CN111539975B - 一种运动目标的检测方法、装置、设备及存储介质 - Google Patents
一种运动目标的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111539975B CN111539975B CN202010273903.2A CN202010273903A CN111539975B CN 111539975 B CN111539975 B CN 111539975B CN 202010273903 A CN202010273903 A CN 202010273903A CN 111539975 B CN111539975 B CN 111539975B
- Authority
- CN
- China
- Prior art keywords
- image sequence
- motion
- image
- preset
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 37
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000006872 improvement Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动目标的检测方法,包括:获取待处理的第一图像序列;根据预设的图像属性条件对第一图像序列进行处理得到第二图像序列;将第二图像序列的每一帧图像均分若干子模块,并计算其均值以构建均值图像序列;根据均值图像序列确定运动目标的第一运动区域及背景模型;根据预设的映射规则第一运动区域的像素点对应映射至第二图像序列空间,得到运动目标的第二运动区域;将第二图像序列中与第二运动区域的运动像素点对应的子模块,与背景模型进行预设的比对处理,并根据比对结果对第二运动区域进行修正。本发明实施例还提供了一种运动目标的检测装置、设备及存储介质,解决现有技术中低光环境下运动目标的漏检率较高的问题。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种运动目标的检测方法、装置、设备及存储介质。
背景技术
夜间是入侵、盗窃等非法行为的多发时段。日/夜转换型监控摄像机能根据环境照度的高低,在彩色模式和黑白模式之间自动切换,以保证图像的可辩识性。为了改善夜间成像质量,监控摄像机通常配置近红外LED辅助照明灯,但红外灯具有较强的指向性,照亮的场景范围和距离有限,光照不均匀,所采集的近红外图像仍为灰度图像,且噪声高、对比度低,丢失了场景中色彩和纹理等重要信息,加大了运动目标检测难度,导致低光环境下运动目标的漏检率较高。
发明内容
本发明实施例提供一种运动目标的检测方法、装置、设备及存储介质,能有效解决现有技术运动目标检测难度高,从而导致低光环境下运动目标的漏检率较高的问题。
本发明一实施例提供一种运动目标的检测方法,包括:
获取待处理的第一图像序列;
根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;
将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;
根据所述均值图像序列确定运动目标的第一运动区域及背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点;
根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域;
将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正。
作为上述方案的改进,所述根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列,具体包括:
其中,所述预设的图像属性条件包括:
所述预设的图像属性条件包括:图像灰度转换条件、图像对比度调整条件及图像亮度校正条件;
则对应的,根据图像灰度转换条件对所述第一图像序列进行转换得到第三图像序列;
根据图像亮度校正条件对所述第三图像序列进行校正得到第四图像序列;
根据图像对比度调整条件对所述第四图像序列进行调整得到第二图像序列。
作为上述方案的改进,所述根据所述均值图像序列确定运动目标的第一运动区域及背景模型,具体包括:
根据预设的高斯混合模型对所述均值图像序列进行处理,得到运动目标的第一运动区域及背景模型。
作为上述方案的改进,所述根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域,具体包括:
将所述第一运动区域的每一像素点对应映射至所述第二图像序列中的每一所述子模块,以形成运动目标的第二运动区域;其中,所述子模块的像素值与所述像素点的像素值相同。
作为上述方案的改进,将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正,具体包括:
获取所述第二运动区域的运动像素点,并通过比对确定所述第二运动区域的运动像素点在所述第二图像序列中对应的子模块;
根据预设的差值计算公式将所述第二图像序列中对应的子模块,与所述背景模型进行计算;
响应于计算结果大于预设的检测值,则不对所述第二运动区域的运动像素点进行修正;
响应于计算结果小于预设的检测值,则将所述第二运动区域的运动像素点修正为背景像素点。
作为上述方案的改进,所述预设的差值计算公式为:
A=|It(i,j)-Bt(k)|-(T+λ*It(i,j));
其中,T为预设的基础阈值,λ为平衡系数,取值为0~1,It(i,j)为在第二图像序列中第t帧第i行j列的像素点的像素值,Bt(k)为第二图像序列中第t帧第i行j列的像素点所在的子模块对应在背景模型中的像素值。
作为上述方案的改进,在在将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正之后,还包括:
将修正后的第二运动区域进行开运算处理。
本发明另一实施例对应提供了一种运动目标的检测装置,包括:
获取模块,用于获取待处理的第一图像序列;
预处理模块,用于根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;
均值图像序列构建模块,用于将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;
第一运动区域构建模块,用于根据所述均值图像序列确定运动目标的第一运动区域及背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点;
第二运动区域构建模块,用于根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域;
修正模块,用于将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正。
本发明另一实施例提供了一种运动目标的检测方法设备,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,所述处理器执行所述计算机程序时实现上述发明实施例所述的运动目标的检测方法。
本发明另一实施例提供了一种存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述发明实施例所述的运动目标的检测方法。
与现有技术相比,本发明实施例公开的运动目标的检测方法、装置、终端及存储介质,通过根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;根据所述均值图像序列获取运动目标的第一运动区域和背景模型,根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,再将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正。由此可见,根据图像属性对整体图像进行调整,使得整体图像的更加清晰,从而增加低光区域的运动目标的检出率。又由于根据均值图像序列获取运动目标的第一运动区域,即对整体图像先进行粗检测,获取运动目标的第一运动区域,再将映射后的第一运动区域(即第二运动区域)中的运动像素点与第二图像序列的子模块进行对应,进一步进行细化处理(即预设的比对处理),从而对第二运动区域进行修正,提高了运动目标检测的准确性,从而提高低光环境下运动目标的检出率和可靠性。
附图说明
图1是本发明一实施例提供的一种运动目标的检测方法的流程示意图;
图2是本发明一实施例提供的一种运动目标的检测方法中步骤S30的示意图;
图3是本发明一实施例提供的一种运动目标的检测方法中步骤S50的示意图;
图4是本发明一实施例提供的一种运动目标的检测方法中第二运动区域的示意图;
图5是本发明一实施例提供的一种运动目标的检测方法中步骤S60的一具体示意图;
图6是本发明一实施例提供的一种运动目标的检测方法中步骤S60的另一具体示意图;
图7是本发明一实施例提供的一种运动目标的检测装置的结构示意图;
图8是本发明一实施例提供的一种运动目标的检测设备的结构示意图。
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。
参见图1,是本发明一实施例提供的一种运动目标的检测方法的流程示意图。
本发明一实施例提供一种运动目标的检测方法,包括:
S10,获取待处理的第一图像序列。
需要说明的是,待处理的第一图像序列可以来自电子设备实时获取的图像,可以理解的是,电子设备可以为网络摄像头、智能手机以及平板电脑等具备拍摄视频或照片功能的电子设备,在此不作限定。
S20,根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列。
其中,所述预设的图像属性条件包括:所述预设的图像属性条件包括:图像灰度转换条件、图像对比度调整条件及图像亮度校正条件。可以理解的是,图像属性还包括分辨率、饱和度等,因此在需要时可以对其他图像属性进行调整。
具体地,当获取待处理的图像后,由于图像在低光环境下拍摄,因此需要对图像的属性进行调整,以使图像更加清晰,从而增加低光区域的运动目标的检出率。
S30,将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列。
具体地,将第二图像序列的每一帧图像均分为n*n的小块,计算每一个子模块的均值,构建均值图像序列。
举例而言,参见图2,若图像的分辨率为10*10(图像的长为10,宽度为10),n取为2,则代表将10*10的图像均分为25个2*2的子模块。以第二图像序列中第k帧为例,用黑色块覆盖的一个2*2区域,即对应一个子块,计算这个子块包含的所有像素点的均值,这个均值即为箭头所指位置处的像素值,其他帧处理过程相同,处理完所有帧,即构成了均值图像序列。
S40,根据所述均值图像序列确定运动目标的第一运动区域及背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点。
需要说明的是,在本实施例中,第一运动区域是一副利用0和1标记的二值图像,0代表背景像素点,1代表运动像素点。
具体地,通过均值图像序列获取运动目标的第一运动区域,即对整个图像进行标记,可以粗粒度上检测图像中的运动变化,有助于增加低光区域的运动目标的检出率。
S50,根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域。
在上述实施例中,优选地,步骤S50,具体包括:
将所述第一运动区域的每一像素点对应映射至所述第二图像序列中的每一所述子模块,以形成所述第二运动区域;其中,所述子模块的像素值与所述像素点的像素值相同。可以理解的是,第一运动区域的每一像素点与第二图像序列中的每一子模块一一对应。
在本实施例中,参见图3和4,子模块为2*2,则将第一运动区域的所有像素点与第二图像序列进行对应,如果第一运动区域某一像素点取值为0,则在第二运动区域中对应子块包围的像素点也填充为0,如果第一运动区域中某一像素点取值为1,则在第二运动区域中对应子块包围的像素点也取值为1,按照如此设置,处理所有的像素点。以使所述第一运动区域与所述第二图像序列的大小一致,有助于之后对运动像素点的细化处理。
S60,将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正。
具体地,由于将第二图像序列中与第二运动区域的运动像素点对应的子模块,与背景模型进行预设的比对处理,从而确定第二运动区域中的运动像素点是否准确,提高了运动目标检测的准确性。
综上所述,根据图像属性对整体图像进行调整,使得整体图像的更加清晰,从而增加低光区域的运动目标的检出率。又由于根据均值图像序列获取运动目标的第一运动区域,即对整体图像先进行粗检测,获取运动目标的第一运动区域,再将映射后的第一运动区域(即第二运动区域)中的运动像素点与第二图像序列的子模块进行对应,进一步进行细化处理(即预设的比对处理),从而对第二运动区域进行修正,提高了运动目标检测的准确性,从而提高低光环境下运动目标的检出率和可靠性。
作为上述方案的改进,步骤S20,所述根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列,具体包括:
S201,根据图像灰度转换条件对所述第一图像序列进行转换得到第三图像序列。
具体地,将第一图像序列的转换为灰度图像序列(即第三图像序列),可以理解的是,若初始获取的待处理的第一图像序列属于RGB色彩空间,则利用公式Y=0.299*R+0.587*G+0.114*B进行转换,若初始色彩空间属于YUV色彩空间,则直接进行Y/U/V通道分离,分离出Y通道即可。
S202,根据图像亮度校正条件对所述第三图像序列进行校正得到第四图像序列。
具体地,对灰度图像序列中的每一帧做全局亮度调整。
在本实施例中,采用下述公式进行调整,
其中,In为调整前图像的灰度值,In’为调整后图像的灰度值,参数Z值由图像参数本身决定,/>公式Z中的L表示灰度图像的累计直方图达到0.1时的色阶值。可以理解的是,如果灰度图像中90%的像素值都大于150,则Z=1,如果10%以上的像素值都小于50,则Z取值为0,否则其他情况Z则根据L的值线性插值设置。以上调节亮度的方法只是本发明的一种实施例,还可以为其他图像调整亮度的方法,在此不作限定。
S203,根据图像对比度调整条件对所述第四图像序列进行调整得到第二图像序列。
具体地,对第四图像序列每一帧做局部对比度增强。
在本实施例中,采用对比度增强公式进行调整:
S(x,y)=255*In’(x,y)E(x,y),E(x,y)=[I1(x,y)/I(x,y)]p,其中I1(x,y)为经过高斯模糊后的图像,I(x,y)为灰度图像序列,其中参数p是一个和图像有关的参数,如果原始图像的对比度比较差,p应该是一个较大的值,来提高图像的整体对比度,p和图像原始亮度图的全局均方差有关,具体参见公式:
(公式中的σ表示图像的全局均方差)。
作为上述方案的改进,S40,所述根据所述均值图像序列确定运动目标的第一运动区域及背景模型,具体包括:
根据预设的高斯混合模型对所述均值图像序列进行处理,得到运动目标的第一运动区域及背景模型。
需要说明的是,高斯混合模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。对图像背景建立高斯模型的原理及过程:图像灰度直方图反映的是图像中某个灰度值出现的频次,也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相差比较大,且背景区域和目标区域在灰度上有一定的差异,那么该图像的灰度直方图呈现双峰-谷形状,其中一个峰对应于目标,另一个峰对应于背景的中心灰度。在智能监控系统中,对于运动目标的检测是中心内容,而在运动目标检测提取中,背景目标对于目标的识别和跟踪至关重要。而建模正是背景目标提取的一个重要环节。
具体地,参见图2和3,利用高斯混合模型进行运动目标粗检测,获取第一运动区域和背景模型,即在图2中标出运动像素点及背景像素点。
在上述实施例中,优选地,步骤S60,将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正,具体包括:
S601,获取所述第二运动区域的运动像素点,并通过比对确定所述第二运动区域的运动像素点在所述第二图像序列中对应的子模块。
需要说明的是,在本实施例中,由于第一运动区域0代表背景像素点,1代表运动像素点,则第二运动区域同理。由于第二运动区域与第二图像序列大小一致,因此第二运动区域中的运动像素点(即1),只需在第二图像序列中查找与该运动像素点相同帧且同行同列的子模块即可。
S602,根据预设的差值计算公式将所述第二图像序列中对应的子模块与所述背景模型进行计算。
其中,所述预设的差值计算公式为:
A=|It(i,j)-Bt(k)|-(T+λ*It(i,j));
其中,T为预设的基础阈值,λ为平衡系数,取值为0~1,It(i,j)为在第二图像序列中第t帧第i行j列的像素点的像素值,Bt(k)为第二图像序列中第t帧第i行j列的像素点所在的子模块对应在背景模型中的像素值。
需要说明的是,在本实施例中,每个第二运动区域中的运动像素点都需要在第二图像序列中查找对应的子模块,并与低分辨率背景模型进行差值计算的。
S603,响应于计算结果大于预设的检测值,则不对所述第二运动区域的运动像素点进行修正。
在本实施例中,预设的检测值为0。若A大于0,则说明第二运动区域的该运动像素点并未标记错误,无需进行修正。
S604,响应于计算结果小于预设的检测值,则将所述第二运动区域的运动像素点修正为背景像素点。
在本实施例中,若A小于0,则将第二运动区域对应位置处像素点标记为背景像素点(也即标记为0),以修正第二运动区域。
可以理解的是,若在第一运动区域中标记为背景像素点即可说明此处为背景,那么在第二运动区域中直接被标记为背景像素点,不需要再进行验证。
示例性地,参见图5和6,在第二运动区域某一位置处的像素点标记为1,则在第二图像序列中某一帧对应位置为a1,根据之前相同的映射方式可以知道a1是属于方框包围的子模块,用t13表示该位置处像素值,则利用公式计算A=|V(a1)-t13|-(T+λ*V(a1)),其中V(a1)就表示位置为a1处像素点的值,如果A大于0,则在第二运动区域对应位置无需修正仍标记为1,否则修正为0(即修正为背景像素点),处理完所有运动像素点,则获得修正后的第二运动区域,提高了运动目标检测的准确性,从而提高低光环境下运动目标的检出率和可靠性。
作为上述方案的改进,在将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正之后,还包括:
将比对处理之后的第二运动区域进行开运算处理。其中,开运算为先腐蚀后膨胀。
具体地,通过先腐蚀后膨胀去除孤立的散点和噪声点。
参见图7,是本发明一实施例提供的一种运动目标的检测装置的结构示意图。
本发明一实施例对应提供了一种运动目标的检测装置,包括:
获取模块10,用于获取待处理的第一图像序列;
预处理模块20,用于根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;
均值图像序列构建模块30,用于将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;
第一运动区域构建模块40,用于根据所述均值图像序列获取运动目标的第一运动区域和背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点;
第二运动区域构建模块50,用于根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域。
修正模块60,用于将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正。
作为上述方案的改进,所述预处理模块20,包括:
其中,所述预设的图像属性条件包括:
所述预设的图像属性条件包括:图像灰度转换条件、图像对比度调整条件及图像亮度校正条件。
则对应的,
灰度处理模块,用于根据图像灰度转换条件对所述第一图像序列进行转换得到第三图像序列。
亮度处理模块,用于根据图像亮度校正条件对所述第三图像序列进行校正得到第四图像序列;
对比度处理模块,用于根据图像对比度调整条件对所述第四图像序列进行调整得到第二图像序列。
作为上述方案的改进,所述第一运动区域构建模块40,包括:
第一处理模块,用于根据预设的高斯混合模型对所述均值图像序列进行处理,得到运动目标的第一运动区域和背景模型。
作为上述方案的改进,所述第二运动区域构建模块50,包括:
映射处理模块,用于将所述第一运动区域的一个像素点对应映射至所述第二图像序列中一个所述子模块,以形成运动目标的第二运动区域;其中,所述子模块的像素值与所述像素点的像素值相同。
作为上述方案的改进,所述修正模块60,包括:
比对模块,用于获取所述第二运动区域的运动像素点,并通过比对确定所述第二运动区域的运动像素点在所述第二图像序列中对应的子模块
计算模块,用于根据预设的差值计算公式将所述第二图像序列中对应的子模块,与所述背景模型进行计算;
第一响应模块,用于响应于计算结果大于预设的检测值,则不对所述第二运动区域的运动像素点进行修正。
第二响应模块,用于响应于计算结果小于预设的检测值,则将所述第二运动区域的运动像素点修正为背景像素点。
作为上述方案的改进,所述预设的差值计算公式为:
A=|It(i,j)-Bt(k)|-(T+λ*It(i,j));
其中,T为预设的基础阈值,λ为平衡系数,取值为0~1,It(i,j)为在第二图像序列中第t帧第i行j列的像素点的像素值,Bt(k)为第二图像序列中第t帧第i行j列的像素点所在的子模块对应在背景模型中的像素值。
作为上述方案的改进,所述运动目标的检测装置,还包括:
开运算处理模块,用于将比对处理之后的第二运动区域进行开运算处理。
本发明实施例提供的一种运动目标的检测装置,根据图像属性对整体图像进行调整,使得整体图像的更加清晰,从而增加低光区域的运动目标的检出率。又由于根据均值图像序列获取运动目标的第一运动区域,即对整体图像先进行粗检测,获取运动目标的第一运动区域,再将映射后的第一运动区域(即第二运动区域)中的运动像素点与第二图像序列的子模块进行对应,进一步进行细化处理(即预设的比对处理),从而对第二运动区域进行修正,提高了运动目标检测的准确性,从而提高低光环境下运动目标的检出率和可靠性。
参见图8,是本发明一实施例提供的运动目标的检测设备的示意图。该实施例的运动目标的检测设备包括:处理器11、存储器12以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器11执行所述计算机程序时实现上述各个运动目标的检测方法实施例中的步骤。或者,所述处理器11执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,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运动目标的检测设备中的执行过程。
所述运动目标的检测设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述运动目标的检测设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是运动目标的检测设备的示例,并不构成对运动目标的检测设备的限定,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,例如所述运动目标的检测设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器11可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,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该处理器也可以是任何常规的处理器等,所述处理器是所述运动目标的检测设备的控制中心,利用各种接口和线路连接整个运动目标的检测设备的各个部分。
所述存储器12可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述运动目标的检测设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述运动目标的检测设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种运动目标的检测方法,其特征在于,包括:
获取待处理的第一图像序列;
根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;
将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;
根据所述均值图像序列确定运动目标的第一运动区域及背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点;
根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域;
将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正;
将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正,具体包括:
获取所述第二运动区域的运动像素点,并通过比对确定所述第二运动区域的运动像素点在所述第二图像序列中对应的子模块;
根据预设的差值计算公式将所述第二图像序列中对应的子模块与所述背景模型进行计算;
响应于计算结果大于预设的检测值,则不对所述第二运动区域的运动像素点进行修正;
响应于计算结果小于预设的检测值,则将所述第二运动区域的运动像素点修正为背景像素点。
2.如权利要求1所述的运动目标的检测方法,其特征在于,所述根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列,具体包括:
其中,所述预设的图像属性条件包括:
所述预设的图像属性条件包括:图像灰度转换条件、图像对比度调整条件及图像亮度校正条件;
则对应的,
根据图像灰度转换条件对所述第一图像序列进行转换得到第三图像序列;
根据图像亮度校正条件对所述第三图像序列进行校正得到第四图像序列;
根据图像对比度调整条件对所述第四图像序列进行调整得到第二图像序列。
3.如权利要求1所述的运动目标的检测方法,其特征在于,所述根据所述均值图像序列获取运动目标的第一运动区域及背景模型,具体包括:
根据预设的高斯混合模型对所述均值图像序列进行处理,得到运动目标的第一运动区域及背景模型。
4.如权利要求1所述的运动目标的检测方法,其特征在于,所述根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域,具体包括:
将所述第一运动区域的每一像素点对应映射至所述第二图像序列中的每一所述子模块,以形成所述第二运动区域;其中,所述子模块的像素值与所述像素点的像素值相同。
5.如权利要求1所述的运动目标的检测方法,其特征在于,所述预设的差值计算公式为:
A=|It(i,j)-Bt(k)|-(T+λ*It(i,j));
其中,T为预设的基础阈值,λ为平衡系数,取值为0~1,It(i,j)为在第二图像序列中第t帧第i行j列的像素点的像素值,Bt(k)为第二图像序列中第t帧第i行j列的像素点所在的子模块对应在背景模型中的像素值。
6.如权利要求1所述的运动目标的检测方法,其特征在于,在将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块,与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正之后,还包括:
将修正后的第二运动区域进行开运算处理。
7.一种运动目标的检测装置,其特征在于,包括:
获取模块,用于获取待处理的第一图像序列;
预处理模块,用于根据预设的图像属性条件对所述第一图像序列进行处理得到第二图像序列;
均值图像序列构建模块,用于将所述第二图像序列的每一帧图像均分若干子模块,并计算各个子模块的像素点的均值以构建均值图像序列;
第一运动区域构建模块,用于根据所述均值图像序列确定运动目标的第一运动区域及背景模型;其中,所述第一运动区域包括:运动目标的运动像素点及背景像素点;
第二运动区域构建模块,用于根据预设的映射规则所述第一运动区域的像素点对应映射至所述第二图像序列空间,得到运动目标的第二运动区域;
修正模块,用于将所述第二图像序列中与所述第二运动区域的运动像素点对应的子模块与所述背景模型进行预设的比对处理,并根据比对结果对所述第二运动区域进行修正;
所述修正模块,包括:
比对模块,用于获取所述第二运动区域的运动像素点,并通过比对确定所述第二运动区域的运动像素点在所述第二图像序列中对应的子模块
计算模块,用于根据预设的差值计算公式将所述第二图像序列中对应的子模块,与所述背景模型进行计算;
第一响应模块,用于响应于计算结果大于预设的检测值,则不对所述第二运动区域的运动像素点进行修正;
第二响应模块,用于响应于计算结果小于预设的检测值,则将所述第二运动区域的运动像素点修正为背景像素点。
8.一种运动目标的检测设备,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,所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的运动目标的检测方法。
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,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的运动目标的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010273903.2A CN111539975B (zh) | 2020-04-09 | 2020-04-09 | 一种运动目标的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010273903.2A CN111539975B (zh) | 2020-04-09 | 2020-04-09 | 一种运动目标的检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539975A CN111539975A (zh) | 2020-08-14 |
CN111539975B true CN111539975B (zh) | 2023-12-22 |
Family
ID=71977181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010273903.2A Active CN111539975B (zh) | 2020-04-09 | 2020-04-09 | 一种运动目标的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539975B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150392B (zh) * | 2020-09-30 | 2024-03-19 | 普联技术有限公司 | 一种低照度图像的修复方法及装置 |
WO2022165705A1 (zh) * | 2021-02-04 | 2022-08-11 | 深圳市大疆创新科技有限公司 | 低光环境检测方法及自动驾驶方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1885346A (zh) * | 2006-06-01 | 2006-12-27 | 电子科技大学 | 一种复杂背景下红外图像序列中运动目标的检测方法 |
CN102932582A (zh) * | 2012-10-26 | 2013-02-13 | 华为技术有限公司 | 实现运动检测的方法及装置 |
CN103020930A (zh) * | 2012-11-26 | 2013-04-03 | 天津大学 | 一种夜间监控视频增强方法 |
CN109949337A (zh) * | 2019-04-11 | 2019-06-28 | 新疆大学 | 基于高斯混合背景模型的运动目标检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8442318B2 (en) * | 2006-02-13 | 2013-05-14 | Snell Limited | Method and apparatus for modifying a moving image sequence |
-
2020
- 2020-04-09 CN CN202010273903.2A patent/CN111539975B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1885346A (zh) * | 2006-06-01 | 2006-12-27 | 电子科技大学 | 一种复杂背景下红外图像序列中运动目标的检测方法 |
CN102932582A (zh) * | 2012-10-26 | 2013-02-13 | 华为技术有限公司 | 实现运动检测的方法及装置 |
CN103020930A (zh) * | 2012-11-26 | 2013-04-03 | 天津大学 | 一种夜间监控视频增强方法 |
CN109949337A (zh) * | 2019-04-11 | 2019-06-28 | 新疆大学 | 基于高斯混合背景模型的运动目标检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111539975A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108694705B (zh) | 一种多帧图像配准与融合去噪的方法 | |
CN110852997B (zh) | 动态图像清晰度检测方法、装置、电子设备及存储介质 | |
US11538175B2 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
CN111383232B (zh) | 抠图方法、装置、终端设备及计算机可读存储介质 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
US20220270266A1 (en) | Foreground image acquisition method, foreground image acquisition apparatus, and electronic device | |
CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
CN108805838B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN110648284B (zh) | 一种光照不均匀的图像处理方法及装置 | |
CN110796041A (zh) | 主体识别方法和装置、电子设备、计算机可读存储介质 | |
CN111667504A (zh) | 一种人脸追踪方法、装置及设备 | |
CN111445487A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
CN114998122A (zh) | 一种低照度图像增强方法 | |
CN108810509B (zh) | 一种图像色彩校正方法及装置 | |
CN113409353B (zh) | 运动前景检测方法、装置、终端设备及存储介质 | |
CN113628259A (zh) | 图像的配准处理方法及装置 | |
CN112218005A (zh) | 一种基于人工智能的视频剪辑方法 | |
CN111797694A (zh) | 一种车牌检测方法及装置 | |
CN111445411A (zh) | 图像去噪方法、装置、计算机设备和存储介质 | |
CN111080683A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN112989924B (zh) | 目标检测方法、目标检测装置及终端设备 | |
CN113438386B (zh) | 一种应用于视频处理的动静判定方法及装置 | |
CN113824894A (zh) | 曝光控制方法、装置、设备及存储介质 | |
CN116917954A (zh) | 图像检测方法、装置和电子设备 | |
CN111586309A (zh) | 一种水下自动补光的图像采集方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220829 Address after: Floor 12-17, unit 1, building 2, No. 466, Xinyu Road, high tech Zone, Chengdu, Sichuan 610000 Applicant after: Chengdu Lianzhou International Technology Co.,Ltd. Address before: 518000 the 1st and 3rd floors of the south section of building 24 and the 1st-4th floor of the north section of building 28, Shennan Road Science and Technology Park, Nanshan District, Shenzhen City, Guangdong Province Applicant before: TP-LINK TECHNOLOGIES Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |