述第一预定数量的灰度模型样本可以按照灰度值从小到大的顺序或者从大到小的顺序进行排序,以便于后续的比较。同样的,上述第二预定数量的彩色模型样本也可以按照灰度值从小到大的顺序或者从大到小的顺序进行排序,以便于后续的比较。
下面以一个具体示例对灰度背景模型和彩色背景模型的初始化方法进行说明。
首先,在初始化开始的时候,可以为灰度背景模型和彩色背景模型建立两个m*n*s的存储空间,m*n为图像的尺寸,s为每个模型中的模型样本数。另外,还可以创建m*n尺寸的存储空间来保存计数值,例如前述的像素被判定为前景点的计数值。
然后,可以为每个像素建立灰度背景模型和彩色背景模型,具体的,可以从邻居像素中获得预定数量的模型样本,这里,邻居像素的数量可以大于模型样本的数量,例如模型样本的数量为20,邻居像素的数量为24,将邻居像素中像素值(灰度值或彩色值)最大的两个像素和像素值(灰度值或彩色值)最小的两个像素去掉,将剩下的20个邻居像素的像素值(灰度值或彩色值)放入该像素对应的背景模型(灰度背景模型或彩色背景模型)中。
图3示意了初始化目标像素的灰度背景模型的一个示例。如图3所示,上侧是目标像素(中间位置)和邻居像素的灰度值,将邻居像素中灰度值相对最大的两个邻居像素(灰度值分别为160和165)和像素值相对最小的两个邻居像素(灰度值分别为102和105)去掉,剩下的邻居像素的灰度值作为目标像素的灰度模型样本,由此得到目标像素的灰度背景模型。
图4是本实施例的目标检测方法的另一个实施方式的流程图,请参照图4,该方法包括:
步骤401:使用第一帧图像初始化灰度背景模型和彩色背景模型;
步骤402:提取当前帧图像的灰度缓存和彩色缓存;
步骤403:将当前像素的灰度值和彩色值与其对应的灰度模型样本和彩色模型样本进行比较;
步骤404:统计灰度匹配数和彩色匹配数;
步骤405:判断灰度匹配数是否达到第一阈值并且彩色匹配数达到第二阈值;如果判断为是,则执行步骤407,否则执行步骤406;
步骤406:更新当前像素的前景掩膜,并将当前像素被判定为前景点的次数加1;
步骤407:更新当前像素的灰度背景模型和彩色背景模型,之后进入步骤409;
步骤408:判断当前像素被判定为前景点的次数是否大于第三阈值;如果判断为是,则执行步骤407,否则执行步骤409;
步骤409:判断是否还有没被处理的像素;如果判断为是,则执行步骤403,否则执行步骤410;
步骤410:判断是否还有没被处理的帧;如果判断为是,则执行步骤402,否则结束。
关于图4中各步骤的处理方式已经在前面做了详细说明,此处不再赘述。并且,图4示出了本实施例的目标检测方法的一个实施方式,但在具体实施过程中,有些步骤不是必须的,有些步骤可以通过其他手段来实现,具体如前所述,此处不再赘述。
通过本实施例的方法,对输入图像的每一帧图像的每个像素进行上述处理,可以得到对输入图像的检测结果,并且,本实施例的方法基于彩色背景模型进行目标检测,与利用灰度背景模型相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。当本实施例的方法用于视频监控系统的目标检测时,可以提高检测率。
实施例2
本实施例提供了一种目标检测装置,由于该装置解决问题的原理与实施例1的方法类似,因此其具体的实施可以参考实施例1的方法的实施,内容相同之处不再重复说明。
图5是本实施例的目标检测装置50的示意图,如图5所示,该目标检测装置500包括:第一提取单元501、匹配单元502、以及第一更新单元503。该第一提取单元501可以提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;该匹配单元502可以将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行匹配,得到当前像素的灰度匹配数和彩色匹配数;该第一更新单元503可以在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。其具体的实施可以参照图1中的各步骤,此处不再赘述。
在本实施例的一个实施方式中,第一更新单元503可以将前景掩膜上与当前像素对应的位置的像素值赋予255。此外,可选的,该第一更新单元503还可以将当前像素被判定为前景点的次数加1。
在本实施例中,如图5所示,该目标检测装置500还可以包括第二更新单元504,其可以在当前像素的灰度匹配数达到第一阈值并且彩色匹配数达到第二阈值的情况下,更新当前像素对应的灰度背景模型和彩色背景模型。
在一个实施方式中,该第二更新单元504可以使用当前像素的灰度值替换当前像素对应的灰度背景模型的多个灰度模型样本中与所述灰度值的差值最大的灰度模型样本的灰度值;并使用当前像素的彩色值替换当前像素对应的彩色背景模型的多个彩色模型样本中与所述彩色值的差值最大的彩色模型样本的灰度值。
在本实施例中,如图5所示,该目标检测装置500还可以包括第三更新单元505和第四更新单元506,该第三更新单元505可以更新当前像素的邻居像素中,灰度值与当前像素的灰度值的差值最小的邻居像素的灰度背景模型和彩色背景模型,该第四更新单元506可以更新当前像素的邻居像素中,彩色值与当前像素的彩色值的差值最小的邻居像素的灰度背景模型和彩色背景模型。
在一个实施方式中,该第三更新单元505和该第四更新单元506可以通过下面的方式对邻居像素的灰度背景模型和彩色背景模型进行更新:
将所述邻居像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,统计所述邻居像素的灰度匹配数和彩色匹配数;在所述邻居像素的灰度匹配数达到第一阈值并且彩色匹配数达到第二阈值的情况下,更新所述邻居像素对应的灰度模型样本和彩色模型样本;在所述邻居像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新所述邻居像素的前景掩膜,得到当前像素的前景检测结果。
在本实施例中,像素的灰度值是指所述像素的Y通道的值,所述像素的彩色值是指所述像素的U通道的值与V通道的值合并后的值。
在一个实施方式中,像素的彩色值可以表示为:
cj=|Uj-128|+|Vj-128|
其中,cj为像素j的彩色值,Uj为像素j的U通道的值,Vj为像素j的V通道的值。
在本实施例中,如果灰度值与灰度模型样本的差大于预先设定的模型匹配半径,则灰度匹配数加1;如果彩色值与彩色模型样本的差大于预先设定的模型匹配半径,则彩色匹配数加1。
在本实施例中,如图5所示,该装置500还可以包括:初始化单元507,其可以利用输入图像的第一帧图像对灰度背景模型和彩色背景模型进行初始化。
图6是本实施例的初始化单元507的一个实施方式的示意图,如图6所示,在该实施方式中,初始化单元507包括:第二提取单元601、第一建立单元602、以及第二建立单元603。第二提取单元601可以提取所述第一帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述第一帧图像的每个像素的灰度值,所述彩色缓存保存有所述第一帧图像的每个像素的彩色值;第一建立单元602可以根据所述第一帧图像的每个像素的邻居像素的灰度值为每个像素建立灰度背景模型;第二建立单元603可以根据所述第一帧图像的每个像素的邻居像素的彩色值为每个像素建立彩色背景模型。
在一个实施方式中,第一建立单元602可以根据每个像素的邻居像素的灰度值从每个像素的邻居像素中选择第一预定数量的邻居像素,将选择的邻居像素的灰度值作为所述像素的灰度背景模型中的灰度模型样本。
在一个实施方式中,第二建立单元603可以根据每个像素的邻居像素的彩色值从每个像素的邻居像素中选择第二预定数量的邻居像素,将选择的邻居像素的彩色值作为所述像素的彩色背景模型中的彩色模型样本。
通过本实施例的装置,对输入图像的每一帧图像的每个像素进行处理,可以得到对输入图像的检测结果,并且,本实施例的方法基于彩色背景模型进行目标检测,与利用灰度背景模型相比,仅增加了用于背景模型的一个通道,但可以获得更完整的前景。当本实施例的方法用于视频监控系统的目标检测时,可以提高检测率。
实施例3
本实施例提供一种图像处理设备,该图像处理设备包括如实施例2所述的目标检测装置。
图7是本实施例的图像处理设备的示意图。如图7所示,图像处理设备700可以包括:中央处理器(CPU)701和存储器702;存储器702耦合到中央处理器701。其中该存储器702可存储各种数据;此外还存储信息处理的程序,并且在中央处理器701的控制下执行该程序。
在一个实施方式中,目标检测装置700的功能可以被集成到中央处理器701中。其中,中央处理器701可以被配置为实现如实施例1所述的目标检测方法。
在另一个实施方式中,目标检测装置700可以与中央处理器701分开配置,例如可以将目标检测装置配置为与中央处理器701连接的芯片,通过中央处理器701的控制来实现目标检测装置的功能。
在本实施例中,中央处理器701可以被配置为进行如下的控制:提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行匹配,得到当前像素的灰度匹配数和彩色匹配数;在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
此外,如图7所示,图像处理设备700还可以包括:输入输出(I/O)设备703和显示器704等;其中,上述部件的功能与现有技术类似,此处不再赘述。值得注意的是,图像处理设备700也并不是必须要包括图7中所示的所有部件;此外,图像处理设备700还可以包括图7中没有示出的部件,可以参考现有技术。
本发明实施例提供一种计算机可读程序,其中当在目标检测装置或图像处理设备中执行所述程序时,所述程序使得所述目标检测装置或图像处理设备执行如实施例1所述的目标检测方法。
本发明实施例提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得目标检测装置或图像处理设备执行如实施例1所述的目标检测方法。
本发明以上的装置和方法可以由硬件实现,也可以由硬件结合软件实现。本发明涉及这样的计算机可读程序,当该程序被逻辑部件所执行时,能够使该逻辑部件实现上文所述的装置或构成部件,或使该逻辑部件实现上文所述的各种方法或步骤。本发明还涉及用于存储以上程序的存储介质,如硬盘、磁盘、光盘、DVD、flash存储器等。
结合本发明实施例描述的方法/装置可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图5中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合(例如,第一提取单元、匹配单元和第一更新单元等),既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图1所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,若设备(如移动终端)采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对附图中描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,可以实现为用于执行本发明所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。针对附图描述的功能方框中的一个或多个和/或功能方框的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本发明进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改,这些变型和修改也在本发明的范围内。
关于包括以上实施例的实施方式,还公开下述的附记:
附记1、一种目标检测方法,其中,所述方法包括:
提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;
将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,得到当前像素的灰度匹配数和彩色匹配数;
在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
附记2、根据附记1所述的方法,其中,更新当前像素的前景掩膜,包括:将前景掩膜上与当前像素对应的位置的像素值赋予255。
附记3、根据附记2所述的方法,其中,更新当前像素的前景掩膜,还包括:将当前像素被判定为前景点的次数加1。
附记4、根据权利要求1所述的方法,其中,所述方法还包括:
在当前像素的灰度匹配数达到第一阈值并且彩色匹配数达到第二阈值的情况下,更新当前像素对应的灰度背景模型和彩色背景模型。
附记5、根据附记4所述的方法,其中,更新当前像素对应的灰度背景模型和彩色背景模型,包括:
使用当前像素的灰度值替换当前像素对应的灰度背景模型的多个灰度模型样本中与所述灰度值的差值最大的灰度模型样本的灰度值;并使用当前像素的彩色值替换当前像素对应的彩色背景模型的多个彩色模型样本中与所述彩色值的差值最大的彩色模型样本的灰度值。
附记6、根据附记4所述的方法,其中,所述方法还包括:
在更新了当前像素对应的灰度背景模型和彩色背景模型之后,更新当前像素的邻居像素中,灰度值与当前像素的灰度值的差值最小的邻居像素的灰度背景模型和彩色背景模型;以及更新当前像素的邻居像素中,彩色值与当前像素的彩色值的差值最小的邻居像素的灰度背景模型和彩色背景模型。
附记7、根据附记6所述的方法,其中,更新邻居像素的灰度背景模型和彩色背景模型,包括:
将所述邻居像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,统计所述邻居像素的灰度匹配数和彩色匹配数;在所述邻居像素的灰度匹配数达到第一阈值并且彩色匹配数达到第二阈值的情况下,更新所述邻居像素对应的灰度模型样本和彩色模型样本;在所述邻居像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新所述邻居像素的前景掩膜,得到当前像素的前景检测结果。
附记8、根据附记1所述的方法,其中,所述像素的灰度值是指所述像素的Y通道的值,所述像素的彩色值是指所述像素的U通道的值与V通道的值合并后的值。
附记9、根据附记8所述的方法,其中,所述像素的彩色值表示为:
cj=|Uj-128|+|Vj-128|
其中,cj为像素j的彩色值,Uj为像素j的U通道的值,Vj为像素j的V通道的值。
附记10、根据附记1所述的方法,其中,如果灰度值与灰度模型样本的差大于预先设定的模型匹配半径,则灰度匹配数加1;如果彩色值与彩色模型样本的差大于预先设定的模型匹配半径,则彩色匹配数加1。
附记11、根据附记1所述的方法,其中,所述方法还包括:
利用输入图像的第一帧图像对灰度背景模型和彩色背景模型进行初始化。
附记12、根据附记11所述的方法,其中,对灰度背景模型和彩色背景模型进行初始化,包括:
提取所述第一帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述第一帧图像的每个像素的灰度值,所述彩色缓存保存有所述第一帧图像的每个像素的彩色值;
根据所述第一帧图像的每个像素的邻居像素的灰度值为每个像素建立灰度背景模型;
根据所述第一帧图像的每个像素的邻居像素的彩色值为每个像素建立彩色背景模型。
附记13、根据附记12所述的方法,其中,
为每个像素建立灰度背景模型,包括:根据每个像素的邻居像素的灰度值从每个像素的邻居像素中选择第一预定数量的邻居像素,将选择的邻居像素的灰度值作为所述像素的灰度背景模型中的灰度模型样本;
为每个像素建立彩色背景模型,包括:根据每个像素的邻居像素的彩色值从每个像素的邻居像素中选择第二预定数量的邻居像素,将选择的邻居像素的彩色值作为所述像素的彩色背景模型中的彩色模型样本。
Claims (10)
1.一种目标检测装置,其中,所述装置包括:
第一提取单元,其提取输入图像的当前帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述当前帧图像的每个像素的灰度值,所述彩色缓存保持有所述当前帧图像的每个像素的彩色值;
匹配单元,其将当前像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,得到当前像素的灰度匹配数和彩色匹配数;
第一更新单元,其在当前像素的灰度匹配数小于第一阈值或者彩色匹配数小于第二阈值的情况下,更新当前像素的前景掩膜,得到当前像素的前景检测结果。
2.根据权利要求1所述的装置,其中,所述装置还包括:
第二更新单元,其在当前像素的灰度匹配数达到所述第一阈值并且彩色匹配数达到所述第二阈值的情况下,更新当前像素对应的灰度背景模型和彩色背景模型。
3.根据权利要求2所述的装置,其中,
所述第二更新单元使用当前像素的灰度值替换当前像素对应的灰度背景模型的多个灰度模型样本中与所述灰度值的差值最大的灰度模型样本的灰度值;并使用当前像素的彩色值替换当前像素对应的彩色背景模型的多个彩色模型样本中与所述彩色值的差值最大的彩色模型样本的灰度值。
4.根据权利要求2所述的装置,其中,所述装置还包括:
第三更新单元,其更新当前像素的邻居像素中,灰度值与当前像素的灰度值的差值最小的邻居像素的灰度背景模型和彩色背景模型;以及
第四更新单元,其更新当前像素的邻居像素中,彩色值与当前像素的彩色值的差值最小的邻居像素的灰度背景模型和彩色背景模型。
5.根据权利要求4所述的装置,其中,
所述第三更新单元或者所述第四更新单元进行以下处理:将所述邻居像素的灰度值和彩色值分别与其对应的灰度背景模型的多个灰度模型样本和彩色背景模型的多个彩色模型样本进行比较,统计所述邻居像素的灰度匹配数和彩色匹配数;在所述邻居像素的灰度匹配数达到所述第一阈值并且彩色匹配数达到所述第二阈值的情况下,更新所述邻居像素对应的灰度模型样本和彩色模型样本;在所述邻居像素的灰度匹配数小于所述第一阈值或者彩色匹配数小于所述第二阈值的情况下,更新所述邻居像素的前景掩膜,得到当前像素的前景检测结果。
6.根据权利要求1所述的装置,其中,所述像素的灰度值是指所述像素的Y通道的值,所述像素的彩色值是指所述像素的U通道的值与V通道的值合并后的值。
7.根据权利要求6所述的装置,其中,所述像素的彩色值表示为:
cj=|Uj-128|+|Vj-128|
其中,cj为像素j的彩色值,Uj为像素j的U通道的值,Vj为像素j的V通道的值。
8.根据权利要求1所述的装置,其中,所述装置还包括:
初始化单元,其利用输入图像的第一帧图像对灰度背景模型和彩色背景模型进行初始化;
其中,所述初始化单元包括:
第二提取单元,其提取所述第一帧图像的灰度缓存和彩色缓存,所述灰度缓存保存有所述第一帧图像的每个像素的灰度值,所述彩色缓存保存有所述第一帧图像的每个像素的彩色值;
第一建立单元,其根据所述第一帧图像的每个像素的邻居像素的灰度值为每个像素建立灰度背景模型;
第二建立单元,其根据所述第一帧图像的每个像素的邻居像素的彩色值为每个像素建立彩色背景模型。
9.根据权利要求8所述的装置,其中,
所述第一建立单元根据每个像素的邻居像素的灰度值从每个像素的邻居像素中选择第一预定数量的邻居像素,将选择的邻居像素的灰度值作为所述像素的灰度背景模型中的灰度模型样本;
所述第二建立单元根据每个像素的邻居像素的彩色值从每个像素的邻居像素中选择第二预定数量的邻居像素,将选择的邻居像素的彩色值作为所述像素的彩色背景模型中的彩色模型样本。
10.一种图像处理设备,其中,所述图像处理设备包括权利要求1-9任一项所述的目标检测装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710617912.7A CN109308711B (zh) | 2017-07-26 | 2017-07-26 | 目标检测方法、装置及图像处理设备 |
JP2018056508A JP7063039B2 (ja) | 2017-07-26 | 2018-03-23 | 目標検出方法、目標検出装置及び画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710617912.7A CN109308711B (zh) | 2017-07-26 | 2017-07-26 | 目标检测方法、装置及图像处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109308711A true CN109308711A (zh) | 2019-02-05 |
CN109308711B CN109308711B (zh) | 2021-11-05 |
Family
ID=65202360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710617912.7A Active CN109308711B (zh) | 2017-07-26 | 2017-07-26 | 目标检测方法、装置及图像处理设备 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7063039B2 (zh) |
CN (1) | CN109308711B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724426A (zh) * | 2019-03-19 | 2020-09-29 | 杭州海康威视数字技术股份有限公司 | 一种背景建模方法及用于背景建模的相机 |
CN111859001A (zh) * | 2020-07-06 | 2020-10-30 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722891B (zh) * | 2019-03-19 | 2024-05-28 | 腾讯科技(深圳)有限公司 | 显示方法、装置、计算机可读存储介质和计算机设备 |
CN110781713A (zh) * | 2019-06-21 | 2020-02-11 | 中云智慧(北京)科技有限公司 | 一种获取目标图像的方法及装置 |
CN112749596A (zh) * | 2019-10-31 | 2021-05-04 | 顺丰科技有限公司 | 异常画面检测方法、装置、电子设备和存储介质 |
CN111539933B (zh) * | 2020-04-22 | 2023-06-06 | 大连日佳电子有限公司 | 一种直插元件检测方法及系统 |
CN111679877B (zh) * | 2020-05-27 | 2023-08-29 | 浙江大华技术股份有限公司 | 一种变更终端设备背景的方法、装置和电子设备 |
CN115941857B (zh) * | 2022-12-30 | 2024-04-02 | 湖南大学 | 除雾电路和方法 |
CN117372966B (zh) * | 2023-12-06 | 2024-03-01 | 陕西龙跃锐星科技有限公司 | 基于视频监控的转台状态监测方法 |
CN118090744A (zh) * | 2024-04-22 | 2024-05-28 | 苏州萱辰自动化科技有限公司 | 基于激光3d分层检测的工件缺陷识别方法及检测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090067709A1 (en) * | 2007-09-07 | 2009-03-12 | Ari David Gross | Perceptually lossless color compression |
US20130311503A1 (en) * | 2000-11-06 | 2013-11-21 | Nant Holdings Ip, Llc | Image Capture and Identification System and Process |
CN103475800A (zh) * | 2013-09-25 | 2013-12-25 | 北京智诺英特科技有限公司 | 图像序列中前景的检测方法和装置 |
CN106296666A (zh) * | 2016-08-01 | 2017-01-04 | 北京大学深圳研究生院 | 一种彩色图像去阴影方法和应用 |
CN106408554A (zh) * | 2015-07-31 | 2017-02-15 | 富士通株式会社 | 遗留物检测装置、方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007312206A (ja) | 2006-05-19 | 2007-11-29 | Canon Inc | 撮像装置及び、画像再生装置 |
ATE458231T1 (de) | 2007-07-08 | 2010-03-15 | Univ Liege | Extraktor für visuellen hintergrund |
JP5572992B2 (ja) | 2009-05-11 | 2014-08-20 | 株式会社ニコン | 画像処理装置、撮像装置及び画像処理プログラム |
EP2463821A1 (en) | 2010-12-08 | 2012-06-13 | Alcatel Lucent | Method and system for segmenting an image |
-
2017
- 2017-07-26 CN CN201710617912.7A patent/CN109308711B/zh active Active
-
2018
- 2018-03-23 JP JP2018056508A patent/JP7063039B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130311503A1 (en) * | 2000-11-06 | 2013-11-21 | Nant Holdings Ip, Llc | Image Capture and Identification System and Process |
US20090067709A1 (en) * | 2007-09-07 | 2009-03-12 | Ari David Gross | Perceptually lossless color compression |
CN103475800A (zh) * | 2013-09-25 | 2013-12-25 | 北京智诺英特科技有限公司 | 图像序列中前景的检测方法和装置 |
CN106408554A (zh) * | 2015-07-31 | 2017-02-15 | 富士通株式会社 | 遗留物检测装置、方法和系统 |
CN106296666A (zh) * | 2016-08-01 | 2017-01-04 | 北京大学深圳研究生院 | 一种彩色图像去阴影方法和应用 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724426A (zh) * | 2019-03-19 | 2020-09-29 | 杭州海康威视数字技术股份有限公司 | 一种背景建模方法及用于背景建模的相机 |
CN111724426B (zh) * | 2019-03-19 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种背景建模方法及用于背景建模的相机 |
CN111859001A (zh) * | 2020-07-06 | 2020-10-30 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
CN111859001B (zh) * | 2020-07-06 | 2022-05-31 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP7063039B2 (ja) | 2022-05-09 |
CN109308711B (zh) | 2021-11-05 |
JP2019028991A (ja) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109308711A (zh) | 目标检测方法、装置及图像处理设备 | |
WO2017092431A1 (zh) | 基于肤色的人手检测方法及装置 | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
US7742650B2 (en) | Object detection in images | |
US8126268B2 (en) | Edge-guided morphological closing in segmentation of video sequences | |
KR101282196B1 (ko) | 다시점 영상에서 코드북 기반의 전경 및 배경 분리 장치 및 방법 | |
US20090028432A1 (en) | Segmentation of Video Sequences | |
CN109949248B (zh) | 修改车辆在图像中的颜色的方法、装置、设备及介质 | |
CN109598223A (zh) | 基于视频获取目标人物的方法和装置 | |
US20240029272A1 (en) | Matting network training method and matting method | |
CN105809716B (zh) | 融合超像素与三维自组织背景减除法的前景提取方法 | |
US10417772B2 (en) | Process to isolate object of interest in image | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
WO2010043771A1 (en) | Detecting and tracking objects in digital images | |
US9082019B2 (en) | Method of establishing adjustable-block background model for detecting real-time image object | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
TW201032180A (en) | Method and device for keeping image background by multiple gauss models | |
CN109978916A (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
Jeong-Won et al. | Deep color constancy using temporal gradient under AC light sources | |
CN111626186A (zh) | 一种司机分心检测方法 | |
CN113902765B (zh) | 基于全景分割的半导体自动分区方法 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
CN115239551A (zh) | 视频增强方法和装置 | |
CN109325946A (zh) | 一种危险化学品堆垛监测方法和系统 | |
CN109141457A (zh) | 导航评估方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |