CN112581492A - 一种运动目标检测方法和装置 - Google Patents

一种运动目标检测方法和装置 Download PDF

Info

Publication number
CN112581492A
CN112581492A CN201910926317.0A CN201910926317A CN112581492A CN 112581492 A CN112581492 A CN 112581492A CN 201910926317 A CN201910926317 A CN 201910926317A CN 112581492 A CN112581492 A CN 112581492A
Authority
CN
China
Prior art keywords
image
current frame
background
frame image
difference
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
Application number
CN201910926317.0A
Other languages
English (en)
Inventor
刘红雅
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201910926317.0A priority Critical patent/CN112581492A/zh
Publication of CN112581492A publication Critical patent/CN112581492A/zh
Pending 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
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种运动目标检测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。该实施方式能够解决运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。

Description

一种运动目标检测方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种运动目标检测方法和装置。
背景技术
用于运动目标检测的算法类型众多，大致可以将其分为三类：光流法、帧间差分法和背景减除法。光流法由于其算法的复杂性、对硬件要求较高等原因，现在较少使用；现在的主流运动目标检测算法是帧差法和背景减除法。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：帧间差分法存在空洞、轮廓不完整、运动目标容易被拉长以及存在“双影”(前一帧图像中的前景像素点在当前帧图像中仍被检测为前景像素点)等问题；背景减除法具有计算量小、内存占用少、处理速度快等优点，但是其却无法很好地解决“鬼影”(久久不能消除的前景像素点)现象和光照问题，尤其当首帧图像具有运动目标时，将在接下来的一段时间内存在“鬼影”。
发明内容
有鉴于此，本发明实施例提供一种运动目标检测方法和装置，以解决运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种运动目标检测方法，包括：
采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；
基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；
对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
可选地，采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标，包括：
遍历当前帧图像的各个像素点，对于每个像素点：结合背景模型，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述当前帧图像的背景图像和背景模型，并且根据判断为前景的像素点检测出所述当前帧图像中的第一运动目标。
可选地，基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标，包括：
基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像；
对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标。
可选地，基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像，包括：
对所述当前帧图像的前二帧图像与所述当前帧图像进行差分处理，得到第一差分图像；
对所述当前帧图像与所述当前帧图像的后二帧图像进行差分处理，得到第二差分图像；
对所述当前帧图像与所述背景图像进行差分处理，得到第三差分图像；
对所述当前帧图像的前一帧图像与所述当前帧图像进行差分处理，得到第四差分图像；
对所述当前帧图像与所述当前帧图像的后一帧图像进行差分处理，得到第五差分图像。
可选地，对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标，包括：
对所述第一差分图像和所述第二差分图像进行逻辑或运算得到第六差分图像，对所述第四差分图像和所述第五差分图像进行逻辑或运算得到第七差分图像；
对所述第三差分图像和所述第六差分图像进行逻辑与运算得到第八差分图像，对所述第三差分图像和所述第七差分图像进行逻辑与运算得到第九差分图像；
对所述第八差分图形和所述第九差分图形进行逻辑或运算得到第十差分图像；
检测出所述第十差分图像中的前景像素点作为第二运动目标。
可选地，对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标，包括：
对所述第一运动目标和所述第二运动目标进行逻辑或运算，得到第三运动目标；
对所述第三运动目标进行形态学处理，并将前景像素点作为所述当前帧图像的运动目标。
可选地，在检测出所述当前帧图像中的第二运动目标之后，还包括：
遍历所述当前帧图像的各个像素点，对于每个像素点：根据第二运动目标的检测结果，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述背景图像和背景模型。
另外，根据本发明实施例的另一个方面，提供了一种运动目标检测装置，包括：
第一检测模块，用于采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；
第二检测模块，用于基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；
第三检测模块，用于对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
可选地，所述第一检测模块还用于：
遍历当前帧图像的各个像素点，对于每个像素点：结合背景模型，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述当前帧图像的背景图像和背景模型，并且根据判断为前景的像素点检测出所述当前帧图像中的第一运动目标。
可选地，所述第二检测模块还用于：
基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像；
对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标。
可选地，所述第二检测模块还用于：
对所述当前帧图像的前二帧图像与所述当前帧图像进行差分处理，得到第一差分图像；
对所述当前帧图像与所述当前帧图像的后二帧图像进行差分处理，得到第二差分图像；
对所述当前帧图像与所述背景图像进行差分处理，得到第三差分图像；
对所述当前帧图像的前一帧图像与所述当前帧图像进行差分处理，得到第四差分图像；
对所述当前帧图像与所述当前帧图像的后一帧图像进行差分处理，得到第五差分图像。
可选地，所述第二检测模块还用于：
对所述第一差分图像和所述第二差分图像进行逻辑或运算得到第六差分图像，对所述第四差分图像和所述第五差分图像进行逻辑或运算得到第七差分图像；
对所述第三差分图像和所述第六差分图像进行逻辑与运算得到第八差分图像，对所述第三差分图像和所述第七差分图像进行逻辑与运算得到第九差分图像；
对所述第八差分图形和所述第九差分图形进行逻辑或运算得到第十差分图像；
检测出所述第十差分图像中的前景像素点作为第二运动目标。
可选地，所述第三检测模块还用于：
对所述第一运动目标和所述第二运动目标进行逻辑或运算，得到第三运动目标；
对所述第三运动目标进行形态学处理，并将前景像素点作为所述当前帧图像的运动目标。
可选地，还包括更新模块，用于：
在检测出所述当前帧图像中的第二运动目标之后，遍历所述当前帧图像的各个像素点，对于每个像素点：根据第二运动目标的检测结果，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述背景图像和背景模型。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用使用背景减除法得到的背景图像作为帧间差分法的背景帧，并利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中的技术手段，所以克服了现有技术中运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。本发明实施例将背景减除法与帧间差分法相结合，使用背景减除法得到的背景图像作为帧间差分法的背景帧，增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题；并且利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中，以提高模型的背景像素点的准确率，同时加快“鬼影”的消除、增加运动目标的检测准确性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的运动目标检测方法的主要流程的示意图；
图2是根据本发明实施例的采用ViBe算法检测运动目标的主要流程的示意图；
图3是根据本发明实施例的采用五帧差分法检测运动目标的主要流程的示意图；
图4是根据本发明一个可参考实施例的运动目标检测方法的主要流程的示意图；
图5是根据本发明实施例的运动目标检测装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了解决运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感等技术问题，发明实施例提供了一种运动目标检测方法，该方法使用背景减除法得到的背景图像作为帧间差分法的背景帧，并将帧间差分得到背景图像用于背景减除法的背景建模中，从而准确地检测出运动目标。
图1是根据本发明实施例的运动目标检测方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述运动目标检测方法可以包括：
步骤101，采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标。
在该步骤中，采用背景减除检测出当前帧图像中的第一运动目标，同时还可以得到当前帧图像的背景图像，该背景图像可以作为帧间差分法的背景帧。在现有技术中，对于背景减除法来说，只需要为每个像素点创建对应的背景模型，即可对当前帧图像进行前景像素点的判断，并不需要提取背景图像，而本发明实施例则在创建背景模型时，还需要提取背景图像，该背景图像可以作为帧间差分法的背景帧。可选地，步骤101包括：遍历当前帧图像的各个像素点，对于每个像素点：结合背景模型，判断所述像素点为前景或者背景；根据判断为背景的像素点更新所述当前帧图像的背景图像和背景模型，并且根据判断为前景的像素点检测出所述当前帧图像中的第一运动目标。
ViBe算法是常用的背景减除法，ViBe算法只需要一帧图像即可完成对背景模型的初始化，相较于其他需要多帧图像才可以建立背景模型的算法来说，可以大大提高检测速度；建立背景模型之后，通过之后的每一帧图像与模型样本集作比较，进而判断该像素点属于前景像素还是背景像素，接着对背景模型进行更新，如此循环进行，检测出运动目标。可选地，可以采用以下两种策略更新背景模型：1)保守更新策略：该策略要求前景像素点永远不被用来更新背景模型；2)盲目(Blind)更新策略：前景像素点和背景像素点都用来更新背景模型。
如图2所示，以保守更新策略为例，采用ViBe算法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标，包括以下步骤：
步骤201，提取视频图像中的首帧图像。
步骤202，通过首帧图像初始化背景模型(比如采用领域像素来创建背景模型)，并以首帧图像作为背景图像。其中，背景模型为每个像素点存储了样本集(一般为20个、30个等)。
步骤203，对当前帧图像进行图像预处理，比如滤波处理、降噪处理等。
步骤204，遍历当前帧图像的各个像素点，判断像素点为背景或者前景。具体地，将像素点值放入到ViBe模型中，判断该像素点为前景或者背景。
步骤205，若像素点为背景，则更新背景模型和背景图像。
步骤206，若像素点为前景，则将该像素点作为运动目标(即第一运动目标)。
需要指出的是，在初始化时，以首帧图像作为背景图像，并且基于运动目标检测结果不断地更新该背景图像。因此，步骤101中得到的背景图像是基于帧图像的运动目标检测结果不断更新的。
步骤102，基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标。
在该步骤中，使用背景减除法得到的背景图像作为帧间差分法的背景帧，增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题。可选地，步骤102可以具体包括：基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像；对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标。
所述帧间差分法可以是二帧差分法，三帧差分法或者五帧差分法等，但是相比于两帧差分法、三帧差分法等，采用五帧差分法得到的运动目标相对更准确和丰富。五帧差分法采用连续的五帧图像，取中间帧分别与前两帧和后两帧做差分运算，分别设定阈值对得到的四个差分结果做二值化运算，将得到的二值化图像再次做与运算得到运动目标图像。五帧差分法使用视频图像序列的连续五帧图像f1、f2、f3、f4、f5做差分运算，之后对差分的结果做进一步的逻辑运算来得到运动目标。如图3所示，基于五帧差分法和所述背景图像检测出所述当前帧图像中的第二运动目标，可以具体包括以下步骤：
1)对所述当前帧图像的前二帧图像f1与所述当前帧图像f3进行差分处理，得到第一差分图像；对所述当前帧图像f3与所述当前帧图像的后二帧图像f5进行差分处理，得到第二差分图像；对所述当前帧图像f3与所述背景图像fb进行差分处理，得到第三差分图像；对所述当前帧图像的前一帧图像f2与所述当前帧图像f3进行差分处理，得到第四差分图像；对所述当前帧图像f3与所述当前帧图像的后一帧图像f4进行差分处理，得到第五差分图像。
2)对所述第一差分图像和所述第二差分图像进行逻辑或运算得到第六差分图像，对所述第四差分图像和所述第五差分图像进行逻辑或运算得到第七差分图像。
3)对所述第三差分图像和所述第六差分图像进行逻辑与运算得到第八差分图像，对所述第三差分图像和所述第七差分图像进行逻辑与运算得到第九差分图像。
4)对所述第八差分图形和所述第九差分图形进行逻辑或运算得到第十差分图像。
5)对所述第十差分图像进行形态学处理。
6)检测出形态学处理后的所述第十差分图像中的前景像素点作为运动目标(即第二运动目标)。
本发明实施例对于五帧差分法的改进点之一在于：使用连续五帧图像的第三帧和背景减除法的背景图像做差分得到一个差分结果，将该差分结果和标准五帧差分算法得到的差分结果做逻辑与运算等，经过形态学处理之后得到最终的运动目标，从而增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题。
本发明实施例对于五帧差分法的改进点之二在于：由于对差分图像做逻辑或运算是得到两个差分图像中的所有运动目标，相比与运算，本发明实施例首先对二值化的差分图像做逻辑或运算，由此得到的运动目标信息更加丰富；由于背景差分得到运动目标更加精确，因此本发明实施例分别对第三差分图和第六差分图、第七差分图做逻辑或运算，得到的结果再分别做逻辑与运算，这样可以滤除两个或运算结果中的拖影问题，同时也可以去除背景差分法自身存在的“鬼影”和光照敏感部分像素。
步骤103，对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
可以对背景减除法检测出的第一运动目标和帧间差分法检测出的第二运动目标做逻辑或运算，使得最终的运动目标更加完整，最后通过进一步的形态学处理来填充运动目标的微小空洞，也可以进一步滤除噪声。
根据上面所述的各种实施例，可以看出本发明通过使用背景减除法得到的背景图像作为帧间差分法的背景帧，并利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中的技术手段，从而解决了现有技术中运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。本发明实施例将背景减除法与帧间差分法相结合，使用背景减除法得到的背景图像作为帧间差分法的背景帧，增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题；并且利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中，以提高模型的背景像素点的准确率，同时加快“鬼影”的消除、增加运动目标的检测准确性。
图4是根据本发明一个可参考实施例的运动目标检测方法的主要流程的示意图。
步骤401，采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标。
在该步骤中，采用背景减除检测出当前帧图像中的第一运动目标，同时还可以得到当前帧图像的背景图像，该背景图像可以作为帧间差分法的背景帧。ViBe算法是常用的背景减除法，ViBe算法只需要一帧图像即可完成对背景模型的初始化，相较于其他需要多帧图像才可以建立背景模型的算法来说，可以大大提高检测速度；建立背景模型之后，通过之后的每一帧图像与模型样本值作比较，进而判断该像素点属于前景像素还是背景像素，接着对背景模型进行更新，如此循环进行，检测出运动目标。在初始化时，以首帧图像作为背景图像，并且基于运动目标检测结果不断地更新该背景图像。
步骤402，基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标。
可选地，可以采用五帧差分法检测第二运动目标，五帧差分法使用视频图像序列的连续五帧图像f1、f2、f3、f4、f5做差分运算，之后对差分的结果做进一步的逻辑运算来得到运动目标。
步骤403，遍历所述当前帧图像的各个像素点，根据第二运动目标的检测结果，基于判断为背景的像素点更新所述背景图像和背景模型。
本发明实施例采用帧间差分法检测出的运动目标来更新背景减除法的背景模型，具体地，更新策略可以是：如果像素点为背景像素，则更新背景模型和背景图像，如果像素点为前景像素(即运动目标像素)，则不对背景模型和背景图像进行更新。
步骤404，对所述第一运动目标和所述第二运动目标进行逻辑或运算，得到第三运动目标。
可以对背景减除法检测出的第一运动目标和帧间差分法检测出的第二运动目标做逻辑或运算，使得最终的运动目标更加完整。
步骤405，对所述第三运动目标进行形态学处理。
步骤406，经过形态学处理后，将前景像素点作为所述当前帧图像的运动目标。
需要说明的是，步骤403中更新过后的背景图像和背景模型用于下一帧图像的运动目标检测。具体地，在下一帧图像(比如f4)的背景减除法中，采用背景减除法来更新通过步骤403得到的背景图像和背景模型。
由于帧间差分法(尤其是五帧差分法)有一个优势就是不存在“鬼影”问题，同时其对光照不敏感，因此其检测出的运动目标更接近真实运动目标，从另外一个角度来说，其检测出来的背景更不受光照的影响，也不会有“鬼影”问题，因此本发明实施例使用其来对背景减除法的背景模型和背景图像进行更新，可以加快“鬼影”的消除速度，同时减少消除光照对背景模型和背景图像的影响时间。由于背景减除法除了“鬼影”和光照问题外，可以较好的检测出运动目标，因此将帧间差分法和背景减除法得到的运动目标做逻辑或运算，使得最终的运动目标更加完整，最后通过进一步的形态学处理来填充运动目标微小空洞，也可以进一步的滤除噪声。
另外，在本发明一个可参考实施例中运动目标检测方法的具体实施内容，在上面所述运动目标检测方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明实施例的运动目标检测装置的主要模块的示意图，如图5所示，所述运动目标检测装置500包括第一检测模块501、第二检测模块502和第三检测模块503。其中，第一检测模块501用于采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；第二检测模块502用于基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；第三检测模块503用于对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
可选地，所述第一检测模块501还用于：
遍历当前帧图像的各个像素点，对于每个像素点：结合背景模型，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述当前帧图像的背景图像和背景模型，并且根据判断为前景的像素点检测出所述当前帧图像中的第一运动目标。
可选地，所述第二检测模块502还用于：
基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像；
对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标。
可选地，所述第二检测模块502还用于：
对所述当前帧图像的前二帧图像与所述当前帧图像进行差分处理，得到第一差分图像；
对所述当前帧图像与所述当前帧图像的后二帧图像进行差分处理，得到第二差分图像；
对所述当前帧图像与所述背景图像进行差分处理，得到第三差分图像；
对所述当前帧图像的前一帧图像与所述当前帧图像进行差分处理，得到第四差分图像；
对所述当前帧图像与所述当前帧图像的后一帧图像进行差分处理，得到第五差分图像。
可选地，所述第二检测模块502还用于：
对所述第一差分图像和所述第二差分图像进行逻辑或运算得到第六差分图像，对所述第四差分图像和所述第五差分图像进行逻辑或运算得到第七差分图像；
对所述第三差分图像和所述第六差分图像进行逻辑与运算得到第八差分图像，对所述第三差分图像和所述第七差分图像进行逻辑与运算得到第九差分图像；
对所述第八差分图形和所述第九差分图形进行逻辑或运算得到第十差分图像；
检测出所述第十差分图像中的前景像素点作为第二运动目标。
可选地，所述第三检测模块503还用于：
对所述第一运动目标和所述第二运动目标进行逻辑或运算，得到第三运动目标；
对所述第三运动目标进行形态学处理，并将前景像素点作为所述当前帧图像的运动目标。
可选地，还包括更新模块，用于：
在检测出所述当前帧图像中的第二运动目标之后，遍历所述当前帧图像的各个像素点，对于每个像素点：根据第二运动目标的检测结果，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述背景图像和背景模型。
根据上面所述的各种实施例，可以看出本发明通过使用背景减除法得到的背景图像作为帧间差分法的背景帧，并利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中的技术手段，从而解决了现有技术中运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。本发明实施例将背景减除法与帧间差分法相结合，使用背景减除法得到的背景图像作为帧间差分法的背景帧，增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题；并且利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中，以提高模型的背景像素点的准确率，同时加快“鬼影”的消除、增加运动目标的检测准确性。
需要说明的是，在本发明所述运动目标检测装置的具体实施内容，在上面所述运动目标检测方法中已经详细说明了，故在此重复内容不再说明。
图6示出了可以应用本发明实施例的运动目标检测方法或运动目标检测装置的示例性系统架构600。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的运动目标检测方法一般由服务器605执行，相应地，所述运动目标检测装置一般设置在服务器605中。本发明实施例所提供的运动目标检测方法也可以由终端设备601、602、603执行，相应地，所述运动目标检测装置可以设置在终端设备601、602、603中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序物品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序物品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一检测模块、第二检测模块和第三检测模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
根据本发明实施例的技术方案，因为采用使用背景减除法得到的背景图像作为帧间差分法的背景帧，并利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中的技术手段，所以克服了现有技术中运动目标检测中容易出现的空洞、“双影”、“鬼影”、光照敏感的技术问题。本发明实施例将背景减除法与帧间差分法相结合，使用背景减除法得到的背景图像作为帧间差分法的背景帧，增加了五帧差分检测运动目标的准确性，基本消除了其存在的“双影”问题；并且利用帧间差分法对光照不敏感的特性，将帧间差分得到背景图像用于背景减除法的背景建模中，以提高模型的背景像素点的准确率，同时加快“鬼影”的消除、增加运动目标的检测准确性。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种运动目标检测方法，其特征在于，包括：
采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；
基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；
对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
2.根据权利要求1所述的方法，其特征在于，采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标，包括：
遍历当前帧图像的各个像素点，对于每个像素点：结合背景模型，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述当前帧图像的背景图像和背景模型，并且根据判断为前景的像素点检测出所述当前帧图像中的第一运动目标。
3.根据权利要求1所述的方法，其特征在于，基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标，包括：
基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像；
对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标。
4.根据权利要求3所述的方法，其特征在于，基于帧间差分法，对所述背景图像、所述当前帧图像以及所述当前帧图像的相邻帧进行差分处理，得到多个差分图像，包括：
对所述当前帧图像的前二帧图像与所述当前帧图像进行差分处理，得到第一差分图像；
对所述当前帧图像与所述当前帧图像的后二帧图像进行差分处理，得到第二差分图像；
对所述当前帧图像与所述背景图像进行差分处理，得到第三差分图像；
对所述当前帧图像的前一帧图像与所述当前帧图像进行差分处理，得到第四差分图像；
对所述当前帧图像与所述当前帧图像的后一帧图像进行差分处理，得到第五差分图像。
5.根据权利要求3所述的方法，其特征在于，对所述多个差分图像进行逻辑运算，从而检测出所述当前帧图像中的第二运动目标，包括：
对所述第一差分图像和所述第二差分图像进行逻辑或运算得到第六差分图像，对所述第四差分图像和所述第五差分图像进行逻辑或运算得到第七差分图像；
对所述第三差分图像和所述第六差分图像进行逻辑与运算得到第八差分图像，对所述第三差分图像和所述第七差分图像进行逻辑与运算得到第九差分图像；
对所述第八差分图形和所述第九差分图形进行逻辑或运算得到第十差分图像；
检测出所述第十差分图像中的前景像素点作为第二运动目标。
6.根据权利要求1所述的方法，其特征在于，对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标，包括：
对所述第一运动目标和所述第二运动目标进行逻辑或运算，得到第三运动目标；
对所述第三运动目标进行形态学处理，并将前景像素点作为所述当前帧图像的运动目标。
7.根据权利要求1所述的方法，其特征在于，在检测出所述当前帧图像中的第二运动目标之后，还包括：
遍历所述当前帧图像的各个像素点，对于每个像素点：根据第二运动目标的检测结果，判断所述像素点为前景或者背景；
根据判断为背景的像素点更新所述背景图像和背景模型。
8.一种运动目标检测装置，其特征在于，包括：
第一检测模块，用于采用背景减除法得到当前帧图像的背景图像并检测出所述当前帧图像中的第一运动目标；
第二检测模块，用于基于帧间差分法和所述背景图像检测出所述当前帧图像中的第二运动目标；
第三检测模块，用于对所述第一运动目标和所述第二运动目标进行逻辑运算，从而检测出所述当前帧图形中的运动目标。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201910926317.0A 2019-09-27 2019-09-27 一种运动目标检测方法和装置 Pending CN112581492A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910926317.0A CN112581492A (zh) 2019-09-27 2019-09-27 一种运动目标检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910926317.0A CN112581492A (zh) 2019-09-27 2019-09-27 一种运动目标检测方法和装置

Publications (1)

Publication Number Publication Date
CN112581492A true CN112581492A (zh) 2021-03-30

Family

ID=75110011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910926317.0A Pending CN112581492A (zh) 2019-09-27 2019-09-27 一种运动目标检测方法和装置

Country Status (1)

Country Link
CN (1) CN112581492A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294486A (zh) * 2022-10-08 2022-11-04 彼图科技(青岛)有限公司 一种基于无人机和人工智能的违章建筑数据识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011096216A (ja) * 2009-09-29 2011-05-12 Panasonic Corp ステレオ画像処理を用いた車両検出装置
CN106846359A (zh) * 2017-01-17 2017-06-13 湖南优象科技有限公司 基于视频序列的运动目标快速检测方法
CN107103303A (zh) * 2017-04-27 2017-08-29 昆明理工大学 一种基于gmm背景差分与联合特征的行人检测方法
CN111325773A (zh) * 2018-12-17 2020-06-23 北京京东尚科信息技术有限公司 运动目标的检测方法、装置、设备及可读存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011096216A (ja) * 2009-09-29 2011-05-12 Panasonic Corp ステレオ画像処理を用いた車両検出装置
CN106846359A (zh) * 2017-01-17 2017-06-13 湖南优象科技有限公司 基于视频序列的运动目标快速检测方法
CN107103303A (zh) * 2017-04-27 2017-08-29 昆明理工大学 一种基于gmm背景差分与联合特征的行人检测方法
CN111325773A (zh) * 2018-12-17 2020-06-23 北京京东尚科信息技术有限公司 运动目标的检测方法、装置、设备及可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115294486A (zh) * 2022-10-08 2022-11-04 彼图科技(青岛)有限公司 一种基于无人机和人工智能的违章建筑数据识别方法
CN115294486B (zh) * 2022-10-08 2023-01-13 彼图科技(青岛)有限公司 一种基于无人机和人工智能的违章垃圾识别和判定方法

Similar Documents

Publication Publication Date Title
CN113436100B (zh) 用于修复视频的方法、装置、设备、介质和产品
CN109389096B (zh) 检测方法和装置
CN111784712B (zh) 图像处理方法、装置、设备和计算机可读介质
CN110633717A (zh) 一种目标检测模型的训练方法和装置
CN111160410B (zh) 一种物体检测方法和装置
CN111815738A (zh) 一种构建地图的方法和装置
CN113627536A (zh) 模型训练、视频分类方法，装置，设备以及存储介质
CN115272182A (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN110633716A (zh) 一种目标对象的检测方法和装置
CN110633597B (zh) 一种可行驶区域检测方法和装置
Boutiche et al. Fast algorithm for hybrid region‐based active contours optimisation
CN112581492A (zh) 一种运动目标检测方法和装置
CN113435393B (zh) 森林火灾烟雾根节点检测方法、装置和设备
CN110852250A (zh) 一种基于最大面积法的车辆排重方法、装置及存储介质
CN111428536A (zh) 用于检测物品类别和位置的检测网络的训练方法和装置
CN110634155A (zh) 一种基于深度学习的目标检测方法和装置
CN117853573A (zh) 一种视频处理方法、装置、电子设备及计算机可读介质
CN114581711A (zh) 目标对象检测方法、装置、设备、存储介质以及程序产品
CN111488890B (zh) 一种物品检测模型的训练方法和装置
CN109657523B (zh) 一种可行驶区域检测方法和装置
CN113095176A (zh) 一种对视频数据进行背景还原的方法和装置
CN110852252A (zh) 一种基于最小距离、最大长宽比的车辆排重方法和装置
CN111383293A (zh) 一种图像要素矢量化的方法和装置
CN113744259B (zh) 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备
CN116629947B (zh) 流动站点处理信息生成方法、装置、设备和介质

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