CN104680521B - 一种改进的背景建模及前景检测方法 - Google Patents
一种改进的背景建模及前景检测方法 Download PDFInfo
- Publication number
- CN104680521B CN104680521B CN201510065105.XA CN201510065105A CN104680521B CN 104680521 B CN104680521 B CN 104680521B CN 201510065105 A CN201510065105 A CN 201510065105A CN 104680521 B CN104680521 B CN 104680521B
- Authority
- CN
- China
- Prior art keywords
- background
- pixel
- point
- dot
- foreground
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明提出了一种改进的背景建模及前景检测方法,首先建立背景模型,然后判断当前帧的每一像素点属于背景点还是前景点,接着更新背景集,最后利用上述流程对每一图像帧进行逐像素判断,最终得到前景与背景分离的二值图像,从而从监控视频中分割前景运动目标。本发明的方法克服了传统目标检测方法的一些缺点,提高了检测适应性、稳定性及实时性等。
Description
技术领域
本发明涉及图像智能检测、识别技术领域,尤其涉及一种背景建模和前景目标检测的方法。
背景技术
在智能监控中,运动目标检测在人们的日常生产生活中有重要意义,其目的是将运动前景目标从背景中分割出来。但在实际情况中,被监控环境充满着许多不确定因素,背景往往很容易受到各种影响,例如光照变化、动态的背景、阴影、局部遮挡等影响,这些不利因素给后期运动目标检测和识别带来了很大的挑战。因此,对各种复杂情况分析建模,尽量降低外界复杂环境因素对目标检测识别结果造成的不利影响,减少误判,提高算法的适应性、鲁棒性等就变得十分重要。
在前景检测领域,主流算法主要有帧差法、光流法和背景减除法等。帧差法具有较好的实时性,其背景不聚集,且更新速度快、算法容易、计算量小。算法的不足在于对环境噪声较为敏感,阈值的选择相当关键,选择过低不足以压抑图像中的噪声,过高则疏忽了图像中有用的变化。有可能在目标内部发生抽象,无法全面地提取行动目标。光流法不需要预先获得场景信息,就能够检测到目标,但噪声、多光源、阴影和遮挡等因素会对光流场的计算收敛造成影响;而且光流法计算复杂,难以达到实时处理的目的。背景减除法必须要有背景图像,利用当前图像减去参考背景图像,并且背景图像必须是随着光照或外部环境的变化而实时更新的,因此背景减除法的关键是背景建模及其更新,分割结果的好坏很大程度上依赖于所选取的背景建模方法。
由于实际环境的复杂多变性,许多传统的背景建模方法均有其局限性,因此许多被证明鲁棒的背景模型的建立方法被提出来。这些方法不但很大程度上改善了检测效果,并且提高了算法的适应性、稳定性及计算速度等。
发明内容
为了解决现有技术中的问题,本发明提供了一种改进的背景建模及前景检测方法,从监控视频中分割前景运动目标。该方法克服了传统目标检测方法的一些缺点,提高了检测适应性、稳定性及实时性等。
本发明通过如下技术方案实现:
一种改进的背景建模及前景检测方法,其特征在于:所述方法包括以下步骤:
步骤A1:选取前N帧图像,计算每个像素位置处的均值IN(x,y),为每个像素点建立各自的背景集,每个像素的背景集元素由从前N帧图像中与该像素点相同位置的像素值中随机抽取构成,每个背景集中包含M个元素。
步骤A2:判断当前帧的每一像素点属于背景点还是前景点,若当前像素背景集中的元素与该像素的相似度小于一设定阈值th1的个数大于T1,则该点被判断为背景点,否则判定为前景点。
步骤A3:若某像素点被检测为前景点则不更新背景集,若检测为背景点则更新该位置像素点的背景集。
进一步地,所述步骤A3具体包括以下步骤:
步骤B1:若某点被判为背景点,首先判断该像素点变化的快慢,即找出当前帧之前的连续K帧图像中该位置像素被判为背景点的像素,K<N,并统计这些背景点与均值IN(x,y)之差,若差值绝对值大于设定阈值th2的点的个数超过T2个,则可判断该当前背景点属于变化快的背景点,否则当前背景点属于变化慢的背景点。
步骤B2:若该检测为背景点的像素属于背景变化较慢的点,用该像素值替换其背景集中随机选取的某一个元素;若属于背景变化较快的点,则用该像素值替换其背景集中随机选取的m个元素。
附图说明
图1是本发明的背景建模及前景检测方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
附图1是本发明的背景建模及前景检测方法的流程图。
首先建立背景模型:选取前N帧图像,为每个像素点建立各自的背景集,每个像素的背景集元素由从前N帧图像中与该像素点相同位置的像素值中随机抽取构成,每个背景集中包含M个元素。
然后判断当前帧的每一像素点属于背景点还是前景点:先判断当前像素背景集中的元素与该像素的相似度(即像素之间的欧氏距离,如两点(r1,g1,b1)和(r2,g2,b2)之间的欧氏距离为若该像素与其背景集中各元素的相似度小于一设定阈值th1的个数大于T1,则该点被判断为背景点,否则判定为前景点。
接着更新背景集:如果当前像素被判断为背景点,则继续检测该背景点是属于变化快还是变化慢的点,若属于背景变化较慢的点,用该像素值替换其背景集中随机选取的某一个元素;若属于背景变化较快的点,则用该像素值替换其背景集中随机选取的m个元素。
利用图1所示的本发明的背景建模及前景检测方法流程对每一图像帧进行逐像素判断,最终得到前景与背景分离的二值图像。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (1)
1.一种改进的背景建模及前景检测方法,其特征在于:所述方法包括以下步骤:
步骤A1:选取前N帧图像,计算每个像素位置处的均值IN(x,y),为每个像素点建立各自的背景集,每个像素的背景集元素由从前N帧图像中与该像素点相同位置的像素值中随机抽取构成,每个背景集中包含M个元素;
步骤A2:判断当前帧的每一像素点属于背景点还是前景点,若当前像素背景集中的元素与该像素的相似度小于一设定阈值th1的个数大于T1,则该点被判断为背景点,否则判定为前景点;
步骤A3:若某像素点被检测为前景点则不更新背景集,若检测为背景点则更新该位置像素点的背景集,具体包括:
步骤B1:若某点被判为背景点,首先判断该像素点变化的快慢,即找出当前帧之前的连续K帧图像中该位置像素被判为背景点的像素,K<N,并统计这些背景点与均值IN(x,y)之差,若差值绝对值大于设定阈值th2的点的个数超过T2个,则可判断该当前背景点属于变化快的背景点,否则当前背景点属于变化慢的背景点;
步骤B2:若该检测为背景点的像素属于背景变化较慢的点,用该像素值替换其背景集中随机选取的某一个元素;若属于背景变化较快的点,则用该像素值替换其背景集中随机选取的m个元素;所述m的取值为3~5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510065105.XA CN104680521B (zh) | 2015-02-06 | 2015-02-06 | 一种改进的背景建模及前景检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510065105.XA CN104680521B (zh) | 2015-02-06 | 2015-02-06 | 一种改进的背景建模及前景检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680521A CN104680521A (zh) | 2015-06-03 |
CN104680521B true CN104680521B (zh) | 2018-04-06 |
Family
ID=53315514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510065105.XA Expired - Fee Related CN104680521B (zh) | 2015-02-06 | 2015-02-06 | 一种改进的背景建模及前景检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680521B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6754610B2 (ja) * | 2016-05-18 | 2020-09-16 | 株式会社デンソーアイティーラボラトリ | 演算処理装置、演算処理方法、およびプログラム |
CN106157332A (zh) * | 2016-07-07 | 2016-11-23 | 合肥工业大学 | 一种基于ViBe算法的运动检测优化方法 |
CN106548488B (zh) * | 2016-10-25 | 2019-02-15 | 电子科技大学 | 一种基于背景模型及帧间差分的前景检测方法 |
CN108537799B (zh) * | 2018-03-21 | 2021-03-23 | 广西师范大学 | 一种基于像素种类和权重统计的颜色采样方法 |
CN111209771A (zh) * | 2018-11-21 | 2020-05-29 | 晶睿通讯股份有限公司 | 类神经网络辨识效能提升方法及其相关辨识效能提升装置 |
CN110864412B (zh) * | 2019-08-12 | 2021-02-12 | 珠海格力电器股份有限公司 | 空调控制方法及*** |
CN112669294B (zh) * | 2020-12-30 | 2024-04-02 | 深圳云天励飞技术股份有限公司 | 相机遮挡检测方法、装置、电子设备及存储介质 |
CN113850133A (zh) * | 2021-08-24 | 2021-12-28 | 中国船舶重工集团公司第七0九研究所 | 一种面向船闸视频监控的船只越线检测方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621615A (zh) * | 2009-07-24 | 2010-01-06 | 南京邮电大学 | 一种自适应背景建模及运动目标检测方法 |
CN101777186A (zh) * | 2010-01-13 | 2010-07-14 | 西安理工大学 | 一种多模态自动更新替换的背景建模方法 |
CN103971386A (zh) * | 2014-05-30 | 2014-08-06 | 南京大学 | 一种动态背景场景下的前景检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE602007004841D1 (de) * | 2007-07-08 | 2010-04-01 | Univ Liege | Extraktor für visuellen Hintergrund |
-
2015
- 2015-02-06 CN CN201510065105.XA patent/CN104680521B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621615A (zh) * | 2009-07-24 | 2010-01-06 | 南京邮电大学 | 一种自适应背景建模及运动目标检测方法 |
CN101777186A (zh) * | 2010-01-13 | 2010-07-14 | 西安理工大学 | 一种多模态自动更新替换的背景建模方法 |
CN103971386A (zh) * | 2014-05-30 | 2014-08-06 | 南京大学 | 一种动态背景场景下的前景检测方法 |
Non-Patent Citations (1)
Title |
---|
基于实时视频的运动目标检测算法;邱祯艳;《中国优秀硕士学位论文全文数据库 信息科技辑》;20140215;第14-16、22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104680521A (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104680521B (zh) | 一种改进的背景建模及前景检测方法 | |
CN107085714B (zh) | 一种基于视频的森林火灾检测方法 | |
CN103971386B (zh) | 一种动态背景场景下的前景检测方法 | |
CN103295016B (zh) | 基于深度与rgb信息和多尺度多方向等级层次特征的行为识别方法 | |
CN101738394B (zh) | 室内烟雾检测方法及*** | |
CN106548488B (zh) | 一种基于背景模型及帧间差分的前景检测方法 | |
CN106780565B (zh) | 一种基于光流与k-means聚类的多学生起坐检测方法 | |
CN104318266B (zh) | 一种图像智能分析处理预警方法 | |
CN106991370B (zh) | 基于颜色和深度的行人检索方法 | |
CN105243356B (zh) | 一种建立行人检测模型的方法及装置及行人检测方法 | |
WO2015024257A8 (en) | Unstructured road boundary detection | |
TWI382360B (zh) | 物件偵測方法及其裝置 | |
CN103310444A (zh) | 一种基于头顶摄像头的监控行人计数的方法 | |
Wang et al. | A new fire detection method based on flame color dispersion and similarity in consecutive frames | |
CN104835145A (zh) | 基于自适应Codebook背景模型的前景检测方法 | |
CN111160203A (zh) | 一种基于头肩模型和iou跟踪的徘徊逗留行为分析方法 | |
CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
WO2017193679A1 (zh) | 自动检测单车是否倒地的方法 | |
CN109711256A (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN103646242B (zh) | 基于最大稳定极值区域特征的扩展目标跟踪方法 | |
CN105184308A (zh) | 一种基于全局优化决策的遥感图像建筑物检测分类方法 | |
CN108737785B (zh) | 基于tof 3d摄像机的室内跌倒自动检测*** | |
TW201032180A (en) | Method and device for keeping image background by multiple gauss models | |
CN103049748B (zh) | 行为监测方法及装置 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180406 Termination date: 20210206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |