CN110634152A - 一种基于背景建模和多帧确认的目标检测方法 - Google Patents
一种基于背景建模和多帧确认的目标检测方法 Download PDFInfo
- Publication number
- CN110634152A CN110634152A CN201910731152.1A CN201910731152A CN110634152A CN 110634152 A CN110634152 A CN 110634152A CN 201910731152 A CN201910731152 A CN 201910731152A CN 110634152 A CN110634152 A CN 110634152A
- Authority
- CN
- China
- Prior art keywords
- frame
- target
- background
- frame difference
- 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.)
- Granted
Links
Images
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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于背景建模和多帧确认的目标检测方法,包括:建立帧缓存队列以得到累积帧差模板;对视频序列中的图像序列进行预处理得到二值图像,并根据所述二值图像进行背景建模得到背景模型;对所述二值图像进行筛选,得到目标候选区域;对所述目标候选区域进行多帧确认得到目标检测结果;根据所述目标检测结果更新背景模型。本发明提供的目标检测方能够较好的抑制环境干扰,同时提高了目标的检测率和定位精度,且具有较好的实时性。
Description
技术邻域
本发明属于目标检测技术邻域,具体涉及一种基于背景建模和多帧确认的目标检测方法。
背景技术
随着计算机技术的发展和计算机视觉原理的广泛应用,利用计算机图像处理技术对目标进行实时跟踪研究越来越热门,对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。目标检测技术是目标识别与跟踪中的必要技术之一,其直接影响后续校正目标运动轨迹、评估扩散范围以及定位目标出现位置的精确性。
目前,背景差分法是运动目标检测中应用较为广泛的一种方法,它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。该方法将当前帧图像的灰度值减去背景图像的灰度值,将得到的新图像的灰度值与所选阈值相比较,从而得出前景图像。对比于其它检测方法,背景差分方法可以给出更完整的特征等数据信息,技术难度较低、实时响应性优良。
然而,背景差分法在现实使用的情况下受光线强度改变、环境的波动、噪声等环境变化引起干扰的影响较大,导致背景模型图像不稳定、对动态环境变化敏感度高的问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于背景建模和多帧确认的目标检测方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于背景建模和多帧确认的目标检测方法,包括:
建立帧缓存队列以得到累积帧差模板;
对视频序列中的图像序列进行预处理得到二值图像,并根据所述二值图像进行背景建模得到背景模型;
对所述二值图像进行筛选,得到目标候选区域;
对所述目标候选区域进行多帧确认得到目标检测结果;
根据所述目标检测结果更新背景模型。
在本发明的一个实施例中,建立帧缓存队列以得到累积帧差模板包括:
建立n帧的帧缓存队列,其中,n为正整数,且n≥7;
根据所述帧缓存队列建立累积帧差模板。
在本发明的一个实施例中,根据所述帧缓存队列建立累积帧差模板包括:
选取所述帧缓存队列中的某一帧图像与当前图像作帧差,并取绝对值,得到第一绝对帧差;
将所述第一绝对帧差与预设第一阈值进行比较,若所述第一绝对差大于所述第一阈值,则将所述帧缓存队列中对应像素点的像素值加1,得到累积帧差模板。
在本发明的一个实施例中,对视频序列中的图像序列进行预处理得到二值图像包括:
选取所述累积帧差模板中第一帧作为初始背景模型;
对当前图像与所述初始背景模型做帧差并取绝对值得到第二绝对帧差;
对所述第二绝对帧差与预设第二阈值进行比较判断得到二值图像。
在本发明的一个实施例中,根据所述二值图像进行背景建模得到背景模型包括:
根据前M帧的二值图像,进行背景建模,得到背景模型;其中,M为正整数。
在本发明的一个实施例中,对所述二值图像按照设定像素点为邻域分成若干小块,并记录像素值不为0的小块;
对所述像素值不为0的小块进行连通域判断,并将连通的小块合并成矩形框;
根据所述累积帧差模板选择所述矩形框中未包含动态背景的小块,得到目标候选区域。
在本发明的一个实施例中,对所述目标候选区域进行多帧确认得到目标检测结果包括:
在所述帧缓存队列中截取与所述目标候选区域对应的矩形区域,并用第1帧到第n-1帧依次与第0帧进行背景帧差,得到n-1帧背景帧差图像;
根据目标的持续时间在所述n-1帧背景帧差图像中选择包含有目标的第一候选区;
根据目标的尺寸变化规律在所述n-1帧背景帧差图像中选择包含有目标的第二候选区;
根据所述第一候选区和所述第二候选区得到目标检测结果。
在本发明的一个实施例中,根据所述目标检测结果更新背景模型包括:
将帧缓存队列中与目标检测结果对应的矩形框截取出来,并判断所述帧缓存队列中的图像是否有目标出现,若有,则停止更新背景模型,若没有,则继续进行背景模型更新。
本发明的有益效果:
1、本发明提供的目标检测方法通过综合检测多帧图像的特征信息建立背景模型,同时增加了累积帧差模板,用于区分动态背景,并由此抑制动态背景的干扰,降低了环境变化对背景模型的影响。
2、本发明提供的目标检测方法增加了多帧确认步骤,大大提高了目标的检测率及定位精度。
3、本发明提供的目标检测方法简单,具有较好的实时性。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于背景建模和多帧确认的目标检测方法流程图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种基于背景建模和多帧确认的目标检测方法流程图,包括:
步骤1:建立帧缓存队列以得到累积帧差模板;
在本实施例主要是针对运动目标进行检测的,首先要获取视频信息。同时对算法进行初始化操作。
第一,对获取的视频信息中的图像序列建立帧缓存队列。
在本实施例中,帧缓存队列的数量由用户自行设置。记n帧帧缓存为imgbuffer[0]-imgbuffer[n-1]。一般情况下,缓存队列的帧数大于7帧,就可以检测到目标,但是若帧数过大,又会导致算法复杂,计算量大,因此,一般情况下,缓存队列的帧数选择范围为10≤n≤20。在本实施例中,优选缓存队列n=15。
当输入的帧数小于n帧时,将图像送入帧缓存中。当输入的帧数大于等于n帧时,将帧缓存队列中最先来的一帧,即imgbuffer[0]送出队列,并将之后的每一帧依次向前移动一位。此时,帧缓存中最后的一帧,即imgbuffer[n-1]被清空,等待存放下一帧图像。
第二,建立累积帧差模板。
选取所述帧缓存队列中的某一帧图像与当前图像作帧差,并取绝对值,得到第一绝对帧差;
将所述第一绝对帧差与预设第一阈值进行比较,若所述第一绝对差大于所述第一阈值,则将所述帧缓存队列中对应像素点的像素值加1,得到累积帧差模板。
在本实施例中,将当前图像与帧缓存中的倒数第4帧进行帧差并取绝对值,第一阈值设定为20,若帧差结果大于20,则累积帧差模板中对应像素点的像素值加1,否则累积帧差模板中对应像素点的像素值不变,以此得到累积帧差模板。
步骤2:对视频序列中的图像序列进行预处理得到二值图像,并根据所述二值图像进行背景建模得到背景模型;
第一,选取所述累积帧差模板中第一帧作为初始背景模版;
第二,对当前图像与所述初始背景模版做帧差,并取绝对值得到第二绝对帧差;
在本实施例中,第二绝对帧差是通过用当前图像与背景模型中的i*i邻域做绝对帧差得到的,其中i为正整数。
第三,对所述第二绝对帧差与预设第二阈值进行比较判断,得到二值图像。
在本实施例中,选择与背景模型中的5*5邻域做绝对帧差。
在本实施例中,对上一步得到的第二绝对帧差对应的图像按i*i像素点为邻域进行分块。满足块内像素点之和大于160,且大于10的像素点个数多余16个才为真,并将其作为目标的候选图像,由此得到一个二值图像。
综合检测前M帧的二值图像进行背景建模。
为了区分动态背景,并由此抑制动态背景的干扰,在增加累积帧差模板的基础上,选取多帧二值图像进行建模。
在本实施例中,对初始背景模板取i*i像素点大小为一个小块,将图像分成许多小块,并依次编号。若计数器为0,则每隔m帧更新所有i*i小块中的一个像素点。若计数器不为0,则计数器减1,继续进行更新,在本实施例中,M、i、m需满足M=i*i*m。
具体的,在本发明的一个实施例中,设定i=5,m=4,则M=100。对初始背景模板取5*5像素点大小为一个小块,则每隔4帧更新所有5*5小块中的一个像素点,综合检测前100帧的二值图像进行背景建模。
本实施例通过综合检测多帧图像的特征信息建立背景模型,同时增加了累积帧差模板,用于区分动态背景,并由此抑制动态背景的干扰,降低了环境变化对背景模型的影响。
步骤3:对所述二值图像进行筛选,得到目标候选区域;
对所述二值图像按照设定像素点为邻域分成若干小块,并记录像素值不为0的小块;
在本实施例中,首先对二值化图进行分块,并依次对小块进行编号,通过判断每个小块是否有像素值不为0的像素点,将有像素值不为0的小块编号记录下来。
对所述像素值不为0的小块进行连通域判断,并将连通的小块合并成矩形框;
本实施例中,对二值化图按32*32像素点为邻域进行分块并编号,对记录的小块的编号进行连通域判断,将连通的小块编号合并起来,同时要求合并后的小块内像素值不为0的像素点个数大于18个。
根据所述累积帧差模板选择所述矩形框中未包含动态背景的小块,得到目标候选区域。
在本实施例中,根据之前的累积帧差模板来判断留下来的小块是否包含动态背景,包含动态背景的小块将会被剔除。
最后,将保留下来的块所在的矩形框保存下来。如果已经有目标被检测出,还需要将与已经检测出的目标框重合的矩形框剔除。
步骤4:对所述目标候选区域进行多帧确认得到目标检测结果;
在所述帧缓存队列中截取与所述目标候选区域对应的矩形区域,并用第1帧到第n-1帧依次与第0帧进行背景帧差,得到n-1帧背景帧差图像;
根据目标的持续时间在所述n-1帧背景帧差图像中选择包含有目标的第一候选区;
根据目标的尺寸变化规律在所述n-1帧背景帧差图像中选择包含有目标的第二候选区;
根据所述第一候选区和所述第二候选区得到目标检测结果。
由于所检测目标在短时间内会持续性扩大,且目标出现前期大致为实体团块,内部空洞较少,传统的背景差分法不能很好地检测目标,误检率和漏检率较高。因此,在本实施例中创新性地加入多帧确认步骤,大大提高了所检测目标的检测率以及定位精度,同时由于算法简单,具有较好的实时性。
在本实施例中,由于设置了15帧的帧缓存队列,因此,首先将上一步筛选出的目标候选区域,在帧缓存中的15帧中截取对应的矩形区域,记为target[0]-target[14],并用第1帧到第14帧依次与第0帧进行背景帧差。
其次,依据目标在短时间内会持续性扩大的特点,从目标出现的持续时间来检测目标。一般情况下,在帧背景帧差中,若目标在10帧内消失,则判定该区域内不存在目标。
然后,从目标的尺寸变化规律来检测目标。在14帧背景帧差中,目标在第6到12帧中,像素值不为0的像素点个数大于等于6倍的小块个数,且从第6帧到第12帧,像素值不为0的像素点个数逐渐递增。
通过以上判断条件,得出目标检测结果。
最后,将两帧之间像素值不为0的像素点个数增加最多的帧数判定为目标出现的帧数。
通过多帧确认步骤,大大提高了目标定位的时间精度以及空间精度,同时也提高了目标的检测率。
步骤5:根据所述目标检测结果更新背景模型。
在本实施例中,根据目标检测结果判断是否更新背景模型。将步骤4得到的目标检测结果在15帧的帧缓存中对应的矩形框截取出来,并根据目标所具有的特点进行相应判断,判断这15帧图像中是否有目标出现。如果有目标出现,则接下来的1000帧内停止对背景模板的更新,若没有目标出现,则更新模型,继续进行目标检测。
本发明提供的基于背景建模和多帧确认的目标检测方法通过综合检测帧前M帧的特征信息,建立背景模型,并加入了累积帧差模板,用于区分动态背景,由此抑制动态背景的干扰,降低了环境变化对背景模型的影响;同时结合所检测目标的特点,通过对n-1帧背景帧差图像进行一系列判断,降低了误检率,提高了目标定位精度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术邻域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于背景建模和多帧确认的目标检测方法,其特征在于,包括:
建立帧缓存队列以得到累积帧差模板;
对视频序列中的图像序列进行预处理得到二值图像,并根据所述二值图像进行背景建模得到背景模型;
对所述二值图像进行筛选,得到目标候选区域;
对所述目标候选区域进行多帧确认得到目标检测结果;
根据所述目标检测结果更新背景模型。
2.根据权利要求1所述的目标检测方法,其特征在于,建立帧缓存队列以得到累积帧差模板包括:
建立n帧的帧缓存队列,其中,n为正整数,且n≥7;
根据所述帧缓存队列建立累积帧差模板。
3.根据权利要求2所述的目标检测方法,其特征在于,根据所述帧缓存队列建立累积帧差模板包括:
选取所述帧缓存队列中的某一帧图像与当前图像作帧差,并取绝对值,得到第一绝对帧差;
将所述第一绝对帧差与预设第一阈值进行比较,若所述第一绝对帧差大于所述第一阈值,则将所述帧缓存队列中对应像素点的像素值加1,得到累积帧差模板。
4.根据权利要求1所述的目标检测方法,其特征在于,对视频序列中的图像序列进行预处理得到二值图像包括:
选取所述累积帧差模板中第一帧作为初始背景模版;
对当前图像与所述初始背景模版做帧差并取绝对值得到第二绝对帧差;
对所述第二绝对帧差与预设第二阈值进行比较判断得到二值图像。
5.根据权利要求4所述的目标测方法,其特征在于,根据所述二值图像进行背景建模包括:
根据前M帧的二值图像,进行背景建模;其中,M为正整数。
6.根据权利要求1所述的目标检测方法,其特征在于,对所述二值图像进行筛选得到目标候选区域包括:
对所述二值图像按照设定像素点为邻域分成若干小块,并记录像素值不为0的小块;
对所述像素值不为0的小块进行连通域判断,并将连通的小块合并成矩形框;
根据所述累积帧差模板选择所述矩形框中未包含动态背景的小块,得到目标候选区域。
7.根据权利要求1所述的目标检测方法,其特征在于,对所述目标候选区域进行多帧确认得到目标检测结果包括:
在所述帧缓存队列中截取与所述目标候选区域对应的矩形区域,并用第1帧到第n-1帧依次与第0帧进行背景帧差,得到n-1帧背景帧差图像;
根据目标的持续时间在所述n-1帧背景帧差图像中选择包含有目标的第一候选区;
根据目标的尺寸变化规律在所述n-1帧背景帧差图像中选择包含有目标的第二候选区;
根据所述第一候选区和所述第二候选区得到目标检测结果。
8.根据权利要求1所述的目标检测方法,其特征在于,根据所述目标检测结果更新背景模型包括:
将帧缓存队列中与目标检测结果对应的矩形框截取出来,并判断所述帧缓存队列中的图像是否有目标出现,若有,则停止更新背景模型,若没有,则继续进行背景模型更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731152.1A CN110634152B (zh) | 2019-08-08 | 2019-08-08 | 一种基于背景建模和多帧确认的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910731152.1A CN110634152B (zh) | 2019-08-08 | 2019-08-08 | 一种基于背景建模和多帧确认的目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110634152A true CN110634152A (zh) | 2019-12-31 |
CN110634152B CN110634152B (zh) | 2023-07-04 |
Family
ID=68969618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910731152.1A Active CN110634152B (zh) | 2019-08-08 | 2019-08-08 | 一种基于背景建模和多帧确认的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110634152B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
US20150146917A1 (en) * | 2013-11-26 | 2015-05-28 | Xerox Corporation | Method and system for video-based vehicle tracking adaptable to traffic conditions |
CN106296725A (zh) * | 2015-06-12 | 2017-01-04 | 富泰华工业(深圳)有限公司 | 运动目标实时检测与跟踪方法及目标检测装置 |
KR20170053807A (ko) * | 2015-11-06 | 2017-05-17 | 주식회사 지오멕스소프트 | 동적 배경을 가진 영상의 대상 객체 검출 방법 |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及系统 |
CN107169985A (zh) * | 2017-05-23 | 2017-09-15 | 南京邮电大学 | 一种基于对称帧间差分和背景更新的运动目标检测方法 |
CN108198206A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于多特征联合和Camshift算法结合的多目标跟踪方法 |
US20180365845A1 (en) * | 2016-08-19 | 2018-12-20 | Soochow University | Moving object detection method and system |
CN109146915A (zh) * | 2018-08-01 | 2019-01-04 | 浙江深眸科技有限公司 | 判断异常活动物体的低计算量运动检测方法 |
-
2019
- 2019-08-08 CN CN201910731152.1A patent/CN110634152B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
US20150146917A1 (en) * | 2013-11-26 | 2015-05-28 | Xerox Corporation | Method and system for video-based vehicle tracking adaptable to traffic conditions |
CN106296725A (zh) * | 2015-06-12 | 2017-01-04 | 富泰华工业(深圳)有限公司 | 运动目标实时检测与跟踪方法及目标检测装置 |
KR20170053807A (ko) * | 2015-11-06 | 2017-05-17 | 주식회사 지오멕스소프트 | 동적 배경을 가진 영상의 대상 객체 검출 방법 |
US20180365845A1 (en) * | 2016-08-19 | 2018-12-20 | Soochow University | Moving object detection method and system |
CN106874949A (zh) * | 2017-02-10 | 2017-06-20 | 华中科技大学 | 一种基于红外图像的动平台运动目标检测方法及系统 |
CN107169985A (zh) * | 2017-05-23 | 2017-09-15 | 南京邮电大学 | 一种基于对称帧间差分和背景更新的运动目标检测方法 |
CN108198206A (zh) * | 2017-12-22 | 2018-06-22 | 湖南源信光电科技股份有限公司 | 基于多特征联合和Camshift算法结合的多目标跟踪方法 |
CN109146915A (zh) * | 2018-08-01 | 2019-01-04 | 浙江深眸科技有限公司 | 判断异常活动物体的低计算量运动检测方法 |
Non-Patent Citations (3)
Title |
---|
SANDEEP SINGH SENGAR ET AL.: "Moving object detection based on frame difference and W4", 《SIVIP》 * |
吴昱舟等: "基于帧差和背景建模的卫星视频目标检测", 《海军航空工程学院学报》 * |
李妍妍 等: "一种基于帧差法结合Kalman滤波的运动目标跟踪方法", 《兵工自动化》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110634152B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7742650B2 (en) | Object detection in images | |
CN106651908B (zh) | 一种多运动目标跟踪方法 | |
US8811750B2 (en) | Apparatus and method for extracting edge in image | |
US11871125B2 (en) | Method of processing a series of events received asynchronously from an array of pixels of an event-based light sensor | |
CN112509003B (zh) | 解决目标跟踪框漂移的方法及系统 | |
CN110766711A (zh) | 一种视频镜头分割方法、系统、装置和存储介质 | |
CN111064865A (zh) | 一种动态视觉传感器背景活动噪声过滤器及处理器 | |
CN111723713B (zh) | 一种基于光流法的视频关键帧提取方法及系统 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
Lin et al. | Real-time active tampering detection of surveillance camera and implementation on digital signal processor | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN111369570A (zh) | 一种视频图像的多目标检测跟踪方法 | |
CN115049954A (zh) | 目标识别方法、装置、电子设备和介质 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
CN107301655B (zh) | 一种基于背景建模的视频移动目标侦测方法 | |
CN111640134B (zh) | 人脸跟踪方法、装置、计算机设备及其存储装置 | |
Huynh-The et al. | Locally statistical dual-mode background subtraction approach | |
CN108961293B (zh) | 一种背景减除的方法、装置、设备及存储介质 | |
CN110634152A (zh) | 一种基于背景建模和多帧确认的目标检测方法 | |
CN116403200A (zh) | 基于硬件加速的车牌实时识别系统 | |
CN113762027B (zh) | 一种异常行为的识别方法、装置、设备及存储介质 | |
CN115719314A (zh) | 一种去拖影方法、去拖影装置及电子设备 | |
CN109993778A (zh) | 一种确定目标位置的方法及装置 | |
CN110858392A (zh) | 一种基于融合背景模型的监控目标定位方法 | |
CN110580706A (zh) | 一种视频背景模型的提取方法及装置 |
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 |