CN111583299A - 一种运动检测方法、装置、存储介质及终端设备 - Google Patents

一种运动检测方法、装置、存储介质及终端设备 Download PDF

Info

Publication number
CN111583299A
CN111583299A CN202010226978.5A CN202010226978A CN111583299A CN 111583299 A CN111583299 A CN 111583299A CN 202010226978 A CN202010226978 A CN 202010226978A CN 111583299 A CN111583299 A CN 111583299A
Authority
CN
China
Prior art keywords
pixel
frame
image
fundamental frequency
dimensional
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.)
Withdrawn
Application number
CN202010226978.5A
Other languages
English (en)
Inventor
陈英博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TP Link Technologies Co Ltd
Original Assignee
TP Link Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TP Link Technologies Co Ltd filed Critical TP Link Technologies Co Ltd
Priority to CN202010226978.5A priority Critical patent/CN111583299A/zh
Publication of CN111583299A publication Critical patent/CN111583299A/zh
Withdrawn legal-status Critical Current

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
    • G06T7/11—Region-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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种运动检测方法、装置、存储介质及终端设备，包括：根据待处理图像序列获得N帧差分图像；获取每一帧差分图像的像素点的像素帧差值；将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示；P×Q矩阵中的元素值为对应的区域的区域帧差值；根据N个P×Q矩阵构建三维N×P×Q矩阵，并根据N×P×Q矩阵获取一维数组array[f]；array[fi,j]表示第i行第j列个区域的区域帧差值序列；根据预设长度的滑动窗口将array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值；根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。本发明能够将具有规律性运动的区域检测出来，减少对用户频繁误报警的困扰，且算法简单，占用的计算资源较少。

Description

一种运动检测方法、装置、存储介质及终端设备
技术领域
本发明涉及运动目标检测技术领域，尤其涉及一种运动检测方法、装置、计算机可读存储介质及终端设备。
背景技术
运动目标检测是将图像序列中的运动前景从相对静止的背景中分割出来，从而能够对运动目标进行进一步的跟踪、分类和识别等更高层次的处理，是计算机视觉的重要技术之一，被广泛应用到视频监控、智能交通以及工业检测等领域。
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)。
受限于摄像头的系统性能，无法在上面部署一些较为复杂且精度较高的运动检测算法，并且现有的运动检测算法常存在一些较为常见的问题，例如，应用在家庭安防监控中时，会将随风摆动的树、旋转的风扇、运动的钟表指针等都视为检测到了运动目标，从而向用户发出警报，这样的误报警会给用户造成很大的困扰。
发明内容
本发明实施例所要解决的技术问题在于，提供一种运动检测方法、装置、计算机可读存储介质及终端设备，能够将具有规律性运动的区域检测出来，从而减少对用户频繁误报警的困扰，且算法简单，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运动检测方法，包括：
获取待处理图像序列；其中，所述待处理图像序列包括N+1帧图像，N>0；
对N+1帧图像进行差分计算，获得N帧差分图像；
根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
进一步地，所述对N+1帧图像进行差分计算，获得N帧差分图像，具体包括：
对N+1帧图像中的相邻两帧图像进行差分计算，相应获得N帧差分图像；其中，第k帧差分图像为Gk＝|Dk+1-Dk|，Dk+1表示第k+1帧图像，k＝1、2、…、N。
进一步地，所述根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值，具体包括：
对于N帧差分图像中的第k帧差分图像的第x行第y列个目标像素点，根据第k帧图像和第k+l帧图像的第x行第y列个像素点的像素值计算获得目标像素点的像素欧氏距离；其中，x>0，y>0；
根据所述像素欧氏距离获取目标像素点的像素帧差值。
进一步地，所述根据所述像素欧氏距离获取目标像素点的像素帧差值，具体包括：
比较所述像素欧氏距离与预设的距离阈值的大小；
当所述像素欧氏距离大于所述距离阈值时，记目标像素点的像素帧差值为1；
当所述像素欧氏距离不大于所述距离阈值时，记目标像素点的像素帧差值为0。
进一步地，所述方法通过以下步骤获取任一帧区域划分后的差分图像的第i行第j列个目标区域的区域帧差值：
获取目标区域的中心像素点的位置；
计算目标区域中包含的所有像素帧差值为1的像素点与所述中心像素点的位置欧氏距离之和，将所述欧氏距离之和作为目标区域的区域帧差值。
进一步地，所述根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动，具体包括：
计算获得M个基频值的方差；
比较所述方差与预设的方差阈值的大小；
当所述方差大于所述方差阈值时，判定第i行第j列个区域存在非规律性运动；
当所述方差不大于所述方差阈值时，判定第i行第j列个区域存在规律性运动。
进一步地，所述基频提取算法为自相关函数法、梳状滤波器法、离散小波变换法或傅里叶变换法。
为了解决上述技术问题，本发明实施例还提供了一种运动检测装置，包括：
图像序列获取模块，用于获取待处理图像序列；其中，所述待处理图像序列包括N+1帧图像，N>0；
差分图像获取模块，用于对N+1帧图像进行差分计算，获得N帧差分图像；
像素帧差值获取模块，用于根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
区域帧差值获取模块，用于分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
数组获取模块，用于根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
基频获取模块，用于根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
规律性运动判断模块，用于根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
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检测方法。
与现有技术相比，本发明实施例提供了一种运动检测方法、装置、计算机可读存储介质及终端设备，通过对获取的N+1帧图像进行差分计算，获得N帧差分图像；根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动；能够将具有规律性运动的区域检测出来，从而减少对用户频繁误报警的困扰，且算法简单，占用的计算资源较少。
附图说明
图1是本发明提供的一种运动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检测方法，参见图1所示，是本发明提供的一种运动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；其中，所述待处理图像序列包括N+1帧图像，N>0；
步骤S12、对N+1帧图像进行差分计算，获得N帧差分图像；
步骤S13、根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
步骤S14、分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
步骤S15、根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
步骤S16、根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
步骤S17、根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
具体的，待处理图像序列(包括N+1帧图像)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实时获取待处理图像序列，本发明不作具体限定。
在获得待处理图像序列之后，根据帧间差分法对N+1帧图像进行差分计算，通过对两帧图像进行差分计算可以获得一帧差分图像，则根据N+1帧图像相应可以获得N帧差分图像，接着根据计算每一帧差分图像的两帧图像的相同位置处的像素点的像素值，分别获取每一帧差分图像的对应位置处的像素点的像素帧差值，在获得每一帧差分图像的每一个像素点的像素帧差值之后，考虑到计算能力以及计算资源，分别将每一帧差分图像划分为P×Q个区域(包括P行Q列个区域)，相应获得N帧区域划分后的差分图像，并将每一帧区域划分后的差分图像对应用一个二维P×Q矩阵(包括P行Q列个元素值)进行表示，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的区域划分后的差分图像的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值fi,j，由于区域划分后的差分图像有N帧，根据对应的N个二维P×Q矩阵可以构建三维N×P×Q矩阵，为了表述方便，可以将第一维度N作为矩阵的时间轴，将第二维度P作为矩阵的横轴，将第三维度Q作为矩阵的纵轴，对于PQ平面内的每一个元素值(i，j)，沿着时间轴N轴都可以提取出由N个元素值组成的一维数组array[f]，相应的，根据三维N×P×Q矩阵可以获得P×Q个一维数组array[f]，数组长度为N，其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列，根据预设长度的滑动窗口在每一个一维数组array[f]上进行滑动，对于任意一个一维数组array[fi,j]，将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法搜索一维数组array[fi,j]的每一个窗口的基频值，相应获得M个基频值，从而根据M个基频值的方差判断对应的第i行第j列个区域是否存在规律性运动(例如周期性、准周期性运动)。
需要说明的是，与给音频数组分帧加窗的原理类似，假设N＝12000，即array数组长度为12000个点，滑动窗口长度600个点，则可以将array数组分为N/600＝12000/600＝20个窗口，第0～599个点为第一个窗口，第600～1199个点为第二个窗口，以此类推，对每一个窗口，都可以采用预先设置的基频提取算法计算出一个基频值，针对12000个点的array数组，可以相应计算出20个基频值；其中，若滑动窗口的长度较小，则无法检测出运动周期较长的规律性运动，若滑动窗口的长度较大，则每次都需要对较多的数据进行计算，占用的计算资源和存储资源较多，因此，滑动窗口的长度可以根据实际需要进行设置。
本发明实施例所提供的一种运动检测方法，将传统的帧差法与基频提取算法进行结合，根据基频值判断对应的区域是否存在规律性运动，能够将具有规律性运动的区域检测出来，从而减少对用户频繁误报警的困扰，且算法简单，占用的计算资源较少。
在另一个优选实施例中，所述对N+1帧图像进行差分计算，获得N帧差分图像，具体包括：
对N+1帧图像中的相邻两帧图像进行差分计算，相应获得N帧差分图像；其中，第k帧差分图像为Gk＝|Dk+1-Dk|，Dk+1表示第k+1帧图像，k＝1、2、…、N。
具体的，每一帧差分图像的获取方法相同，这里以获取第k帧差分图像为例进行说明：结合上述实施例，可以根据公式Gk＝|Dk+1-Dk|将第k+1帧图像Dk+1与第k帧图像Dk的相同位置处的像素点的像素值进行相减计算，并取绝对值，从而获得第k帧差分图像Gk；则对N+1帧图像中的每相邻两帧图像进行差分计算，相应获得N帧差分图像。
需要说明的是，每一帧差分图像G均是一副和对应的原图像等大的图像G，图像G中的每一个像素点的值为根据对应的原图中的相同位置处的像素点的像素值计算获得的像素帧差值。
在又一个优选实施例中，所述根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值，具体包括：
对于N帧差分图像中的第k帧差分图像的第x行第y列个目标像素点，根据第k帧图像和第k+l帧图像的第x行第y列个像素点的像素值计算获得目标像素点的像素欧氏距离；其中，x>0，y>0；
根据所述像素欧氏距离获取目标像素点的像素帧差值。
具体的，每一帧差分图像的每一个像素点的像素帧差值的获取方法相同，这里以将N帧差分图像中的第k帧差分图像的第x行第y列个像素点作为目标像素点为例进行说明：结合上述实施例，获取第k帧图像的第x行第y列个像素点的第一像素值(RGB像素值)和第k+l帧图像的第x行第y列个像素点的第二像素值(RGB像素值)，根据第一像素值和第二像素值计算获得目标像素点的像素欧氏距离，则根据计算获得的目标像素点的像素欧氏距离获得目标像素点的像素帧差值。
作为上述方案的改进，所述根据所述像素欧氏距离获取目标像素点的像素帧差值，具体包括：
比较所述像素欧氏距离与预设的距离阈值的大小；
当所述像素欧氏距离大于所述距离阈值时，记目标像素点的像素帧差值为1；
当所述像素欧氏距离不大于所述距离阈值时，记目标像素点的像素帧差值为0。
具体的，结合上述实施例，将计算获得的目标像素点的像素欧氏距离与预设的距离阈值进行比较，当计算获得的目标像素点的像素欧氏距离大于预设的距离阈值时，记目标像素点的像素帧差值为1，当计算获得的目标像素点的像素欧氏距离不大于预设的距离阈值时，记目标像素点的像素帧差值为0，此时，无论待处理图像中的N+1帧图像是灰度图还是RGB图，差分图像都是黑白图，并且图中的像素点的像素帧差值为1或0，为1时表示有差异的像素点，即有变化的像素点。
例如，假设第k帧图像的第x行第y列个像素点的第一像素值为A(x,y)＝(ar,ag,ab)，第k+l帧图像的第x行第y列个像素点的第二像素值为B(x,y)＝(br,bg,bb)，预设的距离阈值为T，则根据第一像素值A(x,y)＝(ar,ag,ab)和第二像素值B(x,y)＝(br,bg,bb)计算获得目标像素点C(x,y)的像素欧氏距离为
Figure BDA0002427111310000091
当
Figure BDA0002427111310000092
时，C(x,y)＝1，当
Figure BDA0002427111310000093
时，C(x,y)＝0。
在又一个优选实施例中，所述方法通过以下步骤获取任一帧区域划分后的差分图像的第i行第j列个目标区域的区域帧差值：
获取目标区域的中心像素点的位置；
计算目标区域中包含的所有像素帧差值为1的像素点与所述中心像素点的位置欧氏距离之和，将所述欧氏距离之和作为目标区域的区域帧差值。
具体的，每一帧区域划分后的差分图像的每一个区域的区域帧差值的获取方法相同，这里以将任意一帧区域划分后的差分图像中的第i行第j列个区域作为目标区域为例进行说明：结合上述实施例，获取目标区域的中心像素点的位置，并获取目标区域中包含的所有的像素帧差值为1的像素点的位置，计算每一个像素帧差值为1的像素点与中心像素点的位置欧氏距离，并对计算获得的位置欧氏距离进行相加计算，相应获得目标区域中包含的所有的像素帧差值为1的像素点与中心像素点的位置欧氏距离之和，则将获得的欧氏距离之和作为目标区域的区域帧差值，并用fi,j表示第i行第j列个区域的区域帧差值。
需要说明的是，假设差分图像包括X×Y个像素点，即X行Y列个像素点，将该差分图像划分为P行Q列个区域之后，每个区域对应包括X/P行Y/Q列个像素点，若区域划分后的差分图像的第i行第j列个区域的第一行第一列个像素点的位置坐标为(x1，y1)，则第i行第j列个区域的中心像素点的位置坐标为(x1+0.5*X/P，y1+0.5*Y/Q)。
在又一个优选实施例中，所述根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动，具体包括：
计算获得M个基频值的方差；
比较所述方差与预设的方差阈值的大小；
当所述方差大于所述方差阈值时，判定第i行第j列个区域存在非规律性运动；
当所述方差不大于所述方差阈值时，判定第i行第j列个区域存在规律性运动。
具体的，每一个区域是否存在规律性运动的判断方法相同，这里以第i行第j列个区域为例进行说：结合上述实施例，该区域对应的一维数组为array[fi,j]，将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法搜索一维数组array[fi,j]的每一个窗口的基频值，相应获得M个基频值，根据获得的M个基频值计算这M个基频值的方差，并将计算获得的方差与预设的方差阈值进行比较，当计算获得的方差大于预设的方差阈值时，判定第i行第j列个区域存在非规律性运动，则进行报警处理或其他相应处理，当计算获得的方差不大于预设的方差阈值时，判定第i行第j列个区域存在规律性运动，则忽略，相应的，根据区域判断结果可以反推待处理图像中的相应区域是否存在规律性运动。
需要说明的是，如果某个区域中的对象始终处于规律性运动状态，则相应获得的所有的基频值几乎相同，否则基频值会有较大差异，因此，可以通过基频值的方差对区域中是否存在规律性运动进行检测判断。
优选地，所述基频提取算法为自相关函数法、梳状滤波器法、离散小波变换法或傅里叶变换法。
可以理解的，基频提取算法较多，目前常见的有自相关函数法、梳状滤波器法、离散小波变换法和傅里叶变换法等，不同的基频提取算法的精度和算法复杂度不同，可以根据实际需求采用其中的一种基频提取算法进行计算，本发明实施例不作具体限定，并且选定一种基频提取算法之后，对于所有的窗口，均采用选定的基频提取算法进行计算。
本发明实施例还提供了一种运动检测装置，能够实现上述任一实施例所述的运动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；其中，所述待处理图像序列包括N+1帧图像，N>0；
差分图像获取模块12，用于对N+1帧图像进行差分计算，获得N帧差分图像；
像素帧差值获取模块13，用于根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
区域帧差值获取模块14，用于分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
数组获取模块15，用于根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
基频获取模块16，用于根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
规律性运动判断模块17，用于根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
优选地，所述差分图像获取模块12具体包括：
差分图像计算单元，用于对N+1帧图像中的相邻两帧图像进行差分计算，相应获得N帧差分图像；其中，第k帧差分图像为Gk＝|Dk+1-Dk|，Dk+1表示第k+1帧图像，k＝1、2、…、N。
优选地，所述像素帧差值获取模块13具体包括：
像素欧氏距离计算单元，用于对于N帧差分图像中的第k帧差分图像的第x行第y列个目标像素点，根据第k帧图像和第k+l帧图像的第x行第y列个像素点的像素值计算获得目标像素点的像素欧氏距离；其中，x>0，y>0；
像素帧差值获取单元，用于根据所述像素欧氏距离获取目标像素点的像素帧差值。
优选地，所述像素帧差值获取单元具体用于：
比较所述像素欧氏距离与预设的距离阈值的大小；
当所述像素欧氏距离大于所述距离阈值时，记目标像素点的像素帧差值为1；
当所述像素欧氏距离不大于所述距离阈值时，记目标像素点的像素帧差值为0。
优选地，所述区域帧差值获取模块14具体包括：
中心点确定单元，用于获取目标区域的中心像素点的位置；
区域帧差值计算单元，用于计算目标区域中包含的所有像素帧差值为1的像素点与所述中心像素点的位置欧氏距离之和，将所述欧氏距离之和作为目标区域的区域帧差值。
优选地，所述规律性运动判断模块17具体包括：
方差计算单元，用于计算获得M个基频值的方差；
方差比较单元，用于比较所述方差与预设的方差阈值的大小；
第一规律性运动判断单元，用于当所述方差大于所述方差阈值时，判定第i行第j列个区域存在非规律性运动；
第二规律性运动判断单元，用于当所述方差不大于所述方差阈值时，判定第i行第j列个区域存在规律性运动。
优选地，所述基频提取算法为自相关函数法、梳状滤波器法、离散小波变换法或傅里叶变换法。
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N+1帧图像进行差分计算，获得N帧差分图像；根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动；能够将具有规律性运动的区域检测出来，从而减少对用户频繁误报警的困扰，且算法简单，占用的计算资源较少。
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)

1.一种运动检测方法，其特征在于，包括：
获取待处理图像序列；其中，所述待处理图像序列包括N+1帧图像，N>0；
对N+1帧图像进行差分计算，获得N帧差分图像；
根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
2.如权利要求1所述的运动检测方法，其特征在于，所述对N+1帧图像进行差分计算，获得N帧差分图像，具体包括：
对N+1帧图像中的相邻两帧图像进行差分计算，相应获得N帧差分图像；其中，第k帧差分图像为Gk＝|Dk+1-Dk|，Dk+1表示第k+1帧图像，k＝1、2、…、N。
3.如权利要求2所述的运动检测方法，其特征在于，所述根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值，具体包括：
对于N帧差分图像中的第k帧差分图像的第x行第y列个目标像素点，根据第k帧图像和第k+l帧图像的第x行第y列个像素点的像素值计算获得目标像素点的像素欧氏距离；其中，x>0，y>0；
根据所述像素欧氏距离获取目标像素点的像素帧差值。
4.如权利要求3所述的运动检测方法，其特征在于，所述根据所述像素欧氏距离获取目标像素点的像素帧差值，具体包括：
比较所述像素欧氏距离与预设的距离阈值的大小；
当所述像素欧氏距离大于所述距离阈值时，记目标像素点的像素帧差值为1；
当所述像素欧氏距离不大于所述距离阈值时，记目标像素点的像素帧差值为0。
5.如权利要求4所述的运动检测方法，其特征在于，所述方法通过以下步骤获取任一帧区域划分后的差分图像的第i行第j列个目标区域的区域帧差值：
获取目标区域的中心像素点的位置；
计算目标区域中包含的所有像素帧差值为1的像素点与所述中心像素点的位置欧氏距离之和，将所述欧氏距离之和作为目标区域的区域帧差值。
6.如权利要求1所述的运动检测方法，其特征在于，所述根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动，具体包括：
计算获得M个基频值的方差；
比较所述方差与预设的方差阈值的大小；
当所述方差大于所述方差阈值时，判定第i行第j列个区域存在非规律性运动；
当所述方差不大于所述方差阈值时，判定第i行第j列个区域存在规律性运动。
7.如权利要求1～6任一项所述的运动检测方法，其特征在于，所述基频提取算法为自相关函数法、梳状滤波器法、离散小波变换法或傅里叶变换法。
8.一种运动检测装置，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；其中，所述待处理图像序列包括N+1帧图像，N>0；
差分图像获取模块，用于对N+1帧图像进行差分计算，获得N帧差分图像；
像素帧差值获取模块，用于根据计算每一帧差分图像的两帧图像的对应位置处的像素点的像素值，分别获取每一帧差分图像对应位置处的像素点的像素帧差值；
区域帧差值获取模块，用于分别将每一帧差分图像划分为P×Q个区域，并用N个二维P×Q矩阵对应表示N帧区域划分后的差分图像；其中，每一个二维P×Q矩阵中的第i行第j列个元素值为根据对应的第i行第j列个区域所包含的像素点的像素帧差值计算获得的区域帧差值；P>0，Q>0，i＝1、2、…、P，j＝1、2、…、Q；
数组获取模块，用于根据N个二维P×Q矩阵构建三维N×P×Q矩阵，并根据三维N×P×Q矩阵获取一维数组array[f]；其中，一维数组array[fi,j]表示N帧区域划分后的差分图像中的第i行第j列个区域的区域帧差值序列；
基频获取模块，用于根据预设长度的滑动窗口将一维数组array[fi,j]划分为M个窗口，并根据预设的基频提取算法获取每一个窗口的基频值，相应获得M个基频值；其中，M>0；
规律性运动判断模块，用于根据M个基频值的方差判断第i行第j列个区域是否存在规律性运动。
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任一项所述的运动检测方法。
CN202010226978.5A 2020-03-26 2020-03-26 一种运动检测方法、装置、存储介质及终端设备 Withdrawn CN111583299A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010226978.5A CN111583299A (zh) 2020-03-26 2020-03-26 一种运动检测方法、装置、存储介质及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010226978.5A CN111583299A (zh) 2020-03-26 2020-03-26 一种运动检测方法、装置、存储介质及终端设备

Publications (1)

Publication Number Publication Date
CN111583299A true CN111583299A (zh) 2020-08-25

Family

ID=72122460

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010226978.5A Withdrawn CN111583299A (zh) 2020-03-26 2020-03-26 一种运动检测方法、装置、存储介质及终端设备

Country Status (1)

Country Link
CN (1) CN111583299A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367522A (zh) * 2020-10-30 2021-02-12 京东方科技集团股份有限公司 图像压缩、解压缩处理方法和系统
CN113052033A (zh) * 2021-03-15 2021-06-29 深圳软牛科技有限公司 视频精彩度测量方法、装置、设备及存储介质
CN113382263A (zh) * 2021-06-10 2021-09-10 青岛海洋科学与技术国家实验室发展中心 一种基于人工智能的视频通讯数据高效压缩方法和系统
CN114979742A (zh) * 2021-02-24 2022-08-30 腾讯科技（深圳）有限公司 视频处理方法、装置、设备及存储介质
CN115187929A (zh) * 2022-08-24 2022-10-14 长扬科技(北京)股份有限公司 一种两级异动策略的ai视觉检测方法及装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112367522A (zh) * 2020-10-30 2021-02-12 京东方科技集团股份有限公司 图像压缩、解压缩处理方法和系统
CN114979742A (zh) * 2021-02-24 2022-08-30 腾讯科技（深圳）有限公司 视频处理方法、装置、设备及存储介质
CN114979742B (zh) * 2021-02-24 2024-04-09 腾讯科技（深圳）有限公司 视频处理方法、装置、设备及存储介质
CN113052033A (zh) * 2021-03-15 2021-06-29 深圳软牛科技有限公司 视频精彩度测量方法、装置、设备及存储介质
CN113382263A (zh) * 2021-06-10 2021-09-10 青岛海洋科学与技术国家实验室发展中心 一种基于人工智能的视频通讯数据高效压缩方法和系统
CN113382263B (zh) * 2021-06-10 2022-06-28 青岛海洋科学与技术国家实验室发展中心 一种基于人工智能的视频通讯数据高效压缩方法和系统
CN115187929A (zh) * 2022-08-24 2022-10-14 长扬科技(北京)股份有限公司 一种两级异动策略的ai视觉检测方法及装置

Similar Documents

Publication Publication Date Title
CN111583299A (zh) 一种运动检测方法、装置、存储介质及终端设备
JP5701005B2 (ja) 物体検知装置、物体検知方法、監視カメラシステム、およびプログラム
Sengar et al. Moving object area detection using normalized self adaptive optical flow
JP7101805B2 (ja) ビデオ異常検出のためのシステム及び方法
CN110598558A (zh) 人群密度估计方法、装置、电子设备及介质
CN108647587B (zh) 人数统计方法、装置、终端及存储介质
WO2019242672A1 (zh) 一种目标跟踪方法、装置及系统
CN113012383B (zh) 火灾检测报警方法、相关系统、相关设备及存储介质
CN111738225B (zh) 人群聚集检测方法、装置、设备及存储介质
CN111667504B (zh) 一种人脸追踪方法、装置及设备
CN109711427A (zh) 目标检测方法及相关产品
US20210097290A1 (en) Video retrieval in feature descriptor domain in an artificial intelligence semiconductor solution
CN110738078A (zh) 一种人脸识别方法及终端设备
CN112689221A (zh) 录音方法、录音装置、电子设备及计算机可读存储介质
CN113112542A (zh) 一种视觉定位方法、装置、电子设备及存储介质
JP2010160743A (ja) 物体検知装置及び物体検知方法
CN114973057A (zh) 基于人工智能的视频图像检测方法及相关设备
CN112101148A (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN113822841B (zh) 一种污水杂质结块检测方法、装置及相关设备
CN113572983B (zh) 云端视频的处理方法及系统
CN112702528B (zh) 视频防抖方法、装置及电子设备
Mustafah et al. Face detection system design for real time high resolution smart camera
CN111860161B (zh) 一种目标遮挡检测方法
CN113705660A (zh) 目标识别方法及相关设备
CN113592922A (zh) 图像的配准处理方法及装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200825

WW01 Invention patent application withdrawn after publication