CN103020980A - 一种基于改进双层码本模型的运动目标检测方法 - Google Patents
一种基于改进双层码本模型的运动目标检测方法 Download PDFInfo
- Publication number
- CN103020980A CN103020980A CN2011102824680A CN201110282468A CN103020980A CN 103020980 A CN103020980 A CN 103020980A CN 2011102824680 A CN2011102824680 A CN 2011102824680A CN 201110282468 A CN201110282468 A CN 201110282468A CN 103020980 A CN103020980 A CN 103020980A
- Authority
- CN
- China
- Prior art keywords
- code book
- code word
- model
- background
- moving target
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于改进双层码本模型的运动目标检测方法,针对智能安防应用场合中存在场景复杂和前景与背景相互转换的问题,采用双码本建立模型,消除训练阶段运动目标带来的干扰,并利用辅助码本,结合改进的准则对主码本进行更新,解决前景与背景相互转换的问题。本发明方法对缓慢光照变化、复杂背景扰动不敏感,解决了原始码本更新机制实用性差的缺点,比传统的目标检测算法具有更高的精确度和鲁棒性。
Description
技术领域
本发明涉及计算机视觉领域,特别是涉及一种基于改进双层码本模型的运动目标检测方法。
背景技术
运动目标检测是视频分析的第一步,其基本任务是从视频序列图像中将变化区域提取出来,作为后续处理的对象,这样就极大地减少了计算量。在计算机视觉领域,运动目标检测是一项关键技术,检测的效果将智能分析的后续处理产生重要影响。然而,在现实环境中,会存在太阳光线的变化,雨雪天气带来的背景干扰,摄像头的抖动等复杂因素,目标检测算法如何快速、准确地检测出运动目标,并且能适应背景局部或全局的变化成为一个难题。
针对场景的复杂情况,国内外学者已经做了大量研究,提出了一系列行之有效的算法。现有的运动目标检测算法主要有:(1)基于边缘特征的目标检测方法,虽然具有一定的鲁棒性,对光线变化情况也能很好的处理,但不能提取到完整的前景目标,不适合后续的跟踪识别研究;(2)基于光流场的目标检测方法,虽然能很好地处理噪声、阴影、遮挡等情况,并适用于摄像机运动的情况,但计算复杂、耗时,难以实现实时检测;(3)基于帧间差分的目标检测方法,计算简单,实时性强。对动态环境具有较强的自适应性,对环境光线变化不大的情况,有一定的效果。但容易产生“空洞”“拖尾”现象。(4)基于背景减除的目标检测方法,检测效果好,只需简单地把当前帧和背景帧进行做差,就可以得到运动目标。该方法的关键是背景模型的建立和更新。国内外学者也已经提出了很多背景模型建立的方法。平均背景法是利用一定量的样本帧进行平均建立的背景模型,该方法具有计算简单,实时性好的优点,但不能处理关系变化和背景存在扰动的情况。基于统计背景建模的方法,可以解决背景复杂的情况,参数统计中的高斯背景建模法是一个优秀的算法,可处理光线渐变,背景单元的重复运动,目标的缓慢运动,前景背景的相互转换等复杂情况,但是该算法存在学习时间长,计算量大,无法消除阴影等缺点。而非参数统计中的核密度估计法也存在计算量的特点,无法满足实际需求。
由于现有的背景建模方法在背景更新、背景扰动、算法时间复杂度等方面存在许多不足,因此,寻求一种更有效的运动目标检测算法具有重要意义。
发明内容
本发明所要解决的技术问题是提出一种基于改进双层码本模型的运动目标检测方法,以减少现有运动目标检测算法实时性不强,不能处理背景扰动和背景更新效果差的弊端。
为实现上述发明目的,本发明构建一种改进的双层码本模型,包括主码本和辅助码本,所述主码本代表背景模型,用于前景检测,所述辅助码本,用于背景更新;
所述主码本,用于:判断当前像素点是属于前景像素点还是背景像素点,在训练阶段中,为每一个像素点创建一个由多个码字组成的码本模型,当样本点在码本中找到匹配的码字,则对码字进行更新;否则,在该码本中创建新的码字;所有像素点的码本构成主码本,形成背景模型;在检测阶段,如果当前输入的像素点在主码本找到了匹配的码字,则该像素点为背景点;否则,该像素点为前景点。
所述辅助码本,用于:更新主码本,在检测阶段,若像素点被检测为前景点,则把该像素点加入辅助码本。每隔一段时间,将符合条件的码字转移到主码本,更新主码本。
本发明还提供一种码本精炼的准则,包括:在主码本建立之后,通过判断主码本中码字被匹配的次数fi是否大于一定阈值fT1,并且未被匹配成功的最长时间间隔λi是否小于一定阈值λT1,若该规则满足,则将码字保留;否则,从码本中删除该码本,实现对主码本的精炼。每次利用辅助码本更新主码本之前,也利用此准则对辅助码本进行精炼。
本发明还提供一种码字转移的准则,包括:在检测阶段,每隔一段设定时间才进行背景更新,通过判断辅助码本中码字被匹配的次数fi是否大于一定阈值fT2,并且未被匹配成功的最长时间间隔λi是否小于一定阈值λT2,若该规则满足,则将辅助码本的码字转移到主码本,实现背景的更新。
由上述方案可以看出,本发明中主码本先在训练阶段由像素点的统计信息进行构建,再利用精炼准则进行码本精炼,保证训练阶段既是有运动目标,也不会对模型造成干扰。在检测阶段,利用主码本进行运动目标检测,同时利用辅助码本进行更新,解决实际场景中存在的前景转化为背景的情况。计算量小,易于实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一中运动目标检测结构示意图;
图2为本发明实施例一中码本背景建模流程示意图;
图3为本发明实施例一中前景检测流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一,参见图1,图2,图3。
本发明提供一种基于改进双层码本模型的运动目标检测方法,包括主码本和辅助码本,所述主码本代表背景模型,用于前景检测,所述辅助码本,用于背景更新;其中:
所述主码本,用于:判断当前像素点是属于前景像素点还是背景像素点,在训练阶段中,为每一个像素点创建一个由多个码字组成的码本模型,当样本点在码本中找到匹配的码字,则对码字进行更新;否则,在该码本中创建新的码字;所有像素点的码本构成主码本,形成背景模型;在检测阶段,如果当前输入的像素点在主码本找到了匹配的码字,则该像素点为背景点;否则,该像素点为前景点。
所述辅助码本,用于:更新主码本,在检测阶段,若像素点被检测为前景点,则把该像素点加入辅助码本。每隔一段时间,将符合条件的码字转移到主码本,更新主码本。
上述***的工作过程参见图1,具体包括以下步骤:
步骤1,在训练阶段,选取前面的N帧,常取100帧,进行背景模型的训练。
步骤2,训练完成后,利用本发明提出的精炼准则,对主码本进行精炼。
步骤3,在检测阶段,对于检测为前景的像素点,加入辅助码本。
步骤4,若帧数达到设定的阈值,则对辅助码本利用精炼准则进行精炼。同时把符合条件的码字移到主码本。否则,跳到步骤3,进行下一帧的判断。
由上可见,本发明针对智能安防应用提供的一种基于改进双层码本模型的运动目标检测方法,有以下优点:
该算法没有在RGB空间进行计算,而是换到YUV空间,提高了算法对亮度变化的鲁棒性。算法中引入了新的精炼码本机制,可以很好地处理训练阶段存在运动目标干扰的情况。当运动目标静止一定时间后,满足算法设定的条件,可以快速准确地将目标更新到背景模型中,降低误检率。
以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于改进双层码本模型的运动目标检测方法,其特征在于,针对智能安防应用场合中存在场景复杂和前景与背景相互转换的问题,采用双码本建立模型。
2.一种基于改进双层码本模型的运动目标检测方法,其特征在于,采用YUV色彩空间,取代RGB空间,进行权利要求1中所述的背景模型的构建。
3.一种基于改进双层码本模型的运动目标检测方法,其特征在于,在权利要求1所述构建背景模型之前,进行高斯平滑,滤除噪声,减少主码本中码字的数量,提高算法的实时性。
4.一种基于改进双层码本模型的运动目标检测方法,其特征在于,在权利要求1所述的方法构建出背景模型之后,从主码本中寻找匹配次数最多的码字,利用这些码字可组成背景图像,并随着主码本的更新,背景图像也会更新,达到背景图像提取的目的。
5.根据权利要求1所述的方法,其特征在于,每个像素点构成一个码书,可由C={c1,c2,...,cL}表示,共L个码字,每个码字可由一个九元组表示: 其中 分别是训练样本中所有与ci码字匹配成功的各像素YUV分量的最大最小值,fi是码字ci被成功匹配的次数,λi是码字ci未被匹配成功的最长时间间隔,qi是码字ci最后一次匹配成功的时间。
6.根据权利要求1所述方法,其特征在于,通过判断主码本中码字被匹配的次数fi是否大于一定阈值fT1,并且未被匹配成功的最长时间间隔λi是否小于一定阈值λT1,若该规则满足,则将码字保留;否则,从码本中删除该码本,实现对主码本的精炼,提高算法的精确性。
7.根据权利要求1和4所述方法,其特征在于,每隔一段设定时间才进行背景更新,通过判断辅助码本中码字被匹配的次数fi是否大于一定阈值fT2,并且未被匹配成功的最长时间间隔λi是否小于一定阈值λT2,若该规则满足,则将辅助码本的码字转移到主码本,解决智能安防应用中存在前景与背景相互转换的问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102824680A CN103020980A (zh) | 2011-09-20 | 2011-09-20 | 一种基于改进双层码本模型的运动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102824680A CN103020980A (zh) | 2011-09-20 | 2011-09-20 | 一种基于改进双层码本模型的运动目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103020980A true CN103020980A (zh) | 2013-04-03 |
Family
ID=47969546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102824680A Pending CN103020980A (zh) | 2011-09-20 | 2011-09-20 | 一种基于改进双层码本模型的运动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103020980A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN103729862A (zh) * | 2014-01-26 | 2014-04-16 | 重庆邮电大学 | 基于码本背景模型的自适应阈值运动目标检测方法 |
CN103778644A (zh) * | 2014-01-15 | 2014-05-07 | 南京理工大学 | 基于多尺度码本模型的红外运动目标检测方法 |
CN104992447A (zh) * | 2015-07-24 | 2015-10-21 | 安徽工业大学 | 一种污水运动微生物的图像自动检测方法 |
CN106289231A (zh) * | 2016-07-20 | 2017-01-04 | 华南理工大学 | Agv小车的定位***及其定位方法 |
CN107341816A (zh) * | 2016-12-02 | 2017-11-10 | 江西憶源多媒体科技有限公司 | 基于多层Codebook的监控区域入侵方法 |
CN109241824A (zh) * | 2018-07-17 | 2019-01-18 | 东南大学 | 基于码本和平滑转换自回归模型的黑烟车智能监控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040151342A1 (en) * | 2003-01-30 | 2004-08-05 | Venetianer Peter L. | Video scene background maintenance using change detection and classification |
CN101739550A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标检测方法及*** |
CN102096931A (zh) * | 2011-03-04 | 2011-06-15 | 中南大学 | 基于分层背景建模的运动目标实时检测方法 |
-
2011
- 2011-09-20 CN CN2011102824680A patent/CN103020980A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040151342A1 (en) * | 2003-01-30 | 2004-08-05 | Venetianer Peter L. | Video scene background maintenance using change detection and classification |
CN101739550A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标检测方法及*** |
CN102096931A (zh) * | 2011-03-04 | 2011-06-15 | 中南大学 | 基于分层背景建模的运动目标实时检测方法 |
Non-Patent Citations (1)
Title |
---|
KYUNGNAM KIMA等: "Real-time foreground–background segmentation using codebook model", 《REAL-TIME IMAGING》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578119A (zh) * | 2013-10-31 | 2014-02-12 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN103578119B (zh) * | 2013-10-31 | 2017-02-15 | 苏州大学 | 基于超像素的Codebook动态场景中目标检测方法 |
CN103778644A (zh) * | 2014-01-15 | 2014-05-07 | 南京理工大学 | 基于多尺度码本模型的红外运动目标检测方法 |
CN103778644B (zh) * | 2014-01-15 | 2017-08-29 | 南京理工大学 | 基于多尺度码本模型的红外运动目标检测方法 |
CN103729862A (zh) * | 2014-01-26 | 2014-04-16 | 重庆邮电大学 | 基于码本背景模型的自适应阈值运动目标检测方法 |
CN104992447A (zh) * | 2015-07-24 | 2015-10-21 | 安徽工业大学 | 一种污水运动微生物的图像自动检测方法 |
CN104992447B (zh) * | 2015-07-24 | 2018-02-09 | 安徽工业大学 | 一种污水运动微生物的图像自动检测方法 |
CN106289231A (zh) * | 2016-07-20 | 2017-01-04 | 华南理工大学 | Agv小车的定位***及其定位方法 |
CN106289231B (zh) * | 2016-07-20 | 2019-09-24 | 华南理工大学 | Agv小车的定位***及其定位方法 |
CN107341816A (zh) * | 2016-12-02 | 2017-11-10 | 江西憶源多媒体科技有限公司 | 基于多层Codebook的监控区域入侵方法 |
CN109241824A (zh) * | 2018-07-17 | 2019-01-18 | 东南大学 | 基于码本和平滑转换自回归模型的黑烟车智能监控方法 |
CN109241824B (zh) * | 2018-07-17 | 2021-12-17 | 东南大学 | 基于码本和平滑转换自回归模型的黑烟车智能监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103020980A (zh) | 一种基于改进双层码本模型的运动目标检测方法 | |
Yi et al. | An improved tiny-yolov3 pedestrian detection algorithm | |
CN102096931B (zh) | 基于分层背景建模的运动目标实时检测方法 | |
CN106022237A (zh) | 一种端到端的卷积神经网络的行人检测方法 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN103700114B (zh) | 一种基于可变高斯混合数的复杂背景建模方法 | |
CN105261037A (zh) | 一种自适应复杂场景的运动目标检测方法 | |
CN110298343A (zh) | 一种手写黑板板书识别方法 | |
CN105354791A (zh) | 一种改进的自适应混合高斯前景检测方法 | |
CN105427626A (zh) | 一种基于视频分析的车流量统计方法 | |
CN110969129A (zh) | 一种端到端税务票据文本检测与识别方法 | |
CN102324019A (zh) | 一种视频序列中自动提取手势候选区域的方法及*** | |
CN103473547A (zh) | 一种用于智能交通检测***的车辆目标物识别算法 | |
CN111310593B (zh) | 一种基于结构感知的超快速车道线检测方法 | |
CN111639524A (zh) | 一种自动驾驶图像语义分割优化方法 | |
CN111008633A (zh) | 一种基于注意力机制的车牌字符分割方法 | |
CN103729862A (zh) | 基于码本背景模型的自适应阈值运动目标检测方法 | |
CN102568002A (zh) | 基于纹理和运动模式融合的运动目标检测算法 | |
CN107871315B (zh) | 一种视频图像运动检测方法和装置 | |
CN104599291A (zh) | 基于结构相似度和显著性分析的红外运动目标检测方法 | |
CN104376580B (zh) | 一种视频摘要中非关注区域事件的处理方法 | |
CN103700118B (zh) | 基于脉冲耦合神经网络的动目标检测方法 | |
CN110008834B (zh) | 一种基于视觉的方向盘干预检测与统计方法 | |
CN103065312B (zh) | 一种手势跟踪过程中的前景提取法 | |
CN104835142A (zh) | 一种基于纹理特征的车辆排队长度检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130403 |