CN114757963A - 一种夜间复杂光照变化下的运动目标提取方法 - Google Patents
一种夜间复杂光照变化下的运动目标提取方法 Download PDFInfo
- Publication number
- CN114757963A CN114757963A CN202111538008.XA CN202111538008A CN114757963A CN 114757963 A CN114757963 A CN 114757963A CN 202111538008 A CN202111538008 A CN 202111538008A CN 114757963 A CN114757963 A CN 114757963A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- value
- video data
- background model
- 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
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
-
- 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
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明公开了一种夜间复杂光照变化下的运动目标提取方法,所述运动目标提取方法包括:S1:在具有光照干扰下的夜间环境中获取视频数据;S2:根据所述视频数据的部分连续帧图像,构建背景模型;S3:根据所述背景模型对所述视频数据进行处理,得到处理结果;S4:根据所述处理结果,利用区域生长算法提取所述运动目标。本发明能够解决主动式红外摄像仪的成像视频中存在严重的光照变化时,现有技术对运动目标提取不准确的问题。
Description
技术领域
本发明涉及视频提取技术领域,具体涉及一种夜间复杂光照变化下的运动目标提取方法。
背景技术
在公共视频监控领域,常被用于夜间视频监控设备的类型可分为两种,一种为主动式红外摄像仪,另一种为被动式红外摄像仪。主动式红外摄像仪发射红外光照亮监控区域并通过采集反射的红外光对监控区域进行成像。被动式红外摄像仪通过采集监控区域中不同物体的辐射能量进行成像。由于主动式红外摄像仪的成本相比于被动式摄像仪的成本更低,所以主动式红外摄像仪广泛用于公共视频监控领域。但主动式红外摄像仪在对监控领域进行成像时,很容易受到光照干扰的影响。光照干扰主要来自于两个方面,其一是由于运动目标靠近红外摄像仪的红外补光灯,运动目标遮挡度了部分红外光,使得除运动目标外的监控区域受到的红外光的照射量更小,最终造成这部分区域的成像画面相比于运动目标的成像画面更暗。其二是人造红外光对监控区域产生的光照变化,使得监控区域的成像造成明暗亮度变化。主动式红外成像画面如图1所示,图(a)为无光照变化时的成像画面,图(b)为光照变化剧烈时的成像画面。主动式红外成像仪的成像结果是一副灰度图像,每个像素点的像素值是在0到255范围之内。由于光照干扰的影响,将会导致像素点的像素值发生巨大变化,最严重时刻将像素值直接增大到200以上或减小到100以下。但在人的视觉来看,无法直观的观测到光照变化程度,只有发生非常剧烈的光照变化时,才能清楚的分辨出光照变化程度。
运动目标提取的结果需要是一副二值图像,在图像中运动目标的像素成为前景像素点,其像素值应为255即显示白色,非运动目标的像素点称为背景像素点,其像素值应为0,即显示黑色。目前现有于运动目标提取的技术,对光照变化敏感,无法处理存在光照变化剧烈的视频图像,提取出来的运动目标包含了大量的背景像素点,将直接导致提取的结果没有任何的使用价值。
发明内容
本发明的目的在于提供一种夜间复杂光照变化下的运动目标提取方法,以能够解决主动式红外摄像仪的成像视频中存在严重的光照变化时,现有技术对运动目标提取不准确的问题。
本发明解决上述技术问题的技术方案如下:
本发明提供一种夜间复杂光照变化下的运动目标提取方法,所述运动目标提取方法包括:
S1:在具有光照干扰下的夜间环境中获取视频数据;
S2:根据所述视频数据的部分连续帧图像,构建背景模型;
S3:根据所述背景模型对所述视频数据进行处理,得到处理结果;
S4:根据所述处理结果,利用区域生长算法提取所述运动目标。
可选择地,所述步骤S1中,采用主动红外摄像仪获取所述视频数据,所述视频数据为红外数据。
可选择地,所述步骤S2中包括:
确定目标像素点和目标邻域;
在所述目标像素点的目标邻域内获取连续目标数量帧图像;
计算目标数量帧图像像素值的平均值;
根据所述平均值,构建所述背景模型。
可选择地,所述背景模型M(x)为:
M(x)={yi(x)yi(x)∈NAG(x)i=1,2,…,20}
其中,yi(x)表示像素点x对应的背景模型M(x)中的第i个样本点;NAG(x)表示在图像fAG(x)中像素点的8邻域中所有像素点的集合,且即视频数据前20帧图像求平均值后的图像,fi为视频数据的第i帧图像。
可选择地,所述步骤S3包括:
根据所述背景模型,获取所述视频数据当前帧图像的差分图像;
对所述差分图像进行gamma变换,得到变换后的图像;
计算所述变换后的图像的信息熵;
根据所述信息熵,选取初始生长种子点并计算生长阈值;
将所述初始生长种子点和所述生长阈值作为所述处理结果输出。
可选择地,所述根据所述背景模型,获取所述视频数据当前帧图像的差分图像包括:
随机获取所述背景模型中的多个样本;
分别计算每个所述样本的像素点与当前帧图像的像素点的差值,得到与多个所述样本点数量一致的多个差值;
计算多个所述差值的均值;
将所述均值作为差分图像。
可选择地,所述信息熵通过以下方式计算:
可选择地,根据所述信息熵,选取初始生长种子点包括:
A1:判断所述信息熵是否大于基准熵,若是,进入步骤A2,否则,进入步骤A3;
A2:在所述变换后的图像中,将像素值为250作为起始点,向像素值为0的方向获取目标数量个像素点后进入步骤A6;
A3:确定所述变换后的图像中灰度值较大的区域;
A4:确定所述灰度值较大的区域中像素点个数最多的像素值;
A5:以所述灰度值较大的区域中像素点个数最多的像素值为中心向相邻像素值中获取所述目标数量个像素点后进入步骤A6;
A6:将所述目标数量个像素点作为初始生长种子点。
可选择地,所述生长阈值h通过以下方式计算:
本发明具有以下有益效果:
本发明首先为整个视频构建背景模型,将光照变化严重的帧与背景模型做差得到差分图像,将差分图像进行像素值变换,根据变换后图像的信息熵选取不同是生长种子点与生长阈值,最后利用区域生长算法分割运动目标。以能够解决主动红外摄像仪的成像视频中存在严重的光照变化时,现有技术对运动目标提取不准确的问题。本发明技术针对存在光照变化的视频图像提取出来的运动目标结果更加精确,提取的结果可以用于对运动目标的进一步分析和利用。
附图说明
图1为现有技术中主动红外成像画面展示图;
图2为本发明所提供的夜间复杂光照变化下的运动目标提取方法的流程图;
图3为本发明所提供的夜间复杂光照变化下的运动目标提取方法中根据所述信息熵,选取初始生长种子点的流程图;
图4为变换后的图像的直方图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例
本发明提供一种夜间复杂光照变化下的运动目标提取方法,参考图2所示,所述运动目标提取方法包括:
S1:在具有光照干扰下的夜间环境中获取视频数据;
S2:根据所述视频数据的部分连续帧图像,构建背景模型;
S3:根据所述背景模型对所述视频数据进行处理,得到处理结果;
S4:根据所述处理结果,利用区域生长算法提取所述运动目标。
在本发明中,采用主动红外摄像仪获取所述视频数据,所述视频数据为红外数据。视频采集的环境是带有光照干扰的夜间环境,视频的成像为单通道的灰度图像,视频的格式为.avi。当然本领域技术人员也可以采用其他方式获取视频数据,并保存为其他格式,本发明不做限制。
可选择地,所述步骤S2中包括:
确定目标像素点和目标邻域;
在所述目标像素点的目标邻域内获取连续目标数量帧图像;
计算目标数量帧图像像素值的平均值;
根据所述平均值,构建所述背景模型。
作为一种实施例,在本发明中,采用视频的前连续20帧图像像素值的平均值来为视频构建背景模型。从像素点角度来看,某个像素点的背景模型包含20个样本,这20个样本分别来自该像素的点8领域内。
可选择地,所述背景模型M(x)为:
M(x)={yi(x)yi(x)∈NAG(x)i=1,2,…,20}
其中,yi(x)表示像素点x对应的背景模型M(x)中的第i个样本点;NAG(x)表示在图像fAG(x)中像素点的8邻域中所有像素点的集合,且即视频数据前20帧图像求平均值后的图像,fi为视频数据的第i帧图像。
可选择地,所述步骤S3包括:
根据所述背景模型,获取所述视频数据当前帧图像的差分图像;
具体包括:随机获取所述背景模型中的多个样本;
分别计算每个所述样本的像素点与当前帧图像的像素点的差值,得到与多个所述样本点数量一致的多个差值;
计算多个所述差值的均值;
将所述均值作为差分图像。
其中,j为1到N之间的随机数;一共有n个,n为经验值,经过试验测试后,n可取为5;yj(x)为像素点x对应的背景模型M(x)中的第j个样本点。fi(x)为视频中第i帧图像中像素点x的像素值。
对所述差分图像进行gamma变换,得到变换后的图像;
gamma变换的公式为:
s=crγ
图像的信息熵一定程度上反应了图像灰度等级的分布情况,因此这里需要计算所述变换后的图像的信息熵;
可选择地,所述信息熵通过以下方式计算:
根据所述信息熵,选取初始生长种子点并计算生长阈值;
可选择地,所述根据所述背景模型,获取所述视频数据当前帧图像的差分图像包括:
可选择地,参考图3所示,根据所述信息熵,选取初始生长种子点包括:
A1:判断所述信息熵是否大于基准熵,若是,进入步骤A2,否则,进入步骤A3;
A2:在所述变换后的图像中,将像素值为250作为起始点,向像素值为0的方向获取目标数量个像素点后进入步骤A6;
A3:确定所述变换后的图像中灰度值较大的区域;
A4:确定所述灰度值较大的区域中像素点个数最多的像素值;
A5:以所述灰度值较大的区域中像素点个数最多的像素值为中心向相邻像素值中获取所述目标数量个像素点后进入步骤A6;
以图4为例,该直方图中的横坐标表示像素值,纵坐标是像素值对应的像素点的总数,那么像素点个数最多的像素值为像素值是100时,其所对应得到像素点为接近7000,所以确定该100像素值为中心像素值,向像素值为50和/或150为邻域获取目标数量个像素点。
A6:将所述目标数量个像素点作为初始生长种子点。
具体地,当时,由于图像的熵值相对较小,光照变化相对较小,gamma变换后图像的灰度级分布不均匀,整个图像灰度级分布在两个区域,分别是靠近背景点和运动目标点的灰度值,运动目标点灰度值较大,于是从中较大灰度值的分布区域寻找拥有像素个数最多的像素值,再从该像素值及相邻像素值中选取H个像素点作为初始种子点;当时,图像的熵值相对较大,即光照变化的剧烈程度相对较大,gamma变换后图像的背景点的像素值与目标的点的像素值相差较小,运动目标的像素值较大,于是从从像素值为250开始向0方向寻找H个像素点作为初始种子点,避免像素值大的干扰点。像素值的范围是0~255,由于正常物体的成像的图像的像素值不可能是255,像素值是255很大程度上是源于噪声产生的白噪点,因此,为了一定程度上的避免噪声,从250向0方向找。
可选择地,所述生长阈值h通过以下方式计算:
将所述初始生长种子点和所述生长阈值作为所述处理结果输出。
区域生长算法是一种图像分割算法。区域生长算法中的初始生长种子点与生长阈值决定了图像分割的最终效果,决定了从图像中哪一个区域开始生长,什么时候停止生长。初始生长种子点被视为具有同一属性的像素点集合,判断初始生长种子点的所有连通分量是否与初始生长种子点具有同种属性,即像素差值小于生长阈值h。将与初始生长种子点具有同种属性的像素点与初始生长种子点合并成生长种子点,然后继续判断生长种子点的所有连通分量是否与生长种子点具有同种属性,直到所有的连通分量与生长种子点的属性不相同为止。最后得到的所有生长种子点即生长区域就是当前视频帧的运动目标。
本发明具有以下有益效果:
本发明首先为整个视频构建背景模型,将光照变化严重的帧与背景模型做差得到差分图像,将差分图像进行像素值变换,根据变换后图像的信息熵选取不同是生长种子点与生长阈值,最后利用区域生长算法分割运动目标。以能够解决主动红外摄像仪的成像视频中存在严重的光照变化时,现有技术对运动目标提取不准确的问题。本发明技术针对存在光照变化的视频图像提取出来的运动目标结果更加精确,提取的结果可以用于对运动目标的进一步分析和利用。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种夜间复杂光照变化下的运动目标提取方法,其特征在于,所述运动目标提取方法包括:
S1:在具有光照干扰下的夜间环境中获取视频数据;
S2:根据所述视频数据的部分连续帧图像,构建背景模型;
S3:根据所述背景模型对所述视频数据进行处理,得到处理结果;
S4:根据所述处理结果,利用区域生长算法提取所述运动目标。
2.根据权利要求1所述的夜间复杂光照变化下的运动目标提取方法,其特征在于,所述步骤S1中,采用主动红外摄像仪获取所述视频数据,所述视频数据为红外数据。
3.根据权利要求1所述的夜间复杂光照变化下的运动目标提取方法,其特征在于,所述步骤S2中包括:
确定目标像素点和目标邻域;
在所述目标像素点的目标邻域内获取连续目标数量帧图像;
计算目标数量帧图像像素值的平均值;
根据所述平均值,构建所述背景模型。
5.根据权利要求1所述的夜间复杂光照变化下的运动目标提取方法,其特征在于,所述步骤S3包括:
根据所述背景模型,获取所述视频数据当前帧图像的差分图像;
对所述差分图像进行gamma变换,得到变换后的图像;
计算所述变换后的图像的信息熵;
根据所述信息熵,选取初始生长种子点并计算生长阈值;
将所述初始生长种子点和所述生长阈值作为所述处理结果输出。
6.根据权利要求5所述的夜间复杂光照变化下的运动目标提取方法,其特征在于,所述根据所述背景模型,获取所述视频数据当前帧图像的差分图像包括:
随机获取所述背景模型中的多个样本;
分别计算每个所述样本的像素点与当前帧图像的像素点的差值,得到与多个所述样本点数量一致的多个差值;
计算多个所述差值的均值;
将所述均值作为差分图像。
8.根据权利要求5所述的夜间复杂光照变化下的运动目标提取方法,其特征在于,根据所述信息熵,选取初始生长种子点包括:
A1:判断所述信息熵是否大于基准熵,若是,进入步骤A2,否则,进入步骤A3;
A2:在所述变换后的图像中,将像素值为250作为起始点,向像素值为0的方向获取目标数量个像素点后进入步骤A6;
A3:确定所述变换后的图像中灰度值较大的区域;
A4:确定所述灰度值较大的区域中像素点个数最多的像素值;
A5:以所述灰度值较大的区域中像素点个数最多的像素值为中心向相邻像素值中获取所述目标数量个像素点后进入步骤A6;
A6:将所述目标数量个像素点作为初始生长种子点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538008.XA CN114757963A (zh) | 2021-12-15 | 2021-12-15 | 一种夜间复杂光照变化下的运动目标提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111538008.XA CN114757963A (zh) | 2021-12-15 | 2021-12-15 | 一种夜间复杂光照变化下的运动目标提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114757963A true CN114757963A (zh) | 2022-07-15 |
Family
ID=82325541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111538008.XA Pending CN114757963A (zh) | 2021-12-15 | 2021-12-15 | 一种夜间复杂光照变化下的运动目标提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114757963A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229375A (zh) * | 2023-05-06 | 2023-06-06 | 山东卫肤药业有限公司 | 一种基于无光源培育箱内部环境成像方法 |
-
2021
- 2021-12-15 CN CN202111538008.XA patent/CN114757963A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116229375A (zh) * | 2023-05-06 | 2023-06-06 | 山东卫肤药业有限公司 | 一种基于无光源培育箱内部环境成像方法 |
CN116229375B (zh) * | 2023-05-06 | 2023-08-25 | 山东卫肤药业有限公司 | 一种基于无光源培育箱内部环境成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
JPH07302328A (ja) | 背景差分による動物体領域抽出方法 | |
CN117132510B (zh) | 一种基于图像处理的监控图像增强方法及系统 | |
KR101906796B1 (ko) | 딥러닝 기반 영상 분석 장치 및 영상 분석 방법 | |
CN112927262B (zh) | 一种基于视频的相机镜头遮挡检测方法及系统 | |
KR20170038144A (ko) | 어텐션 검출 장치 및 어텐션 검출 방법 | |
Srinivas et al. | Remote sensing image segmentation using OTSU algorithm | |
CN114511820A (zh) | 货架商品检测方法、装置、计算机设备及存储介质 | |
CN113691724A (zh) | Hdr场景检测方法与装置、终端及可读存储介质 | |
CN114240925A (zh) | 一种文档图像清晰度的检测方法及其系统 | |
CN114757963A (zh) | 一种夜间复杂光照变化下的运动目标提取方法 | |
CN110751635A (zh) | 一种基于帧间差分和hsv颜色空间的口腔检测方法 | |
JP2007180932A (ja) | 画像センサ | |
CN111667498B (zh) | 一种面向光学卫星视频的运动舰船目标自动检测方法 | |
CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
CN115619838B (zh) | 用于医疗废弃物冷库的遗漏风险监控系统 | |
JP7092616B2 (ja) | 物体検出装置、物体検出方法、及び物体検出プログラム | |
CN114550069B (zh) | 一种基于深度学习的仔猪乳头计数方法 | |
CN111368596A (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
CN114782561A (zh) | 基于大数据的智慧农业云平台监控系统 | |
CN114565597A (zh) | 一种基于YOLOv3-tiny-DB和迁移学习的夜间道路行人检测方法 | |
CN117523502B (zh) | 基于机器视觉的城市道路垃圾智能监测系统 | |
JP2015001836A (ja) | 画像センサ | |
Yadav et al. | Contrast enhancement of region of interest of backlit image for surveillance systems based on multi-illumination fusion | |
CN116258968B (zh) | 一种林果病虫管理方法及系统 |
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 |