CN111179302A - 一种运动目标检测方法、装置、存储介质及终端设备 - Google Patents
一种运动目标检测方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN111179302A CN111179302A CN201911389716.4A CN201911389716A CN111179302A CN 111179302 A CN111179302 A CN 111179302A CN 201911389716 A CN201911389716 A CN 201911389716A CN 111179302 A CN111179302 A CN 111179302A
- Authority
- CN
- China
- Prior art keywords
- area
- region
- processed
- image sequence
- 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
- G06T7/215—Motion-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动目标检测方法、装置、存储介质及终端设备，所述方法包括：对获取的待处理图像序列进行高反差保留处理，获取高频图像序列；根据高频图像序列进行运动目标检测，获取初始运动区域；对待处理图像序列中的第一帧待处理图像进行全景分割，并对归类后的图像进行连通区域标记；基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；根据运动校正区域对初始运动区域进行校正，获取校正后的运动区域；对校正后的运动区域进行区域统计校正，获取运动目标区域。采用本发明的技术方案能够提高运动目标检测的精确度，降低误检率。
Description
技术领域
本发明涉及运动目标检测技术领域，尤其涉及一种运动目标检测方法、装置、计算机可读存储介质及终端设备。
背景技术
近年来，随着社会的发展，人们的生活水平不断提高，生活质量也得到了极大改善，与此同时，人们对居民环境和财产安全的安全防范意识也在不断增强，因此，视频监控系统的应用越来越普遍，由于视频监控范围内树叶的摆动以及光照变化对人、车辆等运动目标检测造成极大干扰，如何利用简单的方法排除树叶摆动、光照变化等动态背景对运动目标的干扰，是运动目标检测领域一直面临的亟待解决的问题。
目前，传统的运动目标检测方法主要包括光流法、背景差分法和帧间差分法；其中，光流法检测的一般步骤是通过图像序列中的像素速度的变化，来确定不同时间内的灰度变化和相邻像素的相关性，从而检测出运动目标；背景差分法是先构造一个背景模型来替代真实的背景场景，通过将图像序列与背景模型进行比较，识别出运动目标与背景之间的差别来实现运动目标的检测，典型的背景模型有混合高斯模型、ViBe等；帧间差分法即图像序列差分法，主要原理是利用图像序列中的两帧或者多帧图像的亮度差的绝对值来实现运动目标的定位检测，如两帧或者三帧差分等。
但是，光流法易受噪声影响，抗噪声性能差，背景差分法对环境光线变化敏感，帧间差分法易出现空洞、拖影等问题，并且这三种方法在检测过程中均容易受到背景场景的动态变化(例如树叶晃动、雨雪天气)、光照变化以及杂乱背景等动态场景的干扰，从而导致运动目标检测的精确度较低，很可能将动态背景误识别为运动目标，误检率较高。
发明内容
本发明实施例所要解决的技术问题在于，提供一种运动目标检测方法、装置、计算机可读存储介质及终端设备，能够提高运动目标检测的精确度，降低误检率。
为了解决上述技术问题，本发明实施例提供了一种运动目标检测方法，包括：
获取待处理图像序列；
对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
根据所述高频图像序列进行运动目标检测，获取初始运动区域；
对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
进一步地，所述对所述待处理图像序列进行高反差保留处理，获取高频图像序列，具体包括：
将所述待处理图像序列转换为灰度图像序列；
根据预设的滤波器对所述灰度图像序列进行滤波处理，获取模糊图像序列；
根据所述灰度图像序列和所述模糊图像序列进行高反差保留处理，获取所述高频图像序列；
其中，所述待处理图像序列包括m帧待处理图像，所述灰度图像序列包括m帧灰度图像，所述模糊图像序列包括m帧模糊图像，所述高频图像序列包括m帧高频图像，m>1。
进一步地，所述方法通过以下步骤获取所述高频图像序列中的任一帧高频图像：
根据公式Gi＝Yi'-Yi+A获取所述高频图像序列中的第i帧高频图像Gi；其中，Yi'表示所述模糊图像序列中的第i帧模糊图像，Yi表示所述灰度图像序列中的第i帧灰度图像，A为常数，1≤i≤m，A>0。
进一步地，所述基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域，具体包括：
在每一帧待处理图像中提取每一个标记后的连通区域的对应区域，并根据像素点将提取到的对应区域划分为若干个子区域；其中，同一个标记后的连通区域的对应区域的划分方式相同；
对于在第i帧待处理图像中提取到的第j个对应区域的第k个第一子区域，根据在第i-1帧待处理图像中提取到的第j个对应区域的第k个第二子区域计算所述第一子区域和所述第二子区域的对应区域局部直方图相似度，并根据所述对应区域局部直方图相似度对所述第一子区域进行子区域标记；其中，1<i≤m，j>0，k>0；
根据所有标记后的子区域获取所述运动校正区域。
进一步地，所述方法通过以下步骤对所述第一子区域进行子区域标记：
将所述对应区域局部直方图相似度与预设的相似度阈值进行比较；
当所述对应区域局部直方图相似度大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为0；
当所述对应区域局部直方图相似度不大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为1。
进一步地，所述根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域，具体包括：
获取所述运动校正区域中的每一个子区域包含的像素点的标记值；
当任一个子区域包含的像素点的标记值为0时，将所述初始运动区域中的对应子区域包含的所有像素点的标记值校正为0，否则校正为1，相应获取所述校正后的运动区域。
进一步地，所述对所述校正后的运动区域进行区域统计校正，获取运动目标区域，具体包括：
对于所述校正后的运动区域中的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；
统计所述n*n邻域中包含的标记值为0的像素点的数量n0；
当n*n*α≤n0时，将所述中心像素点的标记值校正为0，否则校正为1，相应获取所述运动目标区域。
为了解决上述技术问题，本发明实施例还提供了一种运动目标检测装置，包括：
图像序列获取模块，用于获取待处理图像序列；
高频图像序列获取模块，用于对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
初始运动区域获取模块，用于根据所述高频图像序列进行运动目标检测，获取初始运动区域；
全景分割模块，用于对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
运动校正区域获取模块，用于基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
初始运动区域校正模块，用于根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
运动目标区域获取模块，用于对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
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运动目标检测方法。
本发明实施例还提供了一种终端设备，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运动目标检测方法。
与现有技术相比，本发明实施例提供了一种运动目标检测方法、装置、计算机可读存储介质及终端设备，通过对获取的待处理图像序列进行高反差保留处理，获取高频图像序列，根据高频图像序列进行运动目标检测，获取初始运动区域，对待处理图像序列中的第一帧待处理图像进行全景分割，并对归类后的图像进行连通区域标记，基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域，根据运动校正区域对初始运动区域进行校正，获取校正后的运动区域，对校正后的运动区域进行区域统计校正，获取运动目标区域，从而能够提高运动目标检测的精确度，降低误检率。
附图说明
图1是本发明提供的一种运动目标检测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运动目标检测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终端设备的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运动目标检测方法，参见图1所示，是本发明提供的一种运动目标检测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、获取待处理图像序列；
步骤S12、对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
步骤S13、根据所述高频图像序列进行运动目标检测，获取初始运动区域；
步骤S14、对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
步骤S15、基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
步骤S16、根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
步骤S17、对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
具体的，待处理图像序列可以通过电子设备进行实时获取，例如，通过网络摄像头、手机、平板电脑等具备录制视频功能的电子设备的摄像头所录制的视频数据流实时获取待处理图像序列，具体获取方式本发明不作具体限定。
在获得待处理图像序列之后，一方面，对待处理图像序列进行高反差保留处理，相应获得高频图像序列，并对获得的高频图像序列进行运动目标检测，相应获得初始运动区域；需要说明的是，在对高频图像序列进行运动目标检测时，可以采用现有技术中常用的运动目标检测方法，例如，根据预先设置的混合高斯模型或ViBe等对高频图像序列进行处理，将高频图像序列与通过混合高斯模型或ViBe获取的背景模型进行比较，识别出运动目标与背景之间的差别，相应获得初始运动区域，本发明实施例不作具体限定。
在获得待处理图像序列之后，另一方面，对待处理图像序列中的第一帧待处理图像进行全景分割处理，相应获得分割后的图像，并对分割后的图像进行区域归类，以将第一帧待处理图像中属于某些类别的像素点(例如属于树的像素点)归类为前景区域，将第一帧待处理图像中属于其他类别的像素点(例如不属于树的像素点)归类为背景区域，从而区分前景区域和背景区域，相应获得归类后的图像，再提取归类后的图像中的连通区域，并对提取到的连通区域进行连通区域标记，基于每一个标记后的连通区域，在待处理图像序列中的每一帧待处理图像上提取对应区域，其中，对应区域在相应的待处理图像上的位置及大小与对应的标记后的连通区域在相应的待处理图像上的位置及大小相同，并计算每两帧相邻帧待处理图像中的对应区域的相似度，以根据计算获得的所有的相似度获取相应的运动校正区域；需要说明的是，在对第一帧待处理图像进行全景分割处理时，可以根据预设的全景分割模型(例如全景特征金字塔网络Panoptic FPN(Panoptic Feature PyramidNetworks)模型或其他卷积神经网络模型)进行全景分割，也可以采用无监督传统分割方法(例如图割或者超像素法)进行全景分割，本发明实施例不作具体限定。
在获得初始运动区域和运动校正区域之后，根据获得的运动校正区域对对应的初始运动区域进行校正，相应获得校正后的运动区域，并对获得的校正后的运动区域中的每一个像素点的运动状态进行区域统计校正，以消除校正后的运动区域中孤立的噪声点，填补内部空洞，最终获得运动目标区域。
可以理解的，由于待处理图像序列中的所有的待处理图像是相似的，背景区域的位置(例如树的位置)是相对固定的，不会出现大范围的移动，因此，只需要对待处理图像序列中的第一帧待处理图像进行全景分割处理。
需要补充的是，一个连通区域是由具有相同像素值的相邻像素点组成的像素集合，连通区域的定义一般有两种，分为4邻接和8邻接，因此，可以通过这两个条件在分割后的图像中寻找连通区域，对于找到的每一个连通区域，赋予其一个唯一的区域标识(Label)，以区别于其他连通区域，例如，在分割后的图像中一共有5个连通区域，则可以分别标记为1、2、3、4、5；连通区域分析的基本算法有两种，一种是Two-Pass两遍扫描法，另一种是Seed-Filling种子填充法，用这两种方法中的任意一种都可以从分割后的图像的二值图像中查找出所有的连通区域。
本发明实施例所提供的一种运动目标检测方法，通过对获取的待处理图像序列进行高反差保留处理，获取高频图像序列，根据高频图像序列进行运动目标检测，获取初始运动区域，对待处理图像序列中的第一帧待处理图像进行全景分割，并对归类后的图像进行连通区域标记，基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域，根据运动校正区域对初始运动区域进行校正，获取校正后的运动区域，对校正后的运动区域进行区域统计校正，获取运动目标区域，由于高频图像对光照的鲁棒性较强，能够避免背景场景的动态变化(例如树叶晃动、雨雪天气)、光照变化以及杂乱背景等动态场景的干扰，从而能够提高运动目标检测的精确度，降低误检率。
在另一个优选实施例中，所述对所述待处理图像序列进行高反差保留处理，获取高频图像序列，具体包括：
将所述待处理图像序列转换为灰度图像序列；
根据预设的滤波器对所述灰度图像序列进行滤波处理，获取模糊图像序列；
根据所述灰度图像序列和所述模糊图像序列进行高反差保留处理，获取所述高频图像序列；
其中，所述待处理图像序列包括m帧待处理图像，所述灰度图像序列包括m帧灰度图像，所述模糊图像序列包括m帧模糊图像，所述高频图像序列包括m帧高频图像，m>1。
具体的，结合上述实施例，在对待处理图像序列进行高反差保留处理时，可以先将待处理图像序列转换为灰度图像序列，若待处理图像序列的初始色彩空间属于RGB色彩空间，则可利用公式Y＝0.299*R+0.587*G+0.114*B进行转换，若待处理图像序列的初始色彩空间属于YUV色彩空间，则直接进行Y/U/V通道分离，相应获得Y通道的灰度图像序列，接着根据预设的滤波器(该滤波器为低通滤波器，例如均值滤波器、高斯滤波器等)对灰度图像序列中的每一帧灰度图像进行滤波处理，相应获得模糊图像序列，最后利用高反差原理，根据获得的灰度图像序列和模糊图像序列进行高反差保留处理，相应获得高频图像序列。
可以理解的，若待处理图像序列包括m帧待处理图像，则灰度图像序列包括m帧灰度图像，模糊图像序列包括m帧模糊图像，高频图像序列包括m帧高频图像，待处理图像、灰度图像、模糊图像和高频图像具有一一对应的关系。
作为上述方案的改进，所述方法通过以下步骤获取所述高频图像序列中的任一帧高频图像：
根据公式Gi＝Yi'-Yi+A获取所述高频图像序列中的第i帧高频图像Gi；其中，Yi'表示所述模糊图像序列中的第i帧模糊图像，Yi表示所述灰度图像序列中的第i帧灰度图像，A为常数，1≤i≤m，A>0。
具体的，每一帧高频图像的获取方法相同，这里以获取高频图像序列中的第i帧高频图像Gi为例进行说明：结合上述实施例，与第i帧高频图像Gi对应的模糊图像为第i帧模糊图像，与第i帧高频图像Gi对应的灰度图像为第i帧灰度图像，则根据公式Gi＝Yi'-Yi+A计算获得第i帧高频图像Gi；其中，Yi'表示第i帧模糊图像，Yi表示第i帧灰度图像，A为常数，优选地，A＝128，当A＝128时，获得的高频图像的效果较佳。
在又一个优选实施例中，所述基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域，具体包括：
在每一帧待处理图像中提取每一个标记后的连通区域的对应区域,并根据像素点将提取到的对应区域划分为若干个子区域；其中，同一个标记后的连通区域的对应区域的划分方式相同；
对于在第i帧待处理图像中提取到的第j个对应区域的第k个第一子区域，根据在第i-1帧待处理图像中提取到的第j个对应区域的第k个第二子区域计算所述第一子区域和所述第二子区域的对应区域局部直方图相似度，并根据所述对应区域局部直方图相似度对所述第一子区域进行子区域标记；其中，1<i≤m，j>0，k>0；
根据所有标记后的子区域获取所述运动校正区域。
具体的，结合上述实施例，在对分割后的图像进行连通区域标记，获得若干个标记后的连通区域之后，基于每一个标记后的连通区域，在待处理图像序列中的每一帧待处理图像上提取对应的标记后的连通区域的对应区域，对于每一个提取到的对应区域，根据对应区域中包含的像素点的个数将对应区域划分为若干个子区域，其中，同一个标记后的连通区域所对应的对应区域的划分方式相同，不同的标记后的连通区域所对应的划分方式可以相同，也可以不相同，对于在第i帧待处理图像中提取到的第j个对应区域的第k个第一子区域，根据在第i-1帧待处理图像中提取到的第j个对应区域的第k个第二子区域计算第一子区域和第二子区域的对应区域局部直方图相似度，并根据计算获得的对应区域局部直方图相似度对第一子区域中的像素点进行子区域标记，从而根据所有的标记后的子区域相应获得运动校正区域。
需要说明的是，在对待处理图像序列进行处理时，是按照时间的先后顺序一帧一帧进行处理的，但是，由于待处理图像序列是按照时间顺序获得的，在计算相邻两帧待处理图像的对应区域局部直方图相似度时，若处理到第i帧待处理图像，只有前i-1帧待处理图像是可用的，因此，第i帧待处理图像的相邻帧指的是前一帧待处理图像，相应的，第一帧待处理图像无需进行对应区域局部直方图相似度计算，从第二帧待处理图像开始，计算第二帧待处理图像与第一帧待处理图像的对应区域局部直方图相似度，以根据计算获得的相似度获取第二帧待处理图像对应的运动校正区域，计算第三帧待处理图像与第二帧待处理图像的对应区域局部直方图相似度，以根据计算获得的相似度获取第三帧待处理图像对应的运动校正区域，以此类推。
可以理解的，对于每一帧待处理图像，都可以对应获得一个初始运动区域，对于除了第一帧之外的待处理图像，都可以对应获得一个运动校正区域，则可以根据获得的运动校正区域对对应的初始运动区域进行校正；例如，处理到第五帧待处理图像，首先通过步骤S12～步骤S13获得第五帧待处理图像对应的初始运动区域D，然后通过步骤S14～步骤S15获得第五帧待处理图像对应的运动校正区域D1，则通过步骤S16利用第五帧待处理图像的D1校正第五帧待处理图像的D，第五帧待处理图像处理完毕，接着处理第六帧待处理图像，处理方法相同，这里不再赘述。
例如，假设分割后的图像上的某个标记后的连通区域包含50*70个像素点，则可以将其均分为35个子区域，每一个子区域中包含10*10个像素点，相应的，该标记后的连通区域在每一帧待处理图像上都有一个对应区域，且每一个对应区域都均分为35个10*10的子区域，再针对每一个子区域进行相邻帧的对应区域局部直方图相似度计算，以根据计算获得的相似度获取对应的运动校正子区域，同一帧待处理图像上的所有的运动校正子区域组成了对应的运动校正区域；对其他的标记后的连通区域的处理方法相同，这里不再赘述。
对于计算相邻帧的对应区域局部直方图相似度，以上述第一子区域和第二子区域为例，先将第一子区域和第二子区域归一化到相同的尺度空间，接着通过计算第一子区域和第二子区域之间的距离可以获得第一子区域和第二子区域的对应区域局部直方图相似度，其中，常用的距离度量方法有四种，相关性比较、卡方比较、十字交叉性和巴氏距离，可以选择其中的任意一种，本发明实施例不作具体限定。
作为上述方案的改进，所述方法通过以下步骤对所述第一子区域进行子区域标记：
将所述对应区域局部直方图相似度与预设的相似度阈值进行比较；
当所述对应区域局部直方图相似度大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为0；
当所述对应区域局部直方图相似度不大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为1。
具体的，每一个子区域的标记方法相同，这里以对上述第一子区域进行子区域标记为例进行说明：在计算获得第一子区域和第二子区域的对应区域局部直方图相似度之后，将计算获得的对应区域局部直方图相似度与预设的相似度阈值进行比较，当对应区域局部直方图相似度大于相似度阈值时，将第一子区域包含的所有像素点标记为0，当对应区域局部直方图相似度不大于相似度阈值时，将第一子区域包含的所有像素点标记为1。
可以理解的，在对某一帧待处理图像中的每一个子区域进行子区域标记处理之后，可以根据所有的标记后的子区域相应获得该待处理图像所对应的运动校正区域。
在又一个优选实施例中，所述根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域，具体包括：
获取所述运动校正区域中的每一个子区域包含的像素点的标记值；
当任一个子区域包含的像素点的标记值为0时，将所述初始运动区域中的对应子区域包含的所有像素点的标记值校正为0，否则校正为1，相应获取所述校正后的运动区域。
具体的，结合上述实施例，在根据获得的运动校正区域对对应的初始运动区域进行校正时，获取运动校正区域中的每一个子区域包含的像素点的标记值，当某一个子区域包含的像素点的标记值为0时，将初始运动区域中的对应的子区域包含的所有像素点的标记值校正为0，当某一个子区域包含的像素点的标记值为1时，将初始运动区域中的对应的子区域包含的所有像素点的标记值校正为1，在对初始运动区域中的每一个子区域所包含的像素点的标记值校正完成之后，可以相应获取对应的校正后的运动区域。
需要说明的是，在本实施例中，仅根据上述标记后的连通区域的对应区域中划分的子区域对初始运动区域中的相同位置的子区域进行校正，对于连通区域以外的区域则不进行处理。
在又一个优选实施例中，所述对所述校正后的运动区域进行区域统计校正，获取运动目标区域，具体包括：
对于所述校正后的运动区域中的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；
统计所述n*n邻域中包含的标记值为0的像素点的数量n0；
当n*n*α≤n0时，将所述中心像素点的标记值校正为0，否则校正为1，相应获取所述运动目标区域。
具体的，校正后的运动区域中的每一个像素点的校正方法相同，这里以对校正后的运动区域中的任意一个像素点进行区域统计校正为例进行说明：结合上述实施例，以该像素点为中心像素点，在该像素点的周围取该像素点的n*n邻域，并统计n*n邻域中所包含的标记值为0的像素点的数量n0，根据预先设置的百分比α计算n*n*α的值，并比较计算获得的n*n*α的值与统计获得的n*n邻域中标记值为0的像素点的数量n0的大小，当n*n*α≤n0时，将该像素点的标记值校正为0，当n*n*α>n0时，将该像素点的标记值校正为1。
例如，对于像素点x，取n＝3，α＝80％，则以像素点x为中心像素点取3*3邻域，在3*3邻域中包含了3*3＝9个像素点(包括中心像素点)，然后统计3*3邻域中的标记值为0的像素点的数量n0，如果这9个像素点中一共有4个像素点的标记值为0，则n0＝4，此时n*n*α＝3*3*80％＝7.2>4，则将像素点x的标记值校正为1，在对校正后的运动区域中的每一个像素点的标记值进行区域统计校正完成之后，可以相应获得最终的运动目标区域。
本发明实施例还提供了一种运动目标检测装置，能够实现上述任一实施例所述的运动目标检测方法的所有流程，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运动目标检测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运动目标检测装置的一个优选实施例的结构框图，所述装置包括：
图像序列获取模块11，用于获取待处理图像序列；
高频图像序列获取模块12，用于对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
初始运动区域获取模块13，用于根据所述高频图像序列进行运动目标检测，获取初始运动区域；
全景分割模块14，用于对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
运动校正区域获取模块15，用于基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
初始运动区域校正模块16，用于根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
运动目标区域获取模块17，用于对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
优选地，所述高频图像序列获取模块12具体包括：
灰度图像序列获取单元，用于将所述待处理图像序列转换为灰度图像序列；
模糊图像序列获取单元，用于根据预设的滤波器对所述灰度图像序列进行滤波处理，获取模糊图像序列；
高频图像序列获取单元，用于根据所述灰度图像序列和所述模糊图像序列进行高反差保留处理，获取所述高频图像序列；
其中，所述待处理图像序列包括m帧待处理图像，所述灰度图像序列包括m帧灰度图像，所述模糊图像序列包括m帧模糊图像，所述高频图像序列包括m帧高频图像，m>1。
优选地，所述高频图像序列获取单元具体用于：
根据公式Gi＝Yi'-Yi+A获取所述高频图像序列中的第i帧高频图像Gi；其中，Yi'表示所述模糊图像序列中的第i帧模糊图像，Yi表示所述灰度图像序列中的第i帧灰度图像，A为常数，1≤i≤m，A>0。
优选地，所述运动校正区域获取模块15具体包括：
子区域划分单元，用于在每一帧待处理图像中提取每一个标记后的连通区域的对应区域，并根据像素点将提取到的对应区域划分为若干个子区域；其中，同一个标记后的连通区域的对应区域的划分方式相同；
子区域标记单元，用于对于在第i帧待处理图像中提取到的第j个对应区域的第k个第一子区域，根据在第i-1帧待处理图像中提取到的第j个对应区域的第k个第二子区域计算所述第一子区域和所述第二子区域的对应区域局部直方图相似度，并根据所述对应区域局部直方图相似度对所述第一子区域进行子区域标记；其中，1<i≤m，j>0，k>0；
运动校正区域获取单元，用于根据所有标记后的子区域获取所述运动校正区域。
优选地，所述区域标记单元具体用于通过以下步骤对所述第一子区域进行子区域标记：
将所述对应区域局部直方图相似度与预设的相似度阈值进行比较；
当所述对应区域局部直方图相似度大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为0；
当所述对应区域局部直方图相似度不大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为1。
优选地，所述初始运动区域校正模块16具体包括：
像素点标记值获取单元，用于获取所述运动校正区域中的每一个子区域包含的像素点的标记值；
初始运动区域校正单元，用于当任一个子区域包含的像素点的标记值为0时，将所述初始运动区域中的对应子区域包含的所有像素点的标记值校正为0，否则校正为1，相应获取所述校正后的运动区域。
优选地，所述运动目标区域获取模块17具体包括：
像素点邻域获取单元，用于对于所述校正后的运动区域中的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；
像素点数量统计单元，用于统计所述n*n邻域中包含的标记值为0的像素点的数量n0；
运动目标区域获取单元，用于当n*n*α≤n0时，将所述中心像素点的标记值校正为0，否则校正为1，相应获取所述运动目标区域。
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运动目标检测方法。
本发明实施例还提供了一种终端设备，参见图3所示，是本发明提供的一种终端设备的一个优选实施例的结构框图，所述终端设备包括处理器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运动目标检测方法。
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终端设备中的执行过程。
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是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
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，上述终端设备可包括，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终端设备的示例，并不构成对终端设备的限定，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运动目标检测方法、装置、计算机可读存储介质及终端设备，具有以下有益效果：
(1)一方面利用高反差原理提取待处理图像的高频分量，并基于高频分量进行运动目标检测，获得初始运动区域，另一方面利用全景分割自动提取连通区域，相应获得运动校正区域，利用运动校正区域对初始运动区域进行校正以及区域统计校正，最终获得运动目标区域，由于高频图像对光照的鲁棒性较强，能够避免背景场景的动态变化(例如树叶晃动、雨雪天气)、光照变化以及杂乱背景等动态场景的干扰，从而能够提高运动目标检测的精确度，降低误检率；
(2)仅需要对待处理图像序列中的某一帧待处理图像进行全景分割，实时性较好，当选择第一帧待处理图像进行全景分割处理时，进一步提高了实时性。
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)
1.一种运动目标检测方法，其特征在于，包括：
获取待处理图像序列；
对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
根据所述高频图像序列进行运动目标检测，获取初始运动区域；
对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
2.如权利要求1所述的运动目标检测方法，其特征在于，所述对所述待处理图像序列进行高反差保留处理，获取高频图像序列，具体包括：
将所述待处理图像序列转换为灰度图像序列；
根据预设的滤波器对所述灰度图像序列进行滤波处理，获取模糊图像序列；
根据所述灰度图像序列和所述模糊图像序列进行高反差保留处理，获取所述高频图像序列；
其中，所述待处理图像序列包括m帧待处理图像，所述灰度图像序列包括m帧灰度图像，所述模糊图像序列包括m帧模糊图像，所述高频图像序列包括m帧高频图像，m>1。
3.如权利要求2所述的运动目标检测方法，其特征在于，所述方法通过以下步骤获取所述高频图像序列中的任一帧高频图像：
根据公式Gi＝Yi'-Yi+A获取所述高频图像序列中的第i帧高频图像Gi；其中，Yi'表示所述模糊图像序列中的第i帧模糊图像，Yi表示所述灰度图像序列中的第i帧灰度图像，A为常数，1≤i≤m，A>0。
4.如权利要求1所述的运动目标检测方法，其特征在于，所述基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域，具体包括：
在每一帧待处理图像中提取每一个标记后的连通区域的对应区域，并根据像素点将提取到的对应区域划分为若干个子区域；其中，同一个标记后的连通区域的对应区域的划分方式相同；
对于在第i帧待处理图像中提取到的第j个对应区域的第k个第一子区域，根据在第i-1帧待处理图像中提取到的第j个对应区域的第k个第二子区域计算所述第一子区域和所述第二子区域的对应区域局部直方图相似度，并根据所述对应区域局部直方图相似度对所述第一子区域进行子区域标记；其中，1<i≤m，j>0，k>0；
根据所有标记后的子区域获取所述运动校正区域。
5.如权利要求4所述的运动目标检测方法，其特征在于，所述方法通过以下步骤对所述第一子区域进行子区域标记：
将所述对应区域局部直方图相似度与预设的相似度阈值进行比较；
当所述对应区域局部直方图相似度大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为0；
当所述对应区域局部直方图相似度不大于所述相似度阈值时，将所述第一子区域包含的所有像素点标记为1。
6.如权利要求5所述的运动目标检测方法，其特征在于，所述根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域，具体包括：
获取所述运动校正区域中的每一个子区域包含的像素点的标记值；
当任一个子区域包含的像素点的标记值为0时，将所述初始运动区域中的对应子区域包含的所有像素点的标记值校正为0，否则校正为1，相应获取所述校正后的运动区域。
7.如权利要求6所述的运动目标检测方法，其特征在于，所述对所述校正后的运动区域进行区域统计校正，获取运动目标区域，具体包括：
对于所述校正后的运动区域中的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；
统计所述n*n邻域中包含的标记值为0的像素点的数量n0；
当n*n*α≤n0时，将所述中心像素点的标记值校正为0，否则校正为1，相应获取所述运动目标区域。
8.一种运动目标检测装置，其特征在于，包括：
图像序列获取模块，用于获取待处理图像序列；
高频图像序列获取模块，用于对所述待处理图像序列进行高反差保留处理，获取高频图像序列；
初始运动区域获取模块，用于根据所述高频图像序列进行运动目标检测，获取初始运动区域；
全景分割模块，用于对所述待处理图像序列中的第一帧待处理图像进行全景分割，以对所述第一帧待处理图像进行前景区域和背景区域归类，并对归类后的图像进行连通区域标记；
运动校正区域获取模块，用于基于标记后的连通区域在每一帧待处理图像中提取对应区域，并计算相邻帧待处理图像中的对应区域的相似度，以根据计算获得的相似度获取运动校正区域；
初始运动区域校正模块，用于根据所述运动校正区域对所述初始运动区域进行校正，获取校正后的运动区域；
运动目标区域获取模块，用于对所述校正后的运动区域进行区域统计校正，获取运动目标区域。
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任一项所述的运动目标检测方法。
10.一种终端设备，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任一项所述的运动目标检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911389716.4A CN111179302B (zh) | 2019-12-27 | 2019-12-27 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911389716.4A CN111179302B (zh) | 2019-12-27 | 2019-12-27 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111179302A true CN111179302A (zh) | 2020-05-19 |
| CN111179302B CN111179302B (zh) | 2023-03-24 |
Family
ID=70647471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911389716.4A Active CN111179302B (zh) | 2019-12-27 | 2019-12-27 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179302B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113487660A (zh) * | 2021-06-16 | 2021-10-08 | 普联国际有限公司 | 融合深度信息的运动目标检测方法、装置、介质及设备 |
| CN113554008A (zh) * | 2021-09-18 | 2021-10-26 | 深圳市安软慧视科技有限公司 | 静态物体区域内检测方法、装置、电子设备及存储介质 |
| CN114037633A (zh) * | 2021-11-18 | 2022-02-11 | 南京智谱科技有限公司 | 一种红外图像处理的方法及装置 |
| CN114581482A (zh) * | 2022-03-09 | 2022-06-03 | 湖南中科助英智能科技研究院有限公司 | 一种动平台下运动目标检测方法、装置和检测设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104166841A (zh) * | 2014-07-24 | 2014-11-26 | 浙江大学 | 一种视频监控网络中指定行人或车辆的快速检测识别方法 |
| JP2015225667A (ja) * | 2014-05-26 | 2015-12-14 | 富士通株式会社 | 移動目標の検出方法及び移動目標の検出装置 |
| CN107133969A (zh) * | 2017-05-02 | 2017-09-05 | 中国人民解放军火箭军工程大学 | 一种基于背景反投影的移动平台运动目标检测方法 |
| CN109671090A (zh) * | 2018-11-12 | 2019-04-23 | 深圳佑驾创新科技有限公司 | 基于远红外线的图像处理方法、装置、设备和存储介质 |
-
2019
- 2019-12-27 CN CN201911389716.4A patent/CN111179302B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015225667A (ja) * | 2014-05-26 | 2015-12-14 | 富士通株式会社 | 移動目標の検出方法及び移動目標の検出装置 |
| CN104166841A (zh) * | 2014-07-24 | 2014-11-26 | 浙江大学 | 一种视频监控网络中指定行人或车辆的快速检测识别方法 |
| CN107133969A (zh) * | 2017-05-02 | 2017-09-05 | 中国人民解放军火箭军工程大学 | 一种基于背景反投影的移动平台运动目标检测方法 |
| CN109671090A (zh) * | 2018-11-12 | 2019-04-23 | 深圳佑驾创新科技有限公司 | 基于远红外线的图像处理方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 薛阳等: "一种针对抖动视频序列的运动目标检测算法", 《激光与光电子学进展》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113487660A (zh) * | 2021-06-16 | 2021-10-08 | 普联国际有限公司 | 融合深度信息的运动目标检测方法、装置、介质及设备 |
| CN113554008A (zh) * | 2021-09-18 | 2021-10-26 | 深圳市安软慧视科技有限公司 | 静态物体区域内检测方法、装置、电子设备及存储介质 |
| CN113554008B (zh) * | 2021-09-18 | 2021-12-31 | 深圳市安软慧视科技有限公司 | 静态物体区域内检测方法、装置、电子设备及存储介质 |
| CN114037633A (zh) * | 2021-11-18 | 2022-02-11 | 南京智谱科技有限公司 | 一种红外图像处理的方法及装置 |
| CN114581482A (zh) * | 2022-03-09 | 2022-06-03 | 湖南中科助英智能科技研究院有限公司 | 一种动平台下运动目标检测方法、装置和检测设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111179302B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111179302B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
| WO2022027931A1 (zh) | 基于视频图像的运动车辆前景检测方法 | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN111723644A (zh) | 一种监控视频遮挡检测方法及系统 | |
| AU2009270324A1 (en) | Detection of vehicles in images of a night time scene | |
| CN106886778B (zh) | 一种监控场景下车牌字符分割与识别方法 | |
| CN110599516A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
| KR102107334B1 (ko) | 이미지 프레임에서의 픽셀 위치가 배경 또는 전경에 속하는지를 결정하기 위한 방법, 장치 및 시스템 | |
| CN111783524B (zh) | 一种场景变换检测方法、装置、存储介质及终端设备 | |
| WO2009105812A1 (en) | Spatio-activity based mode matching field of the invention | |
| Huerta et al. | Exploiting multiple cues in motion segmentation based on background subtraction | |
| CN111435437A (zh) | 一种pcb行人重识别模型训练方法及pcb行人重识别方法 | |
| CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 | |
| Siricharoen et al. | Robust outdoor human segmentation based on color-based statistical approach and edge combination | |
| CN109543487B (zh) | 一种基于条码边缘分割的自动感应触发方法及其系统 | |
| CN109583414B (zh) | 基于视频检测的室内占道检测方法、设备、介质及处理器 | |
| CN112241982A (zh) | 一种图像处理方法、装置及机器可读存储介质 | |
| CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
| CN110910429A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
| Almomani et al. | Segtrack: A novel tracking system with improved object segmentation | |
| CN112581481A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
| CN112883783A (zh) | 一种视频浓缩方法、装置、终端设备及存储介质 | |
| Xie et al. | Robust vehicles extraction in a video-based intelligent transportation systems | |
| TWI676965B (zh) | 物件影像辨識系統及物件影像辨識方法 | |
| CN110765940A (zh) | 目标对象统计方法和装置 |
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 |