CN110929597A - 一种基于图像的树叶过滤方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种基于图像的树叶过滤方法、装置及存储介质，包括：根据预设的颜色查找表和局部纹理复杂度获取待处理图像的树叶区域，并用树叶矩阵表示；对至少包括待处理图像的图像序列进行多目标跟踪分析，获取待处理图像的非树叶矩阵和人形矩阵；判断待处理图像中的场景与对比图像中的场景相比是否发生变化；当场景未发生变化时，根据树叶矩阵、非树叶矩阵和人形矩阵对树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，并对树叶更新矩阵、非树叶更新矩阵和人形更新矩阵进行二值化处理，获得第一矩阵、第二矩阵和第三矩阵；根据第一矩阵、第二矩阵和第三矩阵对待处理图像进行树叶过滤。本发明能够快速有效地过滤树叶运动产生的误报警。

Description

一种基于图像的树叶过滤方法、装置及存储介质

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种基于图像的树叶过滤方法、装置及计算机可读存储介质。

背景技术

移动侦测(Motion detection)功能已经成为监控摄像头的标配，该功能用于无人值守监控报警、录像。移动侦测的基本原理是将摄像头采集到的图像序列作为输入，根据一定的算法进行计算和比较，当图像像素有变化时(如有人走过、小动物经过、车辆经过等)，算法给出的计算结果值会超过预设阈值，从而指示监控系统做出相应的处理(如报警、视频录像等)。

上述通过判断图像的像素变化触发报警并触发录像的方案，应用在室外场景中时，风吹动树叶也会触发报警，而用户并不关心这样的报警，这样的误报警一方面影响用户体验，另一方面经常出现误报警会增加服务器流量和存储的开销，并且，对于电池供电的Camera产品来说，误报警还会加速电池的电量消耗，因此需要减少误报警。

现有技术提供的通过图像分析进行误报警过滤的方法，例如人形检测、人脸检测、车辆检测等，计算复杂度较高，需要较多的计算资源，并且树叶有各种各样的形状、颜色和纹理，相比于人形、人脸和车辆等对象，树叶更为复杂多样，因此，计算复杂度难以优化，占用较多的计算资源，并且无法快速有效地过滤树叶运动产生的误报警。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于图像的树叶过滤方法、装置及计算机可读存储介质，能够快速有效地过滤树叶运动产生的误报警，且复杂度较低，占用的计算资源较少。

为了解决上述技术问题，本发明实施例提供了一种基于图像的树叶过滤方法，包括：

获取待处理图像；

根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示；

对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域；

根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0；

当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；

分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；

根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

进一步地，所述颜色查找表根据以下步骤预先建立：

收集包含树叶的图像；其中，所述图像至少包括行道树叶图像和庭院树叶图像；

对所述图像进行图像分割，以标定所述图像中的树叶图像区域；

根据所述树叶图像区域建立所述颜色查找表。

进一步地，所述方法通过以下步骤判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化：

获取预设的所述对比图像的对比特征点和每一个对比特征点对应的对比特征描述子；其中，所述对比图像的场景特征包括所有的对比特征点和每一个对比特征点对应的对比特征描述子；

获取所述待处理图像的第一特征点和每一个第一特征点对应的第一特征描述子；

根据第一特征描述子和对比特征描述子进行相似度计算；

当计算获得的相似度大于预设的相似度阈值时，判定对应的第一特征点和对比特征点匹配成功；

根据匹配成功的第一特征点的数量判断所述待处理图像中的场景与所述对比图像中的场景相比是否发生变化。

进一步地，所述方法还包括：

当匹配成功的第一特征点的数量大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比未发生变化；

当匹配成功的第一特征点的数量不大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比发生变化。

进一步地，所述方法还包括：

当所述待处理图像中的场景未发生变化时，根据预设的权重对相似度不大于所述相似度阈值的第一特征描述子和对比特征描述子进行加权求和，获得更新后的特征描述子；

根据所述更新后的特征描述子对相应的对比特征描述子进行更新，获得新对比特征描述子；

对第一特征点和对比特征点进行位置配对，并计算配对成功的第一特征点和对比特征点的欧氏距离；

当计算获得的欧氏距离不小于预设的距离阈值时，判定配对成功的第一特征点和对比特征点匹配不成功；

根据所述新对比特征描述子、匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子对所述对比图像的场景特征进行更新。

进一步地，所述方法通过以下步骤对所述树叶对比矩阵进行更新：

当所述待处理图像中的场景未发生变化时，获取所述对比图像的所述树叶对比矩阵；

根据所述树叶矩阵对所述树叶对比矩阵进行累加更新，获得所述树叶更新矩阵，并将所述树叶更新矩阵作为所述对比图像的新的树叶对比矩阵。

进一步地，所述方法通过以下步骤对所述树叶更新矩阵进行二值化处理：

根据所述树叶更新矩阵获取比较阈值；其中，所述比较阈值根据所述树叶更新矩阵中的最大值进行设置；

根据所述比较阈值对所述树叶更新矩阵进行二值化处理，获得所述第一矩阵。

为了解决上述技术问题，本发明实施例还提供了一种基于图像的树叶过滤装置，包括：

图像获取模块，用于获取待处理图像；

树叶矩阵获取模块，用于根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示；

非树叶矩阵获取模块，用于对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域；

场景判断模块，用于根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0；

矩阵更新模块，用于当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；

矩阵二值化模块，用于分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；

树叶区域过滤模块，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的基于图像的树叶过滤方法。

本发明实施例还提供了一种基于图像的树叶过滤装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的基于图像的树叶过滤方法。

与现有技术相比，本发明实施例提供了一种基于图像的树叶过滤方法、装置及计算机可读存储介质，根据颜色查找表和局部纹理复杂度获取待处理图像的树叶区域，并用树叶矩阵表示树叶区域；对至少包括待处理图像的图像序列进行多目标跟踪分析，获取待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示非树叶区域，用人形矩阵表示人形区域；根据图像特征匹配判断待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取待处理图像之前已获取的历史对比图像的数量；当待处理图像中的场景未发生变化时，根据树叶矩阵、非树叶矩阵和人形矩阵分别对对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；分别对树叶更新矩阵、非树叶更新矩阵和人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；根据第一矩阵、第二矩阵和第三矩阵对待处理图像中的树叶区域进行过滤，从而能够快速有效地过滤树叶运动产生的误报警，且复杂度较低，占用的计算资源较少。

附图说明

图1是本发明提供的一种基于图像的树叶过滤方法的一个优选实施例的流程图；

图2是本发明提供的一种基于图像的树叶过滤装置的一个优选实施例的结构框图；

图3是本发明提供的一种基于图像的树叶过滤装置的另一个优选实施例的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本技术领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种基于图像的树叶过滤方法，参见图1所示，是本发明提供的一种基于图像的树叶过滤方法的一个优选实施例的流程图，所述方法包括步骤S11至步骤S17：

步骤S11、获取待处理图像。

具体的，待处理图像可以通过摄像头拍摄的图片或视频进行实时获取，例如，通过网络摄像头、手机摄像头、电脑摄像头等具备拍照功能或录制视频功能的电子设备的摄像头获取待处理图像，本发明不作具体限定。

步骤S12、根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示。

具体的，为了满足硬件计算能力或实际需求，可以先将待处理图像缩放到适合计算的尺寸，再根据预先建立的树叶的颜色查找表和待处理图像中每个位置的局部纹理复杂度(例如，8*8灰度图像块的方差大于给定阈值)计算获得待处理图像中的树叶区域，并用树叶矩阵表示待处理图像的树叶区域，在树叶矩阵中，用每一个元素的值分别表示树叶区域中的对应位置处的像素点是否为树叶，当判定树叶区域中的像素点为树叶时，在树叶矩阵中的对应位置处用1表示，当判定树叶区域中的像素点不为树叶时，在树叶矩阵中的对应位置处用0表示。

作为上述方案的改进，所述颜色查找表根据以下步骤预先建立：

收集包含树叶的图像；其中，所述图像至少包括行道树叶图像和庭院树叶图像；

对所述图像进行图像分割，以标定所述图像中的树叶图像区域；

根据所述树叶图像区域建立所述颜色查找表。

具体的，预先收集包含不同类型的树叶的图像，例如，行道树叶的图像和庭院树叶的图像等，对收集的图像进行图像分割，以标定所述图像中的树叶图像区域，例如，使用类似PHOTOSHOP魔棒功能的图像分割样本标定工具标定树叶区域，从而根据标定的树叶图像区域建立树叶对应的颜色查找表，观察并消除非树叶图像区域出现在颜色查找表中的颜色。

需要说明的是，由于获取的图像数据一般是YUV格式的，为了提高计算速度、节省存储空间，建立的颜色查找表也是基于YUV颜色空间的，YUV中原本每个通道都是256阶的灰度数据，如果根据3维数组的索引建立颜色查找表，就需要256的3次方个bit位来存储，这会消耗大量的空间和内存，实践证明，用128阶对实际效果影响不大，再通过zlib进行压缩处理，最后只需要31KB的存储空间即可存储建立的颜色查找表。

步骤S13、对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域。

具体的，由待处理图像的前若干帧图像和/或后若干帧图像可以组成图像序列，对该图像序列进行多目标跟踪分析(例如，基于卡尔曼滤波进行实现多目标跟踪分析)，如果该图像序列可以大概率被判定为不是树叶运动，则将该图像序列中的每个符合条件的连通块都标记为非树叶区域，并用非树叶矩阵表示该非树叶区域，其中，对于判定图像序列是否大概率不是树叶运动，以及连通块是否符合用于标记的条件，可以根据连通块的大小、运动速度的稳定程度、连通块对它的边界框填充的百分比大小等进行判定；同理，在该图像序列中获取人形区域，并用人形矩阵表示该人形区域，其中，对于人形区域的判定，可以根据连通块的大小、宽高比、运动速度的稳定程度等进行判定，或者使用人形检测器进行检测。

可以理解的，在非树叶矩阵中，用每一个元素的值分别表示非树叶区域中的对应位置处的像素点是否为树叶，当判定非树叶区域中的像素点为树叶时，在非树叶矩阵中的对应位置处用0表示，当判定非树叶区域中的像素点不为树叶时，在非树叶矩阵中的对应位置处用1表示，同理，在人形矩阵中，用每一个元素的值分别表示人形区域中的对应位置处的像素点是否为人形，当判定人形区域中的像素点为人形时，在人形矩阵中的对应位置处用1表示，当判定人形区域中的像素点不为人形时，在人形矩阵中的对应位置处用0表示。

步骤S14、根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0。

作为上述方案的改进，所述方法通过以下步骤判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化：

获取预设的所述对比图像的对比特征点和每一个对比特征点对应的对比特征描述子；其中，所述对比图像的场景特征包括所有的对比特征点和每一个对比特征点对应的对比特征描述子；

获取所述待处理图像的第一特征点和每一个第一特征点对应的第一特征描述子；

根据第一特征描述子和对比特征描述子进行相似度计算；

当计算获得的相似度大于预设的相似度阈值时，判定对应的第一特征点和对比特征点匹配成功；

根据匹配成功的第一特征点的数量判断所述待处理图像中的场景与所述对比图像中的场景相比是否发生变化。

具体的，摄像头在工作过程中，会不断地拍摄图片或录制视频，因此每隔一定的时间周期能够获取一帧图像，在获取上述待处理图像之前，可能已经获得了i帧历史对比图像，则将最后一次即第i次获得的第i帧历史对比图像作为对比图像，可以根据图像特征匹配判断上述待处理图像中的场景与对比图像中的场景相比是否发生变化，在具体判断时：

先获取预先设置的对比图像的对比特征点(例如FAST特征点)和每一个对比特征点对应的对比特征描述子(例如DAISY特征描述子，可以是200维的特征向量)，将所有的对比特征点和每一个对比特征点对应的对比特征描述子作为对比图像的场景特征(对比图像的对比特征点和对比特征子已经预先获取并保存，即用文件记录对比特征点的数量、每一个对比特征点对应的对比特征描述子和每一个对比特征点对应的位置坐标，后续再次获取时，直接读取该文件即可获得相关信息)，再对待处理图像进行相应处理，获得待处理图像的至少一个第一特征点(例如FAST特征点)和每一个第一特征点对应的第一特征描述子(例如DAISY特征描述子，可以是200维的特征向量)，将所有的第一特征点和每一个第一特征点对应的第一特征描述子作为待处理图像中的场景特征，对获得的第一特征描述子和对比特征描述子进行相似度计算，当计算获得的相似度大于预设的相似度阈值时，判定相似度大于预设的相似度阈值的第一特征描述子所对应的第一特征点和对比特征描述子所对应的对比特征点匹配成功，在所有的第一特征点都根据相似度判断完成之后，根据匹配成功的第一特征点的数量可以判断待处理图像中的场景与对比图像中的场景相比是否发生变化。

优选地，所述方法还包括：

当匹配成功的第一特征点的数量大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比未发生变化；

当匹配成功的第一特征点的数量不大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比发生变化。

具体的，预先设置一个数量阈值(或者百分比阈值)，当匹配成功的第一特征点的数量大于预设的数量阈值时，判定待处理图像中的场景与对比图像中的场景相比未发生变化，当匹配成功的第一特征点的数量不大于预设的数量阈值时，判定待处理图像中的场景与对比图像中的场景相比发生变化。

优选地，所述方法还包括：

当所述待处理图像中的场景未发生变化时，根据预设的权重对相似度不大于所述相似度阈值的第一特征描述子和对比特征描述子进行加权求和，获得更新后的特征描述子；

根据所述更新后的特征描述子对相应的对比特征描述子进行更新，获得新对比特征描述子；

对第一特征点和对比特征点进行位置配对，并计算配对成功的第一特征点和对比特征点的欧氏距离；

当计算获得的欧氏距离不小于预设的距离阈值时，判定配对成功的第一特征点和对比特征点匹配不成功；

根据所述新对比特征描述子、匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子对所述对比图像的场景特征进行更新。

具体的，当判定待处理图像中的场景未发生变化时，对于相似度达不到预设的相似度阈值的第一特征描述子和对比特征描述子，需要根据预设的权重(例如，设置第一特征描述子的权重为学习速率，对比特征描述子的权重为(1-学习速率))对相似度不大于预设的相似度阈值的第一特征描述子和对比特征描述子进行加权求和，从而获得更新后的特征描述子，并根据更新后的特征描述子对相应的对比特征描述子进行更新，获得新对比特征描述子(即将相似度达不到预设的相似度阈值的对比特征描述子替换为更新后的特征描述子，相当于对相似度达不到预设的相似度阈值的对比特征描述子所对应的对比特征点以一定的学习速率进行更新)，接着对第一特征点和对比特征点进行位置配对(即根据特征点的位置进行判断，找出与对比特征点的位置距离最近的第一特征点)，并计算位置配对成功的第一特征点和对比特征点的欧氏距离，当计算获得的欧氏距离不小于预设的距离阈值时，判定位置配对成功的第一特征点和对比特征点匹配不成功，相应的，找出所有匹配不成功的第一特征点，则根据所有的新对比特征描述子、所有的匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子对已经保存的对比特征点和对比特征点对应的对比特征描述子进行更新，即在原来保存的基础上加入新的匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子，若对比特征描述子有更新，则相应保存新对比特征描述子，从而完成对保存的对比图像的场景特征的更新。

可以理解的，当后续再次获取并使用该对比图像的场景特征(即已经保存的对比特征点和每一个对比特征点对应的对比特征描述子)进行场景变化判断时，需要使用更新后的场景特征(即最近一次保存的对比特征点和每一个对比特征点对应的对比特征描述子)进行相应处理。

需要说明的是，当判定待处理图像中的场景发生变化时，可以直接保存待处理图像的所有的第一特征点和每一个第一特征点对应的第一特征描述子，以将保存的所有的第一特征点和每一个第一特征点对应的第一特征描述子作为对比图像的新的场景特征(即完全替换)。

步骤S15、当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵。

具体的，当判定待处理图像中的场景与对比图像中的场景相比未发生变化时，根据待处理图像的树叶矩阵、非树叶矩阵和人形矩阵分别对对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵中的元素的值进行更新，相应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵。

作为上述方案的改进，所述方法通过以下步骤对所述树叶对比矩阵进行更新：

当所述待处理图像中的场景未发生变化时，获取所述对比图像的所述树叶对比矩阵；

根据所述树叶矩阵对所述树叶对比矩阵进行累加更新，获得所述树叶更新矩阵，并将所述树叶更新矩阵作为所述对比图像的新的树叶对比矩阵。

具体的，当判定待处理图像中的场景与对比图像中的场景相比未发生变化时，先获得对比图像的树叶对比矩阵，在根据待处理图像的树叶矩阵对树叶对比矩阵中的元素的值进行累加更新，即将树叶对比矩阵中被新判定为树叶的像素点对应的位置都加1，相应获得树叶更新矩阵，并将树叶更新矩阵作为对比图像的新的树叶对比矩阵进行保存。

可以理解的，对非树叶对比矩阵和人形对比矩阵进行更新的方法与树叶对比矩阵的更新方法类似，这里不再赘述。

需要说明的是，对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵的第一次获取方法与待处理图像类似，在第一次获取对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵之后，直接进行保存，后续再次获取时，直接读取已经保存的矩阵信息即可，并且当后续再次获取并使用该对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵时，获取的是新的树叶对比矩阵、新的非树叶对比矩阵和新的人形对比矩阵(即最近一次保存的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵)。

步骤S16、分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵。

作为上述方案的改进，所述方法通过以下步骤对所述树叶更新矩阵进行二值化处理：

根据所述树叶更新矩阵获取比较阈值；其中，所述比较阈值根据所述树叶更新矩阵中的最大值进行设置；

根据所述比较阈值对所述树叶更新矩阵进行二值化处理，获得所述第一矩阵。

具体的，对树叶对比矩阵进行累加更新后，获得的树叶更新矩阵中的元素的值相应发生变化，累加次数越多，对应的元素的值越大，因而可以根据树叶更新矩阵中的最大元素值设置比较阈值(比较阈值和累加次数大致成正比关系，当累加次数较少时，比较阈值相应较小，当累加次数较多时，比较阈值也相应自动调大)，从而根据比较阈值对树叶更新矩阵进行二值化处理，相应获得第一矩阵。

可以理解的，对非树叶更新矩阵和人形更新矩阵进行二值化处理的方法与树叶更新矩阵的二值化处理方法类似，这里不再赘述。

步骤S17、根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

具体的，每次触发树叶过滤时，分别获取待处理图像的树叶矩阵、非树叶矩阵和人形矩阵，并进行相应处理得到第一矩阵、第二矩阵和第三矩阵，然后对第一矩阵做形态学处理，并消除第二矩阵和第三矩阵所对应标记的区域，剩下的就是用于树叶过滤的树叶区域标记，可以理解为正标记减去反标记，从而实现对待处理图像的树叶过滤。

需要说明的是，树叶运动很少形成大面积的运动连通块，例如，达到3米以内行人走动产生运动连通块的大小，因此，对于运动连通块大小超过给定阈值的情况，不进行树叶过滤，直接报警，否则近距离的运动物体很可能出现多目标跟踪失败导致无法报警的情况，另外，在多目标跟踪实现过程中，如果在一定时间(如3秒)窗口内，某个跟踪目标质心轨迹的运动幅度大于给定阈值就报警。

本发明实施例所提供的一种基于图像的树叶过滤方法，根据颜色查找表和局部纹理复杂度获取待处理图像的树叶区域，并用树叶矩阵表示树叶区域；对至少包括待处理图像的图像序列进行多目标跟踪分析，获取待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示非树叶区域，用人形矩阵表示人形区域；根据图像特征匹配判断待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取待处理图像之前已获取的历史对比图像的数量；当待处理图像中的场景未发生变化时，根据树叶矩阵、非树叶矩阵和人形矩阵分别对对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；分别对树叶更新矩阵、非树叶更新矩阵和人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；根据第一矩阵、第二矩阵和第三矩阵对待处理图像中的树叶区域进行过滤，从而能够快速有效地过滤树叶运动产生的误报警，且复杂度较低，占用的计算资源较少。

本发明实施例还提供了一种基于图像的树叶过滤装置，能够实现上述任一实施例所述的基于图像的树叶过滤方法的所有流程，装置中的各个模块、单元的作用以及实现的技术效果分别与上述实施例所述的基于图像的树叶过滤方法的作用以及实现的技术效果对应相同，这里不再赘述。

参见图2所示，是本发明提供的一种基于图像的树叶过滤装置的一个优选实施例的结构框图，所述装置包括：

图像获取模块11，用于获取待处理图像；

树叶矩阵获取模块12，用于根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示；

非树叶矩阵获取模块13，用于对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域；

场景判断模块14，用于根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0；

矩阵更新模块15，用于当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；

矩阵二值化模块16，用于分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；

树叶区域过滤模块17，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

优选地，所述装置还包括颜色查找表建立模块，所述颜色查找表建立模块具体包括：

图像收集单元，用于收集包含树叶的图像；其中，所述图像至少包括行道树叶图像和庭院树叶图像；

树叶区域标定单元，用于对所述图像进行图像分割，以标定所述图像中的树叶图像区域；

颜色查找表建立单元，用于根据所述树叶图像区域建立所述颜色查找表。

优选地，所述场景判断模块14具体包括：

对比特征获取单元，用于获取预设的所述对比图像的对比特征点和每一个对比特征点对应的对比特征描述子；其中，所述对比图像的场景特征包括所有的对比特征点和每一个对比特征点对应的对比特征描述子；

第一特征获取单元，用于获取所述待处理图像的第一特征点和每一个第一特征点对应的第一特征描述子；

相似度计算单元，用于根据第一特征描述子和对比特征描述子进行相似度计算；

匹配判断单元，用于当计算获得的相似度大于预设的相似度阈值时，判定对应的第一特征点和对比特征点匹配成功；

场景判断单元，用于根据匹配成功的第一特征点的数量判断所述待处理图像中的场景与所述对比图像中的场景相比是否发生变化。

优选地，所述装置还包括：

第一场景判断模块，用于当匹配成功的第一特征点的数量大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比未发生变化；

第二场景判断模块，用于当匹配成功的第一特征点的数量不大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比发生变化。

优选地，所述装置还包括：

特征描述子加权模块，用于当所述待处理图像中的场景未发生变化时，根据预设的权重对相似度不大于所述相似度阈值的第一特征描述子和对比特征描述子进行加权求和，获得更新后的特征描述子；

特征描述子更新模块，用于根据所述更新后的特征描述子对相应的对比特征描述子进行更新，获得新对比特征描述子；

欧氏距离计算模块，用于对第一特征点和对比特征点进行位置配对，并计算配对成功的第一特征点和对比特征点的欧氏距离；

匹配判断模块，用于当计算获得的欧氏距离不小于预设的距离阈值时，判定配对成功的第一特征点和对比特征点匹配不成功；

场景特征更新模块，用于根据所述新对比特征描述子、匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子对所述对比图像的场景特征进行更新。

优选地，所述矩阵更新模块15具体包括：

对比矩阵获取单元，用于当所述待处理图像中的场景未发生变化时，获取所述对比图像的所述树叶对比矩阵；

矩阵更新单元，用于根据所述树叶矩阵对所述树叶对比矩阵进行累加更新，获得所述树叶更新矩阵，并将所述树叶更新矩阵作为所述对比图像的新的树叶对比矩阵。

优选地，所述矩阵二值化模块16具体包括：

阈值获取单元，用于根据所述树叶更新矩阵获取比较阈值；其中，所述比较阈值根据所述树叶更新矩阵中的最大值进行设置；

矩阵二值化单元，用于根据所述比较阈值对所述树叶更新矩阵进行二值化处理，获得所述第一矩阵。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的基于图像的树叶过滤方法。

本发明实施例还提供了一种基于图像的树叶过滤装置，参见图3所示，是本发明提供的一种基于图像的树叶过滤装置的另一个优选实施例的结构框图，所述装置包括处理器10、存储器20以及存储在所述存储器20中且被配置为由所述处理器10执行的计算机程序，所述处理器10在执行所述计算机程序时实现上述任一实施例所述的基于图像的树叶过滤方法。

优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、······)，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器10执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述装置中的执行过程。

所述处理器10可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以是微处理器，或者所述处理器10也可以是任何常规的处理器，所述处理器10是所述装置的控制中心，利用各种接口和线路连接所述装置的各个部分。

所述存储器20主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器20可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器20也可以是其他易失性固态存储器件。

需要说明的是，上述装置可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3结构框图仅仅是上述装置的示例，并不构成对装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。

综上，本发明实施例所提供的一种基于图像的树叶过滤方法、装置及计算机可读存储介质，能够快速有效地过滤树叶运动产生的误报警，且复杂度较低，占用的计算资源较少，另外，通过实时本发明提供的技术方案，可以保证在目标运动物体运动连通块质心位移大于画面9％的情况下，一定能报警，这就限制了漏报风险，并且能够过滤掉一大半树叶运动产生的误报警，算法的计算速度非常快，除掉场景变化检测，剩下的部分相比于现有的移动侦测算法，几乎没有增加计算开销，场景变化检测在KC300样机上大约需要运行1秒时间，但场景变化检测可以很长时间才触发一次(例如几个小时)，或者对于电池供电PIR触发的CAMERA，场景变化检测只需要在发生报警时执行一次，占用的是闲时计算资源。

例如，对于4个真实用户场景共856段移动侦测报警视频，其中包括183段误报警视频，平均召回率为96.4％，平均准确率为87.6％，其中3个效果较好的场景的平均召回率为96.7％，平均准确率为91.6％，因此可以看出，虽然针对个别场景，本发明的过滤作用不太理想，但能保证和现有的移动侦测相比，增加的漏报风险很少。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于图像的树叶过滤方法，其特征在于，包括：

获取待处理图像；

根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示；

对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域；

根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0；

当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；

分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；

根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

2.如权利要求1所述的基于图像的树叶过滤方法，其特征在于，所述颜色查找表根据以下步骤预先建立：

收集包含树叶的图像；其中，所述图像至少包括行道树叶图像和庭院树叶图像；

对所述图像进行图像分割，以标定所述图像中的树叶图像区域；

根据所述树叶图像区域建立所述颜色查找表。

3.如权利要求1所述的基于图像的树叶过滤方法，其特征在于，所述方法通过以下步骤判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化：

获取预设的所述对比图像的对比特征点和每一个对比特征点对应的对比特征描述子；其中，所述对比图像的场景特征包括所有的对比特征点和每一个对比特征点对应的对比特征描述子；

获取所述待处理图像的第一特征点和每一个第一特征点对应的第一特征描述子；

根据第一特征描述子和对比特征描述子进行相似度计算；

当计算获得的相似度大于预设的相似度阈值时，判定对应的第一特征点和对比特征点匹配成功；

根据匹配成功的第一特征点的数量判断所述待处理图像中的场景与所述对比图像中的场景相比是否发生变化。

4.如权利要求3所述的基于图像的树叶过滤方法，其特征在于，所述方法还包括：

当匹配成功的第一特征点的数量大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比未发生变化；

当匹配成功的第一特征点的数量不大于预设的数量阈值时，判定所述待处理图像中的场景与所述对比图像中的场景相比发生变化。

5.如权利要求3所述的基于图像的树叶过滤方法，其特征在于，所述方法还包括：

当所述待处理图像中的场景未发生变化时，根据预设的权重对相似度不大于所述相似度阈值的第一特征描述子和对比特征描述子进行加权求和，获得更新后的特征描述子；

根据所述更新后的特征描述子对相应的对比特征描述子进行更新，获得新对比特征描述子；

对第一特征点和对比特征点进行位置配对，并计算配对成功的第一特征点和对比特征点的欧氏距离；

当计算获得的欧氏距离不小于预设的距离阈值时，判定配对成功的第一特征点和对比特征点匹配不成功；

根据所述新对比特征描述子、匹配不成功的第一特征点以及匹配不成功的第一特征点对应的第一特征描述子对所述对比图像的场景特征进行更新。

6.如权利要求1所述的基于图像的树叶过滤方法，其特征在于，所述方法通过以下步骤对所述树叶对比矩阵进行更新：

当所述待处理图像中的场景未发生变化时，获取所述对比图像的所述树叶对比矩阵；

根据所述树叶矩阵对所述树叶对比矩阵进行累加更新，获得所述树叶更新矩阵，并将所述树叶更新矩阵作为所述对比图像的新的树叶对比矩阵。

7.如权利要求1～6任一项所述的基于图像的树叶过滤方法，其特征在于，所述方法通过以下步骤对所述树叶更新矩阵进行二值化处理：

根据所述树叶更新矩阵获取比较阈值；其中，所述比较阈值根据所述树叶更新矩阵中的最大值进行设置；

根据所述比较阈值对所述树叶更新矩阵进行二值化处理，获得所述第一矩阵。

8.一种基于图像的树叶过滤装置，其特征在于，包括：

图像获取模块，用于获取待处理图像；

树叶矩阵获取模块，用于根据预设的颜色查找表和所述待处理图像的局部纹理复杂度获取所述待处理图像的树叶区域，并用树叶矩阵表示所述树叶区域；其中，所述树叶区域中的任一像素点为树叶时，在所述树叶矩阵中用1表示，所述树叶区域中的任一像素点不为树叶时，在所述树叶矩阵中用0表示；

非树叶矩阵获取模块，用于对至少包括所述待处理图像的图像序列进行多目标跟踪分析，获取所述待处理图像的非树叶区域和人形区域，并用非树叶矩阵表示所述非树叶区域，用人形矩阵表示所述人形区域；

场景判断模块，用于根据图像特征匹配判断所述待处理图像中的场景与对比图像中的场景相比是否发生变化；其中，所述对比图像为根据预设的时间周期获取的第i帧历史对比图像，i表示在获取所述待处理图像之前已获取的历史对比图像的数量，i>0；

矩阵更新模块，用于当所述待处理图像中的场景未发生变化时，根据所述树叶矩阵、所述非树叶矩阵和所述人形矩阵分别对所述对比图像的树叶对比矩阵、非树叶对比矩阵和人形对比矩阵进行更新，对应获得树叶更新矩阵、非树叶更新矩阵和人形更新矩阵；

矩阵二值化模块，用于分别对所述树叶更新矩阵、所述非树叶更新矩阵和所述人形更新矩阵进行二值化处理，对应获得第一矩阵、第二矩阵和第三矩阵；

树叶区域过滤模块，用于根据所述第一矩阵、所述第二矩阵和所述第三矩阵对所述待处理图像中的树叶区域进行过滤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～7任一项所述的基于图像的树叶过滤方法。

10.一种基于图像的树叶过滤装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～7任一项所述的基于图像的树叶过滤方法。

Images