CN112084880A - 一种图像处理方法、装置、存储介质及设备 - Google Patents
一种图像处理方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN112084880A CN112084880A CN202010819713.6A CN202010819713A CN112084880A CN 112084880 A CN112084880 A CN 112084880A CN 202010819713 A CN202010819713 A CN 202010819713A CN 112084880 A CN112084880 A CN 112084880A
- Authority
- CN
- China
- Prior art keywords
- frame
- mask
- background
- current frame
- image processing
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000003068 static effect Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 8
- 238000002679 ablation Methods 0.000 abstract description 6
- 230000008030 elimination Effects 0.000 abstract description 6
- 238000003379 elimination reaction Methods 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 6
- 206010047571 Visual impairment Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种图像处理方法、装置、存储介质及设备,所述方法包括:以视频帧序列的第一帧为背景帧构建背景模型;判断视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;若是,则从当前帧中获取连续前景点所在区域的掩模,得到当前帧掩模,并从背景帧中获取与当前帧掩模的区域对应的背景帧掩模;判断当前帧掩模与背景帧掩模的相似度是否低于相似度阈值;若是,则用当前帧掩模替换背景帧掩模并更新背景模型。本发明通过对连续前景点进行监测,并基于连续前景点在当前帧中的当前帧掩模与背景模型对应的局部掩模区域的相似度匹配来判断该区域属于鬼影还是静止区域,并采取不同的更新策略,抑制静止区域的消融,加快鬼影区域的消除。
Description
技术领域
本发明涉及无人驾驶技术领域,特别涉及一种图像处理方法、装置、存储介质及设备。
背景技术
随着无人驾驶技术的发展,行人检测系统(Pedestrian Detection System,简称PDS)作为智能汽车的一个核心支撑技术,受到产业界高度关注。运动前景目标检测作为PDS的关键技术之一,是实时视频图像处理技术的一个底层,能较为准确的提取视频序列前景运动区域。在提取的前景运动区域检测识别行人可以大大提高整个PDS的运行速度,有效的排除背景干扰,降低误检率。
视觉背景提取算法(visual background extractor,简称ViBe)检测前景效果稳定并且实时性较高,相比其他背景差分算法应用连续多帧图像序列构建初始化模型,ViBe算法仅用第一帧图像就能初始化构建模型,大大提高了算法速度。虽然ViBe算法计算过程简单、实时性和检测效果较好,但也存在如下一些问题:
1)鬼影问题。ViBe算法在初始化阶段若在第一帧图像中就存在运动对象,运动目标所在区域的像素也会用来构建背景模型,导致在相当长的时间出现伪前景,即鬼影现象,如图1红框标注,尽管随着更新鬼影慢慢消除,但这一过程相当缓慢;2)静止目标检测问题。目标由长时间的处于静止状态转变为运动状态时或目标由运动状态转变为静止状态后,当其再次运动时检测的前景会有拖拉残影现象,并且需要很长时间才能抑制住,如图2所示,图像中汽车长时间处于静止状态使得汽车融入背景中,当再次移动时,检测出的前景有拖拉残影现象。这种目标由静态转变为动态或动态转变为静态出现的残影现象根源在于ViBe算法的更新策略,即静止目标随着ViBe算法的更新策略融入进了背景模型中。
发明内容
基于此,本发明的目的是提供一种图像处理方法、装置、存储介质及设备,以解决现有鬼影消除缓慢的技术问题。
根据本发明实施例的一种图像处理方法,所述方法包括:
获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型;
判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;
若是,则从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像;
判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值;
若是,则判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
另外,根据本发明上述实施例的一种图像处理方法,还可以具有如下附加的技术特征:
进一步地,在构建所述背景模型之后,还包括:
为所述背景帧中的每一像素点分别设置一个计数器,所述计数器用于计数各自像素点为前景点的次数;
判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点的步骤包括:
判断所述连续多帧图像中是否有像素点的计数器的计数大于计数阈值。
进一步地,在为所述背景帧中的每一像素点分别设置一个计数器的步骤之后,还包括:
为所述背景帧中的每一像素点分别配置一个标志位。
进一步地,在用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型的步骤之后,还包括:
将所述连续前景点的计数器和标志位重置为初始值。
进一步地,在判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值的步骤之后,还包括:
若否,则判定所述背景掩模区域为静止区域,背景模型不做更新,并将所述连续前景点的计数器和标志位重置为初始值。
进一步地,判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值的步骤包括:
计算所述当前帧掩模与所述背景帧掩模的直方图距离;
判断所述直方图距离是否大于距离阈值;
当所述直方图距离大于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度低于所述相似度阈值;当所述直方图距离小于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度高于所述相似度阈值。
进一步地,所述方法还包括:
当所述连续多帧图像中的任一帧中的目标像素点被判定为背景点时,以预设概率触发用所述目标像素点更新所述背景模型
根据本发明实施例的一种图像处理装置,所述装置包括:
模型构建模块,用于获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型;
前景点判断模块,用于判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;
掩模获取模块,用于当判断到所述连续多帧图像中存在连续前景点时,从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像;
阈值判断模块,用于判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值;
模型更新模块,用于当判断到所述当前帧掩模与所述背景帧掩模的相似度低于相似度阈值时,判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的图像处理方法。
本发明还提出一种图像处理设备,所述图像处理设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的图像处理方法。
与现有技术相比:通过对连续前景点进行监测,并基于连续前景点在当前帧中的当前帧掩模与背景模型对应的局部掩模区域的相似度匹配来判断鬼影区域,并在判定背景模型的局部掩模区域为鬼影区域时,采用当前帧掩模进行替换以更新背景模型,加快鬼影区域的消除,解决现有鬼影区域消除缓慢的问题。
附图说明
图1为现有技术当中的鬼影现象说明图;
图2为现有技术当中的拖拉残影现象说明图;
图3为本发明第一实施例中的图像处理方法的流程图;
图4为本发明第二实施例中的图像处理方法的流程图;
图5为本发明第三实施例中的图像处理装置的结构示意图;
图6为本发明第四实施例中的图像处理设备的结构示意图。
以下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
请参阅图3,所示为本发明第一实施例中的图像处理方法,可应用于图像处理设备当中,所述图像处理设备可以采用软件和/或硬件来实现,所述方法具体包括步骤S01至步骤S06。
步骤S01,获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型。
在具体实施时,可以采用ViBe算法来以视频帧序列的第一帧为背景帧构建背景模型。其中,视频帧序列可以为事先剪切好的视频流、或为摄像头定期上传的视频流,ViBe算法可以用第一帧输入图像进行初始化构建模型,大大提高了算法速度。此外,在构建背景模型之后,还可以为每一像素点p设置一个计数器TOS(p),计数为前景点的次数,初始化为0,并定义每个像素点标志位C,初始化为0。
步骤S02,判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点。
需要说明的是,ViBe算法会依次对视频帧序列中的第一帧之后的每一帧的每个像素点进行判断,当判断像素点为前景点时,该像素点的计数器加1,标志位C置1,以标志该像素点为前景点;反之,当判断像素点为背景点时,该像素点的计数器置0,标志位C置0,以标志该像素点为背景点。
在具体实施时,假设A像素点在第一帧之后的连续多帧图像(如2-5帧)中都被判断为前景点,则A像素点的计数器的计算大于预设值(如4,与所述连续多帧图像的数量对应),则判定A像素点为连续前景点。
其中,当判断到所述视频帧序列中的第一帧之后的连续多帧图像中存在连续前景点时,执行步骤S03,当判断到所述视频帧序列中的第一帧之后的连续多帧图像中不存在连续前景点时,则不动作继续监测。
步骤S03,从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像。
在具体实施时,当某一像素点的计数器的计算大于预设值时,以当前判断帧作为所述当前帧,例如A像素点在第五帧被判定为连续前景点,则第五帧则为所述当前帧;然后,以所述当前帧中截取所述连续前景点构成的区域掩模,得到当前帧掩模,然后从背景帧中找到与当前帧掩模位置对应的区域,以获取得到与当前帧掩模对应的背景帧掩模。
步骤S04,判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值。
其中,当判断到所述当前帧掩模与所述背景帧掩模的相似度低于相似度阈值时,执行步骤S05;当判断到所述当前帧掩模与所述背景帧掩模的相似度高于相似度阈值时,执行步骤S06。
步骤S05,判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
其中,当判断到当前帧掩模与背景帧掩模的相似度低于相似度阈值时,判定背景帧掩模为鬼影区域,则以当前帧掩模替换背景帧掩模并更新背景模型,以快速消除鬼影区域。
步骤S06,判定所述背景掩模区域为静止区域,背景模型不做更新。
其中,当判断到当前帧掩模与背景帧掩模的相似度高于相似度阈值时,判定背景帧掩模为静止区域,则背景模型不做更新,避免静止目标随着模型更新而融入进了背景模型中,从而抑制静止区域的消融,避免出现拖拉残影现象。
综上,本发明上述实施例当中的图像处理方法,通过对连续前景点进行监测,并基于连续前景点在当前帧中的当前帧掩模与背景模型对应的局部掩模区域的相似度匹配来判断该区域属于鬼影还是静止区域,并采取不同的更新策略,抑制静止区域的消融,加快鬼影区域的消除。
实施例二
请参阅图4,所示为本发明第二实施例中的图像处理方法,可应用于图像处理设备当中,所述图像处理设备可以采用软件和/或硬件来实现,所述方法具体包括步骤S11至步骤S17。
步骤S11,获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型,为所述背景帧中的每一像素点分别设置一个计数器,所述计数器用于计数各自像素点为前景点的次数,并为所述背景帧中的每一像素点分别配置一个标志位。
在具体实施时,可以采用ViBe算法来以视频帧序列的第一帧为背景帧构建背景模型,ViBe算法可以用第一帧输入图像进行初始化构建模型,大大提高了算法速度。此外,在构建背景模型之后,还可以为每一像素点p设置一个计数器TOS(p),计数为前景点的次数,初始化为0,并定义每个像素点标志位C,初始化为0。
步骤S12,判断所述视频帧序列中的第一帧之后的连续多帧图像中是否有像素点的计数器的计数大于计数阈值。
在具体实施时,ViBe算法会依次对视频帧序列中的第一帧之后的每一帧的每个像素点进行判断,当判断像素点为前景点时,该像素点的计数器加1,标志位C置1,以标志该像素点为前景点;反之,当判断像素点为背景点时,该像素点的计数器置0,标志位C置0,以标志该像素点为背景点。
在具体实施时,所述方法还包括:
当所述连续多帧图像中的任一帧中的目标像素点被判定为背景点时,以预设概率触发用所述目标像素点更新所述背景模型。也就是说,在像素点被判定为背景点时,有一定概率触发更新背景模型,触发更新时,以该像素点的像素值替换背景模型的对应像素点的像素值,同时该像素点的八邻域也同步更新,从而动态更新背景模型,以使背景模型适应环境的动态变化。在具体实施时,预设概率可以为其中,为时间抽样因子。
步骤S13,从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像。
步骤S14,计算所述当前帧掩模与所述背景帧掩模的直方图距离。
其中,直方图距离的计算公式为:
d(H1,H2)=∑Lmin(H1(I),H2(I))/∑Lmin(H1);
其中,H1和H2分别为背景帧掩模与当前帧掩模的直方图统计,d(H1,H2)为当前帧掩模与背景帧掩模的直方图距离,d(H1,H2)越小表示相似程度高。
步骤S15,判断所述直方图距离是否大于距离阈值。
其中,当所述直方图距离大于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度低于所述相似度阈值,则执行步骤S16;当所述直方图距离小于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度高于所述相似度阈值,则执行步骤S17。
步骤S16,判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型,将所述连续前景点的计数器和标志位重置为初始值。
其中,当判断到当前帧掩模与背景帧掩模的直方图相似度低于相似度阈值时,判定背景帧掩模为鬼影区域,则以当前帧掩模替换背景帧掩模并更新背景模型,以快速消除鬼影区域。同时,将所述连续前景点的计数器TOS(p)和标志位C重置为初始值,所述初始值为0,即在更新背景模型后,将所述连续前景点的计数器TOS(p)和标志位C均置0,以重新进行连续前景点的监测。
步骤S17,判定所述背景掩模区域为静止区域,背景模型不做更新,并将所述连续前景点的计数器和标志位重置为初始值。
其中,当判断到当前帧掩模与背景帧掩模的相似度高于相似度阈值时,判定背景帧掩模为静止区域,则背景模型不做更新,避免静止目标随着更新策略融入进了背景模型中,抑制静止区域的消融,避免出现拖拉残影现象。同时,在判定背景帧掩模为静止区域后,将所述连续前景点的计数器TOS(p)和标志位C重置为初始值,所述初始值为0,即将所述连续前景点的计数器TOS(p)和标志位C均置0,以重新进行连续前景点的监测。
实施例三
本发明另一方面还提供一种图像处理装置,请查阅图5,所示为本发明第三实施例中的图像处理装置,可应用于图像处理设备当中,所述图像处理装置包括:
模型构建模块11,用于获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型;
前景点判断模块12,用于判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;
掩模获取模块13,用于当判断到所述连续多帧图像中存在连续前景点时,从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像;
阈值判断模块14,用于判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值;
模型更新模块15,用于当判断到所述当前帧掩模与所述背景帧掩模的相似度低于相似度阈值时,判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
进一步地,在本发明一些可选实施例当中,所述图像处理装置还包括:
计数器配置模块,用于为所述背景帧中的每一像素点分别设置一个计数器,所述计数器用于计数各自像素点为前景点的次数;
为此,所述前景点判断模块12包括:
前景点判断单元,用于判断所述连续多帧图像中是否有像素点的计数器的计数大于计数阈值。
进一步地,在本发明一些可选实施例当中,所述图像处理装置还包括:
标志位配置模块,用于为所述背景帧中的每一像素点分别配置一个标志位。
进一步地,在本发明一些可选实施例当中,所述图像处理装置还包括:
重置模块,用于将所述连续前景点的计数器和标志位重置为初始值。
进一步地,在本发明一些可选实施例当中,所述模型更新模块15还用于当判断到所述当前帧掩模与所述背景帧掩模的相似度不低于相似度阈值时,判定所述背景掩模区域为静止区域,背景模型不做更新,所述重置模块还用于将所述连续前景点的计数器和标志位重置为初始值。
进一步地,在本发明一些可选实施例当中,所述阈值判断模块14包括:
直方图距离计算单元,用于计算所述当前帧掩模与所述背景帧掩模的直方图距离;
直方图距离判断单元,用于判断所述直方图距离是否大于距离阈值;
当所述直方图距离大于所述距离阈值时,所述阈值判断模块14判定所述当前帧掩模与所述背景帧掩模的相似度低于所述相似度阈值;当所述直方图距离小于所述距离阈值时,所述阈值判断模块14判定所述当前帧掩模与所述背景帧掩模的相似度高于所述相似度阈值。
进一步地,在本发明一些可选实施例当中,所述模型更新模块15还用于当所述连续多帧图像中的任一帧中的目标像素点被判定为背景点时,以预设概率触发用所述目标像素点更新所述背景模型。
上述各模块、单元被执行时所实现的功能或操作步骤与上述方法实施例大体相同,在此不再赘述。
综上,本发明上述实施例当中的图像处理装置,通过对连续前景点进行监测,并基于连续前景点在当前帧中的当前帧掩模与背景模型对应的局部掩模区域的相似度匹配来判断该区域属于鬼影还是静止区域,并采取不同的更新策略,抑制静止区域的消融,加快鬼影区域的消除。
实施例四
本发明另一方面还提出一种图像处理设备,请参阅图6,所示为本发明第四实施例当中的图像处理设备,所述图像处理设备包括存储器20、处理器10以及存储在存储器上并可在处理器上运行的计算机程序30,所述处理器10执行所述程序30时实现如上述的图像处理方法。
其中,所述图像处理设备可以为上位机、计算机、笔记本、摄像装置等终端,处理器10在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器20中存储的程序代码或处理数据,例如执行访问限制程序等。
其中,存储器20至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器20在一些实施例中可以是图像处理设备的内部存储单元,例如该图像处理设备的硬盘。存储器20在另一些实施例中也可以是图像处理设备的外部存储装置,例如图像处理设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器20还可以既包括图像处理设备的内部存储单元也包括外部存储装置。存储器20不仅可以用于存储安装于图像处理设备的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
需要指出的是,图6示出的结构并不构成对图像处理设备的限定,在其它实施例当中,该图像处理设备可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
综上,本发明上述实施例当中的图像处理设备,通过对连续前景点进行监测,并基于连续前景点在当前帧中的当前帧掩模与背景模型对应的局部掩模区域的相似度匹配来判断该区域属于鬼影还是静止区域,并采取不同的更新策略,抑制静止区域的消融,加快鬼影区域的消除。
本发明实施例还提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述的图像处理方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型;
判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;
若是,则从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像;
判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值;
若是,则判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
2.根据权利要求1所述的图像处理方法,其特征在于,在构建所述背景模型之后,还包括:
为所述背景帧中的每一像素点分别设置一个计数器,所述计数器用于计数各自像素点为前景点的次数;
判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点的步骤包括:
判断所述连续多帧图像中是否有像素点的计数器的计数大于计数阈值。
3.根据权利要求2所述的图像处理方法,其特征在于,在为所述背景帧中的每一像素点分别设置一个计数器的步骤之后,还包括:
为所述背景帧中的每一像素点分别配置一个标志位。
4.根据权利要求3所述的图像处理方法,其特征在于,在用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型的步骤之后,还包括:
将所述连续前景点的计数器和标志位重置为初始值。
5.根据权利要求3所述的图像处理方法,其特征在于,在判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值的步骤之后,还包括:
若否,则判定所述背景掩模区域为静止区域,背景模型不做更新,并将所述连续前景点的计数器和标志位重置为初始值。
6.根据权利要求1所述的图像处理方法,其特征在于,判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值的步骤包括:
计算所述当前帧掩模与所述背景帧掩模的直方图距离;
判断所述直方图距离是否大于距离阈值;
当所述直方图距离大于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度低于所述相似度阈值;当所述直方图距离小于所述距离阈值时,判定所述当前帧掩模与所述背景帧掩模的相似度高于所述相似度阈值。
7.根据权利要求1所述的图像处理方法,其特征在于,还包括:
当所述连续多帧图像中的任一帧中的目标像素点被判定为背景点时,以预设概率触发用所述目标像素点更新所述背景模型。
8.一种图像处理装置,其特征在于,所述装置包括:
模型构建模块,用于获取视频帧序列,以所述视频帧序列的第一帧为背景帧构建背景模型;
前景点判断模块,用于判断所述视频帧序列中的第一帧之后的连续多帧图像中是否存在连续前景点;
掩模获取模块,用于当判断到所述连续多帧图像中存在连续前景点时,从当前帧中获取所述连续前景点所在区域的掩模,得到当前帧掩模,并从所述背景帧中获取与所述当前帧掩模的区域对应的背景帧掩模,所述当前帧为所述连续多帧图像中的最后一帧图像;
阈值判断模块,用于判断所述当前帧掩模与所述背景帧掩模的相似度是否低于相似度阈值;
模型更新模块,用于当判断到所述当前帧掩模与所述背景帧掩模的相似度低于相似度阈值时,判定所述背景帧掩模为鬼影区域,并用所述当前帧掩模替换所述背景帧掩模并更新所述背景模型。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一所述的图像处理方法。
10.一种图像处理设备,其特征在于,所述图像处理设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-7任一所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819713.6A CN112084880A (zh) | 2020-08-14 | 2020-08-14 | 一种图像处理方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819713.6A CN112084880A (zh) | 2020-08-14 | 2020-08-14 | 一种图像处理方法、装置、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112084880A true CN112084880A (zh) | 2020-12-15 |
Family
ID=73729196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010819713.6A Pending CN112084880A (zh) | 2020-08-14 | 2020-08-14 | 一种图像处理方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084880A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128464A (zh) * | 2021-05-07 | 2021-07-16 | 支付宝(杭州)信息技术有限公司 | 图像识别方法和系统 |
CN113254710A (zh) * | 2021-05-20 | 2021-08-13 | 广州广电运通金融电子股份有限公司 | 一种视频浓缩方法、系统及设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100208998A1 (en) * | 2007-07-08 | 2010-08-19 | Marc Van Droogenbroeck | Visual background extractor |
CN104392468A (zh) * | 2014-11-21 | 2015-03-04 | 南京理工大学 | 基于改进视觉背景提取的运动目标检测方法 |
WO2017028047A1 (zh) * | 2015-08-14 | 2017-02-23 | 富士通株式会社 | 背景模型的提取方法、装置以及图像处理设备 |
CN107977983A (zh) * | 2017-11-27 | 2018-05-01 | 江南大学 | 一种基于改进型ViBe的鬼影和静止目标抑制方法 |
CN108805897A (zh) * | 2018-05-22 | 2018-11-13 | 安徽大学 | 一种改进的运动目标检测vibe算法 |
CN109658433A (zh) * | 2018-12-05 | 2019-04-19 | 青岛小鸟看看科技有限公司 | 图像背景建模和前景提取方法、装置和电子设备 |
CN110599523A (zh) * | 2019-09-10 | 2019-12-20 | 江南大学 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
CN110619652A (zh) * | 2019-08-19 | 2019-12-27 | 浙江大学 | 一种基于光流映射重复区域检测的图像配准鬼影消除方法 |
CN111260684A (zh) * | 2020-03-02 | 2020-06-09 | 成都信息工程大学 | 基于帧差法和背景差分法结合的前景像素提取方法及系统 |
-
2020
- 2020-08-14 CN CN202010819713.6A patent/CN112084880A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100208998A1 (en) * | 2007-07-08 | 2010-08-19 | Marc Van Droogenbroeck | Visual background extractor |
CN104392468A (zh) * | 2014-11-21 | 2015-03-04 | 南京理工大学 | 基于改进视觉背景提取的运动目标检测方法 |
WO2017028047A1 (zh) * | 2015-08-14 | 2017-02-23 | 富士通株式会社 | 背景模型的提取方法、装置以及图像处理设备 |
CN107977983A (zh) * | 2017-11-27 | 2018-05-01 | 江南大学 | 一种基于改进型ViBe的鬼影和静止目标抑制方法 |
CN108805897A (zh) * | 2018-05-22 | 2018-11-13 | 安徽大学 | 一种改进的运动目标检测vibe算法 |
CN109658433A (zh) * | 2018-12-05 | 2019-04-19 | 青岛小鸟看看科技有限公司 | 图像背景建模和前景提取方法、装置和电子设备 |
CN110619652A (zh) * | 2019-08-19 | 2019-12-27 | 浙江大学 | 一种基于光流映射重复区域检测的图像配准鬼影消除方法 |
CN110599523A (zh) * | 2019-09-10 | 2019-12-20 | 江南大学 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
CN111260684A (zh) * | 2020-03-02 | 2020-06-09 | 成都信息工程大学 | 基于帧差法和背景差分法结合的前景像素提取方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128464A (zh) * | 2021-05-07 | 2021-07-16 | 支付宝(杭州)信息技术有限公司 | 图像识别方法和系统 |
CN113128464B (zh) * | 2021-05-07 | 2022-07-19 | 支付宝(杭州)信息技术有限公司 | 图像识别方法和系统 |
CN113254710A (zh) * | 2021-05-20 | 2021-08-13 | 广州广电运通金融电子股份有限公司 | 一种视频浓缩方法、系统及设备 |
WO2022241805A1 (zh) * | 2021-05-20 | 2022-11-24 | 广州广电运通金融电子股份有限公司 | 一种视频浓缩方法、系统及设备 |
CN113254710B (zh) * | 2021-05-20 | 2023-08-22 | 广州广电运通金融电子股份有限公司 | 一种视频浓缩方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7418134B2 (en) | Method and apparatus for foreground segmentation of video sequences | |
CN105631418B (zh) | 一种人数统计的方法和装置 | |
US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
US10445590B2 (en) | Image processing apparatus and method and monitoring system | |
US10096117B2 (en) | Video segmentation method | |
CN111783524B (zh) | 一种场景变换检测方法、装置、存储介质及终端设备 | |
WO2012016374A1 (en) | Method for identifying objects in video | |
US9031280B2 (en) | Temporal-correlations-based mode connection | |
US20100310122A1 (en) | Method and Device for Detecting Stationary Targets | |
CN110399842B (zh) | 视频处理方法、装置、电子设备及计算机可读存储介质 | |
US9147256B2 (en) | Image processing apparatus and image processing method | |
CN112084880A (zh) | 一种图像处理方法、装置、存储介质及设备 | |
CN111047908B (zh) | 跨线车辆的检测装置、方法及视频监控设备 | |
US20140056519A1 (en) | Method, apparatus and system for segmenting an image in an image sequence | |
CN109643488B (zh) | 交通异常事件检测装置及方法 | |
CN111179302B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN110114801B (zh) | 图像前景检测装置及方法、电子设备 | |
CN113239746B (zh) | 电动车检测方法、装置、终端设备及计算机可读存储介质 | |
KR102159954B1 (ko) | 지능형 영상 분석을 위한 관심 영역 설정 방법 및 이에 따른 영상 분석 장치 | |
CN110647818A (zh) | 一种遮挡目标物体的识别方法及装置 | |
WO2017028047A1 (zh) | 背景模型的提取方法、装置以及图像处理设备 | |
Lee et al. | Multiple moving object segmentation using motion orientation histogram in adaptively partitioned blocks for high-resolution video surveillance systems | |
CN111667419A (zh) | 一种基于Vibe算法的移动目标鬼影消除方法及系统 | |
CN110782425A (zh) | 图像处理方法、图像处理装置和电子设备 | |
CN113762027B (zh) | 一种异常行为的识别方法、装置、设备及存储介质 |
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 |