CN101299274A - 一种移动固定目标的检测方法及*** - Google Patents
一种移动固定目标的检测方法及*** Download PDFInfo
- Publication number
- CN101299274A CN101299274A CNA2008101152078A CN200810115207A CN101299274A CN 101299274 A CN101299274 A CN 101299274A CN A2008101152078 A CNA2008101152078 A CN A2008101152078A CN 200810115207 A CN200810115207 A CN 200810115207A CN 101299274 A CN101299274 A CN 101299274A
- Authority
- CN
- China
- Prior art keywords
- image
- detection zone
- candidate detection
- target
- couple candidate
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000033001 locomotion Effects 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000001514 detection method Methods 0.000 claims description 111
- 238000012544 monitoring process Methods 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 238000012360 testing method Methods 0.000 abstract 5
- 238000010586 diagram Methods 0.000 description 20
- 238000006073 displacement reaction Methods 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种移动固定目标的检测方法及***。其中，方法包括：不断采集被监控区域的当前图像，得到所述被监控区域的图像序列；根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域；对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断所述后续检测区域内的固定目标是否被移走，N为大于1的整数。本发明所公开的技术方案能够提高固定目标是否被移走的检测灵敏度。
Description
技术领域
本发明涉及视频监控技术，尤其涉及一种视频监控中移动固定目标的检测方法及***。
背景技术
在智能视频监控中，常常需要检测一个重要的固定目标是否被移动，比如名画是否被盗，停靠的汽车是否被移走等。现有技术中，检测固定目标是否被移走的方法通常为基于长序列图像分析的方法。该方法中，首先将整个图像区域分成若干的小块，对每个小块区域在很长时间内的图像序列(即长序列)进行统计。统计一般采用直方图，如果小块区域对应静止的目标，那么理论上的统计特征就不会发生变化，但在实际处理中，受光照条件影响，计算得到的特征可能会出现一些变化，但大致是集中分布在某个特征附近。使用这种方法进行检测时，首先在固定目标移动之前，采集一长段序列来统计直方图，此时直方图的峰值对应的是背景区域。当固定目标被移动后，固定目标区域就变为不同于背景的区域，对移动后的区域进行直方图统计，此时得到的峰值和移动前的峰值将会有明显的区别，根据峰值的不同就能够判断该区域内有固定目标发生了移动。
但上述基于长序列图像的分析方法需要对较长的序列进行分析，这就导致在固定目标移动之后很久才能检测出固定目标是否被移走，使得实际应用中的检测不够灵敏。
发明内容
有鉴于此，本发明中一方面提供一种移动固定目标的检测方法，另一方面提供一种移动固定目标的检测***，以提高检测的灵敏度。
本发明所提供的移动固定目标的检测方法，包括：
不断采集被监控区域的当前图像；
根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；
对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域；
对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断所述候选检测区域内的固定目标是否被移走，N为大于1的整数。
较佳地，所述对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计包括：
若当前图像为当前图像序列中的第1帧图像，则将所述当前图像中的所有前景目标存储在存储区域中，并对应记录所述前景目标的出现次数为1；
若当前图像不是当前序列中的第1帧图像，则利用形状信息和/或灰度信息将当前图像中所提取的前景目标与前一帧图像中所提取的前景目标进行位置匹配，对前一帧图像和当前图像中位置匹配成功的前景目标，将所述前景目标的出现次数加1；对前一帧图像中在当前图像中的同一位置匹配不成功的前景目标，从存储区域中删除所述前景目标及对应的出现次数记录；对当前图像中在前一帧图像中的同一位置匹配不成功的前景目标，将所述前景目标存储在存储区域中，并对应记录所述前景目标的出现次数为1。
较佳地，所述对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走包括：
对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生，若没有运动发生，则确定所述候选检测区域内的固定目标被移走。
较佳地，所述对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走包括：
对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生，若没有运动发生，则将所述N帧图像中所述候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，若二者图像特征的纹理信息不相似，则确定所述候选检测区域内的固定目标被移走。
较佳地，所述对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生包括：
对之后的连续N帧图像中对应的候选检测区域进行帧间图像相减，如果所述区域中出现了前景目标，则确定所述候选检测区域有运动发生；否则，确定所述候选检测区域没有运动发生。
较佳地，所述对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生包括：
对之后的连续N帧图像中对应的候选检测区域的灰度变化进行分析，如果灰度分布集中在某个值附近，则确定所述候选检测区域没有运动发生。
本发明所提供的移动固定目标的检测***，包括：
图像采集单元，用于不断采集被监控区域的当前图像；
前景目标提取单元，用于根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；
候选区域确定单元，用于对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域；
目标移走判断单元，用于对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走。
较佳地，所述目标移走判断单元包括：
运动分析模块，用于对候选检测区域在之后的连续N帧图像内进行运动分析，确定该候选检测区域是否有运动发生；
判断模块，用于在运动分析模块确定候选检测区域没有运动发生时，确定当前候选检测区域中的固定目标被移走。
较佳地，所述目标移走判断单元进一步包括：
图像特征比较模块，用于在运动分析模块确定候选检测区域没有运动发生时，将图像中所述候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，判断二者图像特征的纹理信息是否相似；
所述判断模块在所述图像特征比较模块确定二者图像特征的纹理信息不相似时，确定当前候选检测区域中的固定目标被移走。
较佳地，所述运动分析模块采用帧差法或图像序列统计法对候选检测区域在之后的连续N帧图像内进行运动分析。
从上述方案可以看出，本发明不断采集被监控区域的当前图像，然后根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域，从而完成固定目标可能被移走区域的粗选，提高检测速度；之后对候选检测区域在之后的最近几十帧图像内进行运动分析和纹理分析，根据分析结果，判断该区域内的固定目标是否被移走，从而只需根据当前的几十帧图像完成固定目标可能被移走区域的精选，从而提高了对固定目标是否被移走的检测灵敏度。
附图说明
图1为本发明实施例中移动固定目标的检测方法的示例性流程图；
图2a至图2d为本发明一个示例中的图像序列中的4帧图像；
图3a至图3c为对图2b至图2d所示图像分别与基于图2a所示图像建立的背景模型进行差分并二值化处理后得到的3帧二值化图像；
图4为本发明实施例中移动固定目标的检测***的示例性结构图；
图5为图4所示***中目标移走判断单元的一种内部结构示意图；
图6为图4所示***中目标移走判断单元的又一种内部结构示意图。
具体实施方式
本发明实施例中，根据背景建模的思想，建立包括固定目标的背景模型。当固定目标被移走时，当前图像与背景模型相减就会出现一个目标区域。因此通过对可能的目标区域进行检测和识别，并统计可能的目标区域重复出现的次数等就可以判断该固定目标是否被移走。
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明进一步详细说明。
图1为本发明实施例中移动固定目标的检测方法的示例性流程图。如图1所示，该流程包括如下步骤：
步骤101，不断采集被监控区域的当前图像，得到被监控区域的图像序列。
其中，被监控区域的图像序列可以是按照设定的时间间隔周期性采集的一系列图像，如每秒采集25帧图像，或每秒采集10帧图像等。
例如，图2a至图2d示出了一个示例中图像序列中的4帧图像，其中，图2a对应固定目标(图中靠墙位置的一盆花)没有被移走时的图像，图2b至图2d对应固定目标被移走后的图像，其图2b和图2d中存在其它的移动目标。
步骤102，根据已经建立的包括固定目标的该被监控区域的背景模型，从所采集的当前图像中提取前景目标。
其中，背景模型的建立和前景目标的提取可采用现有技术或其它技术。例如，背景模型的建立可以采用核密度估计，混合高斯模型等方法；前景目标的提取可以采用当前图像与背景模型差分并进行二值化处理，之后采用连通域分析法得到各个前景目标。
进一步地，考虑到周围环境的变化对背景模型的影响(例如，在不同时刻，光照强度可能不同、阴影长度也可能不同等)，背景模型可根据环境变化不断更新，其中，更新方法也可以采用现有技术。例如，可利用移动平均法或者混合高斯模型更新法。
例如，若基于图2a所示的图像建立背景模型，则将图2a、图2b、图2c和图2d分别与背景模型进行差分并二值化处理后，因为图2a和背景模型一样，因此对于图2a来说，会得到一个没有前景目标的单色图像，如全黑图像(图中未示出)；对于图2b、图2c和图2d可分别得到图3a、图3b和图3c所示的三个二值化图像。可见，由于图2b相对图2a对应的背景模型来说，靠墙位置的那盆花被移走了且多了一个人(姑且称第一人)，因此图3a中包括两个前景目标，即对应图2a中靠墙位置的那盆花的前景目标和对应第一人的前景目标；由于图2c相对图2a对应的背景模型来说，只是靠墙位置的那盆花被移走了，因此图3b中只包括一个前景目标，即对应图2a中靠墙位置的那盆花的前景目标；由于图2d相对图2a对应的背景模型来说，靠墙位置的那盆花被移走了且多了另一个人(姑且称第二人)，因此图3c中包括两个前景目标，即对应图2a中靠墙位置的那盆花的前景目标和对应第二人的前景目标。
步骤103，对各帧图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域。
由于固定目标被移走后，当前帧图像与背景模型相减后在目标被移走的区域就会出现一个前景区域，如图3a至图3c中左侧的白色区域，且该区域会反复的出现，因此本实施例中可对各帧图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计。
具体实现时，对所提取的前景目标连续重复出现的次数进行统计的方法可有多种。例如，可预先设置一个数据库(或其它存储区域)，若当前图像为当前图像序列中的第1帧图像，则可将当前图像中的所有前景目标存储在数据库(或其它存储区域)中，并对应记录其出现次数为1。如：假设上述图2a为当前图像序列中的第1帧图像，由于其与背景模型是一样的，因此从图2a中提取的前景目标为零个，此时数据库(或其它存储区域)中仍为空；若假设上述图2b为当前图像序列中的第1帧图像，则图3a中的两个前景目标，即对应图2a中靠墙位置的那盆花的前景目标和对应第一人的前景目标被存储到数据库(或其它存储区域)中，并对应记录其出现次数为1。
若当前图像不是当前序列中的第1帧图像，则可利用形状信息和/或灰度信息将当前图像中所提取的前景目标与前一帧图像中所提取的前景目标(所存储的前景目标)进行位置匹配，对前一帧图像和当前图像中位置匹配成功的前景目标，累加其出现次数，即将其出现次数加1；对前一帧图像中在当前图像中的同一位置匹配不成功的前景目标，从数据库(或其它存储区域)中删除该前景目标及其对应的出现次数记录；对当前图像中在前一帧图像中的同一位置匹配不成功的前景目标，将该前景目标存储在数据库(或其它存储区域)中，并对应记录其出现次数为1。之后，不断的将出现次数大于设定阈值的前景目标作为候选的检测区域。如：假设上述图2b为当前图像序列中的第1帧图像，则根据前述分析，此时数据库(或其它存储区域)中包括两个前景目标，即对应图2a中靠墙位置的那盆花的前景目标和对应第一人的前景目标。此时若假设图2c为当前图像序列中的第2帧图像，即非第1帧图像，则将当前图像中所提取的前景目标，即对应图2a中靠墙位置的那盆花的前景目标，与前一帧图像中所提取的前景目标，即所存储的对应图2a中靠墙位置的那盆花的前景目标和对应第一人的前景目标进行位置匹配时，得到前一帧图像和当前图像中位置匹配成功的对应图2a中靠墙位置的那盆花的前景目标，因此将对应该前景目标的出现次数加1，得到2；由于当前图像中的前景目标不存在对应第一人的前景目标，而前一帧图像中存在该前景目标，使得该前景目标的位置匹配不成功，因此将数据库中对应第一人的前景目标及其出现次数记录予以删除。即此时数据库中只存在一个前景目标，即对应图2a中靠墙位置的那盆花的前景目标，且其出现次数为2。此时，假设图2d为当前图像序列中的第2帧图像，即非第1帧图像，则将当前图像中所提取的前景目标，即对应图2a中靠墙位置的那盆花的前景目标和对应第二人的前景目标，与前一帧图像中所提取的前景目标，即所存储的对应图2a中靠墙位置的那盆花的前景目标进行位置匹配时，得到前一帧图像和当前图像中位置匹配成功的对应图2a中靠墙位置的那盆花的前景目标，因此将对应该前景目标的出现次数加1，得到3；又由于当前图像中的前景目标还存在对应第二人的前景目标，而前一帧图像中不存在该前景目标，使得该前景目标的位置匹配不成功，因此将当前图像中的对应第二人的前景目标存储到数据库(或其它存储区域)中，并对应记录其出现次数为1。依次递推，数据库(或其它存储区域)中存储的前景目标一直对应前一帧的前景目标，且对应固定目标的前景目标会连续出现，使得其出现次数会依次累加。因此，可将连续重复出现次数大于设定阈值的前景目标作为候选检测区域。
步骤104，对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走。其中，N为大于1的整数。
具体实现时，可根据分析结果，确定该候选检测区域是否有运动发生，若没有运动发生，则可确定该区域内的固定目标被移走。
本步骤中，对候选检测区域进行运动分析的方法可有多种。例如，可采用帧差法或图像序列统计法等。
其中，帧差法即将相邻的两帧图像相减，存在大量运动的区域由于位置发生明显变化，其灰度就会出现明显变化，相减后就会成为新的前景目标，即灰度差别大于某个阈值的像素组成的目标，即前景目标区域就代表了发生运动的区域。本步骤中，可对接下来的N帧图像中对应的候选检测区域进行帧间图像相减，如果该区域出现了前景目标，则确定该候选检测区域有运动发生；否则，确定该候选检测区域没有运动发生。
图像序列统计法是对一段图像序列中指定区域的灰度变化进行分析，如果该区域没有运动，那么灰度的分布会集中在某个值附近，反之就会呈现分散的分布。本步骤中，可对得到候选检测区域后接下来的一段图像序列(如每秒对应的图像序列或每N帧图像组成的图像序列)中对应候选检测区域的灰度变化进行分析，判断该区域内是否有运动发生，如果该区域在一段时间内大部分时间都没有运动，则确定该候选检测区域没有运动发生；否则，确定该候选检测区域有运动发生。
具体实现时，由于图像可能随环境的变化而出现整体的亮度变化，此时可能出现一些没有固定目标被移走的区域被设置为候选检测区域的情况，因此本实施例中，步骤104中在确定候选检测区域中没有运动发生时，可进一步地对图像中该候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，若二者图像特征的纹理信息相似，则排除掉该候选检测区域；若二者图像特征的纹理信息不相似，则可确定该区域内的固定目标被移走。
以上对本发明实施例中移动固定目标的检测方法进行了详细描述，下面再对本发明实施例中移动固定目标的检测***进行详细描述。
图4为本发明实施例中移动固定目标的检测***的示例性结构图。如图4所示，该***包括：图像采集单元、前景目标提取单元、候选区域确定单元和目标移走判断单元。
其中，图像采集单元用于不断地采集被监控区域的当前图像，得到被监控区域的图像序列。
前景目标提取单元用于根据已经建立的包括固定目标的该被监控区域的背景模型，从图像采集单元所采集的当前图像中提取前景目标。
候选区域确定单元用于对各帧图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域。
目标移走判断单元用于对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走。
具体实现时，目标移走判断单元的内部结构可有多种实现形式，其中一种内部结构示意图可如图5所示，包括：运动分析模块和判断模块。
其中，运动分析模块用于对候选检测区域在之后的连续N帧图像内进行运动分析，确定该候选检测区域是否有运动发生。
判断模块用于在运动分析模块确定候选检测区域没有运动发生时，确定当前候选检测区域中的固定目标被移走。
此外，目标移走判断单元的又一种内部结构示意图可如图6所示，包括：运动分析模块、图像特征比较模块和判断模块。
其中，运动分析模块用于对候选检测区域在之后的连续N帧图像内进行运动分析，确定该候选检测区域是否有运动发生。
图像特征比较模块用于在运动分析模块确定候选检测区域没有运动发生时，将图像中该候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，判断二者图像特征的纹理信息是否相似。
判断模块用于在图像特征比较模块确定二者图像特征的纹理信息不相似时，确定当前候选检测区域中的固定目标被移走。
其中，与图1所示方法中的描述一致，运动分析模块对候选检测区域进行运动分析时，也可采用帧差法或图像序列统计法等方法进行。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，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 (10)
1、一种移动固定目标的检测方法，其特征在于，该方法包括：
不断采集被监控区域的当前图像；
根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；
对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域；
对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断所述候选检测区域内的固定目标是否被移走，N为大于1的整数。
2、如权利要求1所述的方法，其特征在于，所述对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计包括：
若当前图像为当前图像序列中的第1帧图像，则将所述当前图像中的所有前景目标存储在存储区域中，并对应记录所述前景目标的出现次数为1；
若当前图像不是当前序列中的第1帧图像，则利用形状信息和/或灰度信息将当前图像中所提取的前景目标与前一帧图像中所提取的前景目标进行位置匹配，对前一帧图像和当前图像中位置匹配成功的前景目标，将所述前景目标的出现次数加1；对前一帧图像中在当前图像中的同一位置匹配不成功的前景目标，从存储区域中删除所述前景目标及对应的出现次数记录；对当前图像中在前一帧图像中的同一位置匹配不成功的前景目标，将所述前景目标存储在存储区域中，并对应记录所述前景目标的出现次数为1。
3、如权利要求1所述的方法，其特征在于，所述对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走包括：
对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生，若没有运动发生，则确定所述候选检测区域内的固定目标被移走。
4、如权利要求1所述的方法，其特征在于，所述对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走包括：
对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生，若没有运动发生，则将所述N帧图像中所述候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，若二者图像特征的纹理信息不相似，则确定所述候选检测区域内的固定目标被移走。
5、如权利要求3或4所述的方法，其特征在于，所述对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生包括：
对之后的连续N帧图像中对应的候选检测区域进行帧间图像相减，如果所述区域中出现了前景目标，则确定所述候选检测区域有运动发生；否则，确定所述候选检测区域没有运动发生。
6、如权利要求3或4所述的方法，其特征在于，所述对候选检测区域在之后的连续N帧图像内进行运动分析，确定所述候选检测区域是否有运动发生包括：
对之后的连续N帧图像中对应的候选检测区域的灰度变化进行分析，如果灰度分布集中在某个值附近，则确定所述候选检测区域没有运动发生。
7、一种移动固定目标的检测***，其特征在于，该***包括：
图像采集单元，用于不断采集被监控区域的当前图像；
前景目标提取单元，用于根据已经建立的包括固定目标的所述被监控区域的背景模型，从所采集的当前图像中提取前景目标；
候选区域确定单元，用于对各图像中所提取的前景目标在同一位置连续重复出现的次数进行实时统计，将连续重复出现次数大于设定阈值的前景目标作为候选检测区域；
目标移走判断单元，用于对候选检测区域在之后的连续N帧图像内进行运动分析，根据分析结果，判断该区域内的固定目标是否被移走。
8、如权利要求7所述的***，其特征在于，所述目标移走判断单元包括：
运动分析模块，用于对候选检测区域在之后的连续N帧图像内进行运动分析，确定该候选检测区域是否有运动发生；
判断模块，用于在运动分析模块确定候选检测区域没有运动发生时，确定当前候选检测区域中的固定目标被移走。
9、如权利要求8所述的***，其特征在于，所述目标移走判断单元进一步包括：
图像特征比较模块，用于在运动分析模块确定候选检测区域没有运动发生时，将图像中所述候选检测区域的图像特征与背景模型对应区域的图像特征进行比较，判断二者图像特征的纹理信息是否相似；
所述判断模块在所述图像特征比较模块确定二者图像特征的纹理信息不相似时，确定当前候选检测区域中的固定目标被移走。
10、如权利要求8或9所述的***，其特征在于，所述运动分析模块采用帧差法或图像序列统计法对候选检测区域在之后的连续N帧图像内进行运动分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101152078A CN101299274B (zh) | 2008-06-18 | 2008-06-18 | 一种移动固定目标的检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101152078A CN101299274B (zh) | 2008-06-18 | 2008-06-18 | 一种移动固定目标的检测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101299274A true CN101299274A (zh) | 2008-11-05 |
| CN101299274B CN101299274B (zh) | 2010-06-09 |
Family
ID=40079093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101152078A Active CN101299274B (zh) | 2008-06-18 | 2008-06-18 | 一种移动固定目标的检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101299274B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102045543A (zh) * | 2009-10-23 | 2011-05-04 | 佳能株式会社 | 图像处理装置及图像处理方法 |
| CN102637253A (zh) * | 2011-12-30 | 2012-08-15 | 清华大学 | 基于视觉显著性和超像素分割的视频前景目标提取方法 |
| CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
| CN105554462A (zh) * | 2015-12-25 | 2016-05-04 | 济南中维世纪科技有限公司 | 一种遗留物检测方法 |
| CN106447009A (zh) * | 2016-10-31 | 2017-02-22 | 广东中星电子有限公司 | 非机动车管理方法、装置及*** |
| CN107872644A (zh) * | 2016-09-23 | 2018-04-03 | 亿阳信通股份有限公司 | 视频监控方法及装置 |
| CN108391073A (zh) * | 2018-01-29 | 2018-08-10 | 盎锐（上海）信息科技有限公司 | 行踪记录装置及数据分析方法 |
| US10776665B2 (en) | 2018-04-26 | 2020-09-15 | Qualcomm Incorporated | Systems and methods for object detection |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2734911B1 (fr) * | 1995-06-01 | 1997-08-01 | Aerospatiale | Procede et dispositif pour detecter le mouvement d'une cible et leurs applications |
| CN101159855B (zh) * | 2007-11-14 | 2011-04-06 | 南京优科漫科技有限公司 | 基于特征点分析的多目标分离预测方法 |
| CN101198033A (zh) * | 2007-12-21 | 2008-06-11 | 北京中星微电子有限公司 | 一种二值图像中前景图像的定位方法及装置 |
-
2008
- 2008-06-18 CN CN2008101152078A patent/CN101299274B/zh active Active
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102045543A (zh) * | 2009-10-23 | 2011-05-04 | 佳能株式会社 | 图像处理装置及图像处理方法 |
| US9288451B2 (en) | 2009-10-23 | 2016-03-15 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
| CN102637253A (zh) * | 2011-12-30 | 2012-08-15 | 清华大学 | 基于视觉显著性和超像素分割的视频前景目标提取方法 |
| CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
| CN105554462A (zh) * | 2015-12-25 | 2016-05-04 | 济南中维世纪科技有限公司 | 一种遗留物检测方法 |
| CN105554462B (zh) * | 2015-12-25 | 2018-09-21 | 济南中维世纪科技有限公司 | 一种遗留物检测方法 |
| CN107872644A (zh) * | 2016-09-23 | 2018-04-03 | 亿阳信通股份有限公司 | 视频监控方法及装置 |
| CN106447009A (zh) * | 2016-10-31 | 2017-02-22 | 广东中星电子有限公司 | 非机动车管理方法、装置及*** |
| CN108391073A (zh) * | 2018-01-29 | 2018-08-10 | 盎锐（上海）信息科技有限公司 | 行踪记录装置及数据分析方法 |
| US10776665B2 (en) | 2018-04-26 | 2020-09-15 | Qualcomm Incorporated | Systems and methods for object detection |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101299274B (zh) | 2010-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101299274B (zh) | 一种移动固定目标的检测方法及*** | |
| CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
| CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
| CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
| CN105513053B (zh) | 一种用于视频分析中背景建模方法 | |
| CN103310444B (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
| CN102892007B (zh) | 促进多个摄像机间颜色平衡同步和获得跟踪的方法和*** | |
| CN107256386A (zh) | 基于深度学习的人类行为分析方法 | |
| CN103093198B (zh) | 一种人群密度监测方法及装置 | |
| CN102184552A (zh) | 一种基于差分融合与图像边缘信息的运动目标检测方法 | |
| CN102034240A (zh) | 一种静态前景检测和跟踪方法 | |
| CN103279737A (zh) | 一种基于时空兴趣点的打架行为检测方法 | |
| CN103530893A (zh) | 相机抖动场景下基于背景差和运动信息的前景检测方法 | |
| CN115620212B (zh) | 一种基于监控视频的行为识别方法及*** | |
| CN107844772A (zh) | 一种基于移动目标跟踪的机动车自动检测方法 | |
| CN106570885A (zh) | 基于亮度和纹理融合阈值的背景建模方法 | |
| CN103049748B (zh) | 行为监测方法及装置 | |
| CN103793715A (zh) | 基于场景信息挖掘的井下人员目标跟踪方法 | |
| CN105095898B (zh) | 一种面向实时视觉***的目标压缩感知方法 | |
| CN1266656C (zh) | 视频监控***的智能化报警处理方法 | |
| CN108765463A (zh) | 一种结合区域提取与改进纹理特征的运动目标检测方法 | |
| CN106326840A (zh) | 一种基于光流直方图熵的人群异常行为检测方法 | |
| CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
| Huang et al. | A method for fast fall detection | |
| CN103136517A (zh) | 一种基于关键列选择的滚动指纹图像序列实时拼接方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: SHANXI ZHONGTIANXIN TECHNOLOGY CO., LTD. Free format text: FORMER OWNER: BEIJING VIMICRO ELECTRONICS CO., LTD. Effective date: 20121211 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 100083 HAIDIAN, BEIJING TO: 030032 TAIYUAN, SHAANXI PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20121211 Address after: 105, room 3, building 6, Kaiyuan street, Taiyuan economic and Technological Development Zone, Shanxi 030032, China Patentee after: SHANXI VIMICRO TECHNOLOGY CO., LTD. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |