CN110910429B - 一种运动目标检测方法、装置、存储介质及终端设备 - Google Patents
一种运动目标检测方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN110910429B CN110910429B CN201911138198.9A CN201911138198A CN110910429B CN 110910429 B CN110910429 B CN 110910429B CN 201911138198 A CN201911138198 A CN 201911138198A CN 110910429 B CN110910429 B CN 110910429B
- Authority
- CN
- China
- Prior art keywords
- motion
- pixel point
- pixel
- frame
- image
- 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.)
- Active
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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动目标检测方法、装置、存储介质及终端设备,所述方法包括:获取待处理图像序列;其中,所述待处理图像序列包括m帧图像;根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;根据所述像素运动度量指标获取m1帧图像的运动候选区域;根据m1帧图像的运动候选区域,获取m2帧差分图像;根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;对所述初始运动区域进行区域统计校正,获取运动目标区域。采用本发明的技术方案能够提高运动目标检测的精确度,降低误识别率,并且实时性较好。
Description
技术领域
本发明涉及运动目标检测技术领域,尤其涉及一种运动目标检测方法、装置、计算机可读存储介质及终端设备。
背景技术
运动目标检测是将图像序列中的运动区域从相对静止的背景中分割出来,得到运动的前景目标,从而能够对运动目标进行进一步的跟踪、分类和识别等更高层次的处理,是计算机视觉的重要技术之一,被广泛应用到视频监控、智能交通以及工业检测等领域。
目前,主流的运动目标检测方法主要包括光流法和背景差分法;其中,光流法的一般步骤是通过图像序列中的像素速度的变化,来确定不同时间内的灰度变化和相邻像素的相关性,从而检测出运动目标;背景差分法是先构造一个背景模型来替代真实的背景场景,通过将图像序列与背景模型进行比较,识别出运动目标与背景之间的差别来实现运动目标的检测,典型的背景模型有混合高斯模型、ViBe等。
但是,光流法易受噪声影响,抗噪声性能差,背景差分法对环境光线变化敏感,并且在检测过程中容易受到背景场景的动态变化(例如树叶摆动、湖面水波纹、天气变化)、光照变化以及杂乱背景的干扰,导致运动目标检测的精确度较低,很可能将动态背景误识别为运动目标,另外,上述方法的计算量较大,受限于嵌入式设备的计算能力和存储资源,很难在嵌入式***中部署,导致检测的实时性较差。
发明内容
本发明实施例所要解决的技术问题在于,提供一种运动目标检测方法、装置、计算机可读存储介质及终端设备,能够提高运动目标检测的精确度,降低误识别率,并且实时性较好。
为了解决上述技术问题,本发明实施例提供了一种运动目标检测方法,包括:
获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
根据所述像素运动度量指标获取m1帧图像的运动候选区域;
根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
对所述初始运动区域进行区域统计校正,获取运动目标区域。
进一步地,所述根据所述像素运动度量指标获取m1帧图像的运动候选区域,具体包括:
对于m1帧图像中的任一帧图像,根据所述图像的每一个像素点的像素运动度量指标判断每一个像素点的状态;
当像素运动度量指标的值大于0时,判定对应的像素点为运动点,并标记为1,否则判定对应的像素点为背景点,并标记为0;
根据标记后的运动点和标记后的背景点获得所述图像的运动候选区域。
进一步地,所述根据m1帧图像的运动候选区域,获取m2帧差分图像,具体包括:
对于m2帧差分图像中的第l帧差分图像,根据公式Gl=|Dk+l-Dl|计算获得所述第l帧差分图像Gl;其中,Dk+l表示第k+l帧图像的运动候选区域,0<l≤m2,l<k+l≤m1。
进一步地,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域,具体包括:
根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,相应获得m2个校正后的运动候选区域;
对m2个所述校正后的运动候选区域进行相加计算,获得相加后的运动候选区域;
对所述相加后的运动候选区域进行二值化处理,获得所述初始运动区域。
进一步地,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,具体包括:
对于任一帧差分图像的任一个像素点,判断所述像素点的标记是否为1;
当所述像素点的标记为1时,获取所述像素点的a*a邻域;其中,所述a*a邻域以所述像素点为中心像素点,a>0;
获取所述a*a邻域中包含的标记为0的像素点的U分量值和V分量值;
根据所述U分量值和所述V分量值计算获得所述像素点的邻域U分量和V分量均值;
计算所述像素点与所述均值的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,将所述像素点的标记校正为0。
进一步地,所述对所述初始运动区域进行区域统计校正,获取运动目标区域,具体包括:
根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,相应获得校正后的初始运动区域;
根据所述校正后的初始运动区域获得所述运动目标区域。
进一步地,所述根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,具体包括:
对于所述初始运动区域的任一个像素点,获取所述像素点的b*b邻域;其中,所述b*b邻域以所述像素点为中心像素点,b>0;
统计所述b*b邻域中包含的标记为0的像素点的数量n0和标记为1的像素点的数量n1;
当b*b*β≤n0时,将所述像素点的标记校正为0;
当b*b*β>n0时,将所述像素点的标记校正为1;其中,β为预先设置的百分比。
为了解决上述技术问题,本发明实施例还提供了一种运动目标检测装置,包括:
图像序列获取模块,用于获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
像素运动度量指标获取模块,用于根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
运动候选区域获取模块,用于根据所述像素运动度量指标获取m1帧图像的运动候选区域;
差分图像获取模块,用于根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
初始运动区域获取模块,用于根据每一帧差分图像的每一个像素点的邻域U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
运动目标区域获取模块,用于对所述初始运动区域进行区域统计校正,获取运动目标区域。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的运动目标检测方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一项所述的运动目标检测方法。
与现有技术相比,本发明实施例提供了一种运动目标检测方法、装置、计算机可读存储介质及终端设备,根据待处理图像序列中的每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标,以根据像素点的像素运动度量指标获取m1帧图像的运动候选区域,通过对m1帧图像的运动候选区域进行差分计算,获得m2帧差分图像,通过每一帧差分图像的每一个像素点的U分量值和V分量值对m2帧差分图像进行校正,以获取初始运动区域,通过对初始运动区域进行区域统计校正,从而获取运动目标区域,能够提高运动目标检测的精确度,降低误识别率,并且实时性较好。
附图说明
图1是本发明提供的一种运动目标检测方法的一个优选实施例的流程图;
图2是本发明提供的一种运动目标检测装置的一个优选实施例的结构框图;
图3是本发明提供的一种终端设备的一个优选实施例的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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,本技术领域普通技术人员在没有作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。
本发明实施例提供了一种运动目标检测方法,参见图1所示,是本发明提供的一种运动目标检测方法的一个优选实施例的流程图,所述方法包括步骤S11至步骤S16:
步骤S11、获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
步骤S12、根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
步骤S13、根据所述像素运动度量指标获取m1帧图像的运动候选区域;
步骤S14、根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
步骤S15、根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
步骤S16、对所述初始运动区域进行区域统计校正,获取运动目标区域。
具体的,待处理图像序列(包括m帧图像)可以通过电子设备进行实时获取,例如,通过网络摄像头、手机、平板电脑等具备录制视频功能的电子设备的摄像头实时获取待处理图像序列,本发明不作具体限定。
在获得待处理图像序列之后,为了获取每一帧图像对应的亮度分量值,即每一个像素点的Y分量值,需要先将m帧图像的RGB色彩空间转换到YUV色彩空间,再相应获取m帧图像中的每一帧图像的每一个像素点的Y分量值,并基于每一个像素点的Y分量值,计算获得m1帧图像的每一个像素点的像素运动度量指标MD;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k表示间隔帧数,优选地,1≤k≤4,例如,取k=2,则第1帧图像的第1个像素点的像素运动度量指标为MD1,1=|Y3,1-Y1,1|-(1-α)*Y3,1,Y3,1表示第3帧图像的第1个像素点的Y分量值,Y1,1表示第1帧图像的第1个像素点的Y分量值。
根据计算获得的m1帧图像中的每一帧图像的每一个像素点的像素运动度量指标MD的值,可以判断对应的每一个像素点的运动状态,相应可以获取m1帧图像的运动候选区域(每一帧图像对应一个运动候选区域),再根据获得的m1帧图像的运动候选区域进行差分计算,相应可以获取m2帧差分图像,接着,获取m2帧差分图像中的每一帧差分图像的每一个像素点的色度分量值,即U分量值和V分量值,以基于每一个像素点的U分量值和V分量值,对m2帧差分图像中的像素点的运动状态进行校正,相应获得m2帧校正后的差分图像,并根据获得的m2帧校正后的差分图像获取初始运动区域,进一步地,对获得的初始运动区域中的每一个像素点的运动状态进行区域统计校正,从而根据校正后的初始运动区域获得运动目标区域。
本发明实施例所提供的一种运动目标检测方法,根据像素点的亮度分量值定义像素点的像素运动度量指标MD,以根据MD的值判断每个像素点的运动状态,相应获得运动候选区域,并基于运动候选区域进行差分计算,相应获得差分图像,根据像素点的色度分量值对差分图像的像素点的运动状态进行校正,相应获得初始运动区域,再对始运动区域的像素点的运动状态进行校正,从而获得运动目标区域,该技术方案能够提高运动目标检测的精确度,降低误识别率,并且实时性较好。
在另一个优选实施例中,所述根据所述像素运动度量指标获取m1帧图像的运动候选区域,具体包括:
对于m1帧图像中的任一帧图像,根据所述图像的每一个像素点的像素运动度量指标判断每一个像素点的状态;
当像素运动度量指标的值大于0时,判定对应的像素点为运动点,并标记为1,否则判定对应的像素点为背景点,并标记为0;
根据标记后的运动点和标记后的背景点获得所述图像的运动候选区域。
具体的,每一帧图像的运动候选区域的获取方法相同,这里以获取m1帧图像中的任意一帧图像的运动候选区域为例进行说明:结合上述实施例,根据计算获得的该图像中的每一个像素点的像素运动度量指标MD的值,可以判断对应的每一个像素点的运动状态,即判断像素点是否为运动点,当像素运动度量指标MD的值大于0时,判定与该像素运动度量指标MD对应的像素点为运动点,并将该像素点标记为1,当像素运动度量指标MD的值不大于0时,判定与该像素运动度量指标MD对应的像素点不为运动点,即为背景点,并将该像素点标记为0,该图像中的所有的像素点的运动状态均判断完成并且标记之后,相应可以获取该图像的运动候选区域(运动候选区域中的运动点标记为1,背景点标记为0)。
需要说明的是,每一个运动候选区域D均是一副和对应的原图像等大的二值图像D,图像D中的像素点的取值只能为0或者1,如果图像D中的某个位置的像素点的取值为1,则表明原图像中对应位置处的像素点是运动点(即为运动状态),如果图像D中的某个位置的像素点的取值为0,则表明原图像中对应位置处的像素点不是运动点,是背景点(即为静止状态)。
在又一个优选实施例中,所述根据m1帧图像的运动候选区域,获取m2帧差分图像,具体包括:
对于m2帧差分图像中的第l帧差分图像,根据公式Gl=|Dk+l-Dl|计算获得所述第l帧差分图像Gl;其中,Dk+l表示第k+l帧图像的运动候选区域,0<l≤m2,l<k+l≤m1。
具体的,每一帧差分图像的获取方法相同,这里以获取第l帧差分图像为例进行说明:结合上述实施例,已经获得了m1帧图像的运动候选区域D,对于第l帧差分图像,根据公式Gl=|Dk+l-Dl|将第k+l帧图像的运动候选区域Dk+l与第l帧图像的运动候选区域Dl中的对应位置处的像素点的值进行相减计算,并取绝对值,从而获得第l帧差分图像Gl。
需要说明的是,k表示间隔帧数,优选地,1≤k≤4,例如,取k=2,则第3帧差分图像根据公式G3=|D5-D3|计算获得,D5表示第5帧图像的运动候选区域,D3表示第3帧图像的运动候选区域。
同理,每一帧差分图像G均是一副和对应的原图像等大的二值图像G,图像G中的像素点的取值只能为0或者1,如果图像G中的某个位置的像素点的取值为1,则表明原图像中对应位置处的像素点是运动点(即为运动状态),如果图像G中的某个位置的像素点的取值为0,则表明原图像中对应位置处的像素点不是运动点,是背景点(即为静止状态)。
在又一个优选实施例中,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域,具体包括:
根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,相应获得m2个校正后的运动候选区域;
对m2个所述校正后的运动候选区域进行相加计算,获得相加后的运动候选区域;
对所述相加后的运动候选区域进行二值化处理,获得所述初始运动区域。
具体的,结合上述实施例,在获得m2帧差分图像之后,获取m2帧差分图像中的每一帧差分图像的每一个像素点的U分量值和V分量值,以基于每一个像素点的U分量值和V分量值,分别对对应的每一帧差分图像中的像素点的运动状态进行校正,相应获得m2个校正后的运动候选区域(每一帧差分图像对应一个运动候选区域),对获得的m2个校正后的运动候选区域中的对应位置处的像素点的值进行相加计算,相应获得一个相加后的运动候选区域,对相加后的运动候选区域中的每一个像素点的值进行二值化处理,从而获得初始运动区域。
同理,初始运动区域也是一副和对应的原图像等大的二值图像,初始运动区域中的像素点的取值只能为0或者1,如果初始运动区域中的某个位置的像素点的取值为1,则表明原图像中对应位置处的像素点是运动点(即为运动状态),如果初始运动区域中的某个位置的像素点的取值为0,则表明原图像中对应位置处的像素点不是运动点,是背景点(即为静止状态)。
作为上述方案的改进,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,具体包括:
对于任一帧差分图像的任一个像素点,判断所述像素点的标记是否为1;
当所述像素点的标记为1时,获取所述像素点的a*a邻域;其中,所述a*a邻域以所述像素点为中心像素点,a>0;
获取所述a*a邻域中包含的标记为0的像素点的U分量值和V分量值;
根据所述U分量值和所述V分量值计算获得所述像素点的邻域U分量和V分量均值;
计算所述像素点与所述均值的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,将所述像素点的标记校正为0。
具体的,每一帧差分图像的每一个像素点的校正方法相同,这里以对m2帧差分图像中的任意一帧差分图像的任意一个像素点进行校正为例进行说明:结合上述实施例,获取该像素点的标记值,判断该像素点的标记是否为1,当该像素点的标记为1时,以该像素点为中心像素点,在该像素点的周围取该像素点的a*a邻域,并获取a*a邻域中所包含的标记为0的像素点的U分量值和V分量值,根据获得的所有标记为0的像素点的U分量值和V分量值分别计算获得该像素点的邻域U分量均值和领域V分量均值(即领域背景点的色度均值),计算该像素点与领域背景点的色度均值的欧氏距离,并比较计算获得的欧氏距离与预先设置的距离阈值的大小,当计算获得的欧氏距离小于预先设置的距离阈值时,将该像素点的标记校正为0,相应的,当计算获得的欧氏距离不小于预先设置的距离阈值时,不对该像素点的标记进行校正,该像素点的标记值保持为1。
需要说明的是,对于差分图像中的每一个像素点,其标记值可能为0,也可能为1,由于本实施例用色度分量来校正像素点的运动状态是不是因动态背景运动造成的干扰点,如果某一个像素点的标记为0,表明该像素点为背景点,则不进行校正处理,即只对标记值为1的像素点进行校正处理,
例如,对于像素点x,取a=3,则以像素点x为中心像素点取3*3邻域,在3*3邻域中包含了3*3=9个像素点(包括中心像素点),然后统计3*3邻域中的标记为0的像素点,如果这9个像素点中一共有5个像素点的标记值为0,则对应每个像素点的U分量值和V分量值分别为(U1,V1)、(U2,V2)、(U3,V3)、(U4,V4)和(U5,V5),分别计算获得像素点x的邻域U分量均值为mu=(U1+U2+U3+U4+U5)/5,领域V分量均值为mv=(V1+V2+V3+V4+V5)/5。
在又一个优选实施例中,所述对所述初始运动区域进行区域统计校正,获取运动目标区域,具体包括:
根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,相应获得校正后的初始运动区域;
根据所述校正后的初始运动区域获得所述运动目标区域。
具体的,结合上述实施例,在根据差分图像获得初始运动区域之后,为了进一步提高运动目标检测的精确度,可以根据获得的初始运动区域中的每一个像素点的运动状态对初始运动区域中的像素点进行区域统计校正,相应获得校正后的初始运动区域,从而根据校正后的初始运动区域获得运动目标区域。
作为上述方案的改进,所述根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,具体包括:
对于所述初始运动区域的任一个像素点,获取所述像素点的b*b邻域;其中,所述b*b邻域以所述像素点为中心像素点,b>0;
统计所述b*b邻域中包含的标记为0的像素点的数量n0和标记为1的像素点的数量n1;
当b*b*β≤n0时,将所述像素点的标记校正为0;
当b*b*β>n0时,将所述像素点的标记校正为1;其中,β为预先设置的百分比。
具体的,初始运动区域中的每一个像素点的校正方法相同,这里以对初始运动区域中的任意一个像素点进行校正为例进行说明:结合上述实施例,以该像素点为中心像素点,在该像素点的周围取该像素点的b*b邻域,并统计b*b邻域中所包含的标记为0的像素点的数量n0和标记为1的像素点的数量n1,根据预先设置的百分比β计算b*b*β的值,并比较计算获得的b*b*β的值与统计获得的b*b邻域中标记为0的像素点的数量n0的大小,当b*b*β≤n0时,将该像素点的标记校正为0,当b*b*β>n0时,将该像素点的标记校正为1。
例如,对于像素点x,取b=3,β=80%,则以像素点x为中心像素点取3*3邻域,在3*3邻域中包含了3*3=9个像素点(包括中心像素点),然后统计3*3邻域中的标记为0的像素点的数量n0和标记为1的像素点的数量n1,如果这9个像素点中一共有5个像素点的标记值为1,剩余4个像素点的标记值为0,则n0=4,n1=5,此时b*b*β=3*3*80%=7.2>4,则将像素点x的标记值校正为1。
本发明实施例还提供了一种运动目标检测装置,能够实现上述任一实施例所述的运动目标检测方法的所有流程,装置中的各个模块、单元的作用以及实现的技术效果分别与上述实施例所述的运动目标检测方法的作用以及实现的技术效果对应相同,这里不再赘述。
参见图2所示,是本发明提供的一种运动目标检测装置的一个优选实施例的结构框图,所述装置包括:
图像序列获取模块11,用于获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
像素运动度量指标获取模块12,用于根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
运动候选区域获取模块13,用于根据所述像素运动度量指标获取m1帧图像的运动候选区域;
差分图像获取模块14,用于根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
初始运动区域获取模块15,用于根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
运动目标区域获取模块16,用于对所述初始运动区域进行区域统计校正,获取运动目标区域。
优选地,所述运动候选区域获取模块13具体包括:
像素点状态判断单元,用于对于m1帧图像中的任一帧图像,根据所述图像的每一个像素点的像素运动度量指标判断每一个像素点的状态;
像素点标记单元,用于当像素运动度量指标的值大于0时,判定对应的像素点为运动点,并标记为1,否则判定对应的像素点为背景点,并标记为0;
运动候选区域获取单元,用于根据标记后的运动点和标记后的背景点获得所述图像的运动候选区域。
优选地,所述差分图像获取模块14具体包括:
差分图像获取单元,用于对于m2帧差分图像中的第l帧差分图像,根据公式Gl=|Dk+l-Dl|计算获得所述第l帧差分图像Gl;其中,Dk+l表示第k+l帧图像的运动候选区域,0<l≤m2,l<k+l≤m1。
优选地,所述初始运动区域获取模块15具体包括:
运动候选区域校正单元,用于根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,相应获得m2个校正后的运动候选区域;
运动候选区域相加单元,用于对m2个所述校正后的运动候选区域进行相加计算,获得相加后的运动候选区域;
初始运动区域获取单元,用于对所述相加后的运动候选区域进行二值化处理,获得所述初始运动区域。
优选地,所述运动候选区域校正单元具体用于:
对于任一帧差分图像的任一个像素点,判断所述像素点的标记是否为1;
当所述像素点的标记为1时,获取所述像素点的a*a邻域;其中,所述a*a邻域以所述像素点为中心像素点,a>0;
获取所述a*a邻域中包含的标记为0的像素点的U分量值和V分量值;
根据所述U分量值和所述V分量值计算获得所述像素点的邻域U分量和V分量均值;
计算所述像素点与所述均值的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,将所述像素点的标记校正为0。
优选地,所述运动目标区域获取模块16具体包括:
初始运动区域校正单元,用于根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,相应获得校正后的初始运动区域;
运动目标区域获取单元,用于根据所述校正后的初始运动区域获得所述运动目标区域。
优选地,所述初始运动区域校正单元具体用于:
对于所述初始运动区域的任一个像素点,获取所述像素点的b*b邻域;其中,所述b*b邻域以所述像素点为中心像素点,b>0;
统计所述b*b邻域中包含的标记为0的像素点的数量n0和标记为1的像素点的数量n1;
当b*b*β≤n0时,将所述像素点的标记校正为0;
当b*b*β>n0时,将所述像素点的标记校正为1;其中,β为预先设置的百分比。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的运动目标检测方法。
本发明实施例还提供了一种终端设备,参见图3所示,是本发明提供的一种终端设备的一个优选实施例的结构框图,所述终端设备包括处理器10、存储器20以及存储在所述存储器20中且被配置为由所述处理器10执行的计算机程序,所述处理器10在执行所述计算机程序时实现上述任一实施例所述的运动目标检测方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、······),所述一个或者多个模块/单元被存储在所述存储器20中,并由所述处理器10执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器10可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,通用处理器可以是微处理器,或者所述处理器10也可以是任何常规的处理器,所述处理器10是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器20主要包括程序存储区和数据存储区,其中,程序存储区可存储操作***、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器20可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器20也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,图3结构框图仅仅是上述终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
综上,本发明实施例所提供的一种运动目标检测方法、装置、计算机可读存储介质及终端设备,具有以下有益效果:
(1)能够提高运动目标检测的精确度,降低误识别率;
(2)计算量小,内存消耗小,实时性较好,可以在嵌入式设备上达到实时处理要求;
(3)利用U、V通道和区域统计的方式,对运动区域进行校正,对于复杂的运动场景(例如树叶摆动、湖面水波纹等动态背景)具有较强的鲁棒性。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种运动目标检测方法,其特征在于,包括:
获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
根据所述像素运动度量指标获取m1帧图像的运动候选区域;
根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
对所述初始运动区域进行区域统计校正,获取运动目标区域。
2.如权利要求1所述的运动目标检测方法,其特征在于,所述根据所述像素运动度量指标获取m1帧图像的运动候选区域,具体包括:
对于m1帧图像中的任一帧图像,根据所述图像的每一个像素点的像素运动度量指标判断每一个像素点的状态;
当像素运动度量指标的值大于0时,判定对应的像素点为运动点,并标记为1,否则判定对应的像素点为背景点,并标记为0;
根据标记后的运动点和标记后的背景点获得所述图像的运动候选区域。
3.如权利要求1所述的运动目标检测方法,其特征在于,所述根据m1帧图像的运动候选区域,获取m2帧差分图像,具体包括:
对于m2帧差分图像中的第l帧差分图像,根据公式Gl=|Dk+l-Dl|计算获得所述第l帧差分图像Gl;其中,Dk+l表示第k+l帧图像的运动候选区域,0<l≤m2,l<k+l≤m1。
4.如权利要求2所述的运动目标检测方法,其特征在于,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域,具体包括:
根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,相应获得m2个校正后的运动候选区域;
对m2个所述校正后的运动候选区域进行相加计算,获得相加后的运动候选区域;
对所述相加后的运动候选区域进行二值化处理,获得所述初始运动区域。
5.如权利要求4所述的运动目标检测方法,其特征在于,所述根据每一帧差分图像的每一个像素点的U分量值和V分量值,对每一帧差分图像中的像素点进行校正,具体包括:
对于任一帧差分图像的任一个像素点,判断所述像素点的标记是否为1;
当所述像素点的标记为1时,获取所述像素点的a*a邻域;其中,所述a*a邻域以所述像素点为中心像素点,a>0;
获取所述a*a邻域中包含的标记为0的像素点的U分量值和V分量值;
根据所述U分量值和所述V分量值计算获得所述像素点的邻域U分量和V分量均值;
计算所述像素点与所述均值的欧氏距离;
当所述欧氏距离小于预设的距离阈值时,将所述像素点的标记校正为0。
6.如权利要求2所述的运动目标检测方法,其特征在于,所述对所述初始运动区域进行区域统计校正,获取运动目标区域,具体包括:
根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,相应获得校正后的初始运动区域;
根据所述校正后的初始运动区域获得所述运动目标区域。
7.如权利要求6所述的运动目标检测方法,其特征在于,所述根据所述初始运动区域中的每一个像素点的标记值,对所述初始运动区域中的像素点进行校正,具体包括:
对于所述初始运动区域的任一个像素点,获取所述像素点的b*b邻域;其中,所述b*b邻域以所述像素点为中心像素点,b>0;
统计所述b*b邻域中包含的标记为0的像素点的数量n0和标记为1的像素点的数量n1;
当b*b*β≤n0时,将所述像素点的标记校正为0;
当b*b*β>n0时,将所述像素点的标记校正为1;其中,β为预先设置的百分比。
8.一种运动目标检测装置,其特征在于,包括:
图像序列获取模块,用于获取待处理图像序列;其中,所述待处理图像序列包括m帧图像,m>1;
像素运动度量指标获取模块,用于根据每一帧图像的每一个像素点的Y分量值计算获得m1帧图像的每一个像素点的像素运动度量指标;其中,第i帧图像的第j个像素点的像素运动度量指标为MDi,j=|Yk+i,j-Yi,j|-(1-α)*Yk+i,j,Yk+i,j表示第k+i帧图像的第j个像素点的Y分量值,k>0,0<i≤m1,i<k+i≤m,0<α<1,1<m1<m;
运动候选区域获取模块,用于根据所述像素运动度量指标获取m1帧图像的运动候选区域;
差分图像获取模块,用于根据m1帧图像的运动候选区域,获取m2帧差分图像;其中,0<m2<m1;
初始运动区域获取模块,用于根据每一帧差分图像的每一个像素点的邻域U分量值和V分量值,对m2帧差分图像进行校正,并获取初始运动区域;
运动目标区域获取模块,用于对所述初始运动区域进行区域统计校正,获取运动目标区域。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1~7任一项所述的运动目标检测方法。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1~7任一项所述的运动目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138198.9A CN110910429B (zh) | 2019-11-19 | 2019-11-19 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911138198.9A CN110910429B (zh) | 2019-11-19 | 2019-11-19 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110910429A CN110910429A (zh) | 2020-03-24 |
CN110910429B true CN110910429B (zh) | 2023-03-17 |
Family
ID=69818164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911138198.9A Active CN110910429B (zh) | 2019-11-19 | 2019-11-19 | 一种运动目标检测方法、装置、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110910429B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111935454B (zh) * | 2020-07-27 | 2022-08-26 | 衡阳市大井医疗器械科技有限公司 | 省流量图像流传输方法及电子设备 |
CN112164058A (zh) * | 2020-10-13 | 2021-01-01 | 东莞市瑞图新智科技有限公司 | 用于滤光片的丝印区域粗定位方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822086A (zh) * | 2005-02-16 | 2006-08-23 | 日本电气株式会社 | 图像处理方法、显示设备及其驱动方法 |
JP2009251892A (ja) * | 2008-04-04 | 2009-10-29 | Fujifilm Corp | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
CN102184553A (zh) * | 2011-05-24 | 2011-09-14 | 杭州华三通信技术有限公司 | 一种运动阴影检测方法和装置 |
CN102509311A (zh) * | 2011-11-21 | 2012-06-20 | 华亚微电子(上海)有限公司 | 运动检测方法和装置 |
CN102946504A (zh) * | 2012-11-22 | 2013-02-27 | 四川虹微技术有限公司 | 一种基于边缘检测的自适应运动检测方法 |
CN103164847A (zh) * | 2013-04-03 | 2013-06-19 | 上海理工大学 | 视频图像中运动目标阴影消除方法 |
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5227629B2 (ja) * | 2008-03-25 | 2013-07-03 | 富士フイルム株式会社 | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
-
2019
- 2019-11-19 CN CN201911138198.9A patent/CN110910429B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1822086A (zh) * | 2005-02-16 | 2006-08-23 | 日本电气株式会社 | 图像处理方法、显示设备及其驱动方法 |
JP2009251892A (ja) * | 2008-04-04 | 2009-10-29 | Fujifilm Corp | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム |
CN102184553A (zh) * | 2011-05-24 | 2011-09-14 | 杭州华三通信技术有限公司 | 一种运动阴影检测方法和装置 |
CN102509311A (zh) * | 2011-11-21 | 2012-06-20 | 华亚微电子(上海)有限公司 | 运动检测方法和装置 |
CN102946504A (zh) * | 2012-11-22 | 2013-02-27 | 四川虹微技术有限公司 | 一种基于边缘检测的自适应运动检测方法 |
CN103164847A (zh) * | 2013-04-03 | 2013-06-19 | 上海理工大学 | 视频图像中运动目标阴影消除方法 |
CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
Non-Patent Citations (4)
Title |
---|
VIDEO AND IMAGE PROCESSING BASED TECHNIQUES FOR PEOPLE DETECTION AND COUNTING IN CROWDED ENVIRONMENTS;Zeyad Qasim Habeeb Al-zaydi;《research portal》;20170930;1-196 * |
基于SOPC的运动目标图像检测***设计;范传阳 等;《信号与***》;20120531;22-26 * |
基于SOPC的运动目标检测***设计;闫飞;《中国优秀硕士学位论文全文数据库信息科技辑》;20090315(第(2009)03期);I138-729 * |
面向高清视频监控***的实时运动检测算法;彭爽 等;《计算机工程》;20141130;第40卷(第11期);288-296 * |
Also Published As
Publication number | Publication date |
---|---|
CN110910429A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8600105B2 (en) | Combining multiple cues in a visual object detection system | |
CN111179302B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
US11538175B2 (en) | Method and apparatus for detecting subject, electronic device, and computer readable storage medium | |
US10127635B2 (en) | Method and device for image noise estimation and image capture apparatus | |
CN111325716A (zh) | 屏幕划痕碎裂检测方法及设备 | |
CN106327488B (zh) | 一种自适应的前景检测方法及其检测装置 | |
CN109478329B (zh) | 图像处理方法和装置 | |
CN110910429B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
US11107237B2 (en) | Image foreground detection apparatus and method and electronic device | |
WO2006081018A1 (en) | Object-of-interest image capture | |
US20220270266A1 (en) | Foreground image acquisition method, foreground image acquisition apparatus, and electronic device | |
CN110599516A (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN111325769A (zh) | 一种目标对象检测方法及装置 | |
CN113658197B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
Liu et al. | Splicing forgery exposure in digital image by detecting noise discrepancies | |
CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN113409353A (zh) | 运动前景检测方法、装置、终端设备及存储介质 | |
CN109255797B (zh) | 图像处理装置及方法、电子设备 | |
CN112101148B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN112581481A (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN111539975B (zh) | 一种运动目标的检测方法、装置、设备及存储介质 | |
CN113223023A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN111402185B (zh) | 一种图像检测方法及装置 | |
US20130251202A1 (en) | Facial Features Detection |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220822 Address after: Floor 12-17, unit 1, building 2, No. 466, Xinyu Road, high tech Zone, Chengdu, Sichuan 610000 Applicant after: Chengdu Lianzhou International Technology Co.,Ltd. Address before: 518000 the 1st and 3rd floors of the south section of building 24 and the 1st-4th floor of the north section of building 28, Shennan Road Science and Technology Park, Nanshan District, Shenzhen City, Guangdong Province Applicant before: TP-LINK TECHNOLOGIES Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |