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。
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。