TW201349131A - 移動偵測裝置及移動偵測方法 - Google Patents

移動偵測裝置及移動偵測方法 Download PDF

Info

Publication number
TW201349131A
TW201349131A TW101119531A TW101119531A TW201349131A TW 201349131 A TW201349131 A TW 201349131A TW 101119531 A TW101119531 A TW 101119531A TW 101119531 A TW101119531 A TW 101119531A TW 201349131 A TW201349131 A TW 201349131A
Authority
TW
Taiwan
Prior art keywords
background
image
original
pixel
pixels
Prior art date
Application number
TW101119531A
Other languages
English (en)
Other versions
TWI478078B (zh
Inventor
Fan-Chieh Cheng
Original Assignee
Senao Networks Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Senao Networks Inc filed Critical Senao Networks Inc
Priority to TW101119531A priority Critical patent/TWI478078B/zh
Publication of TW201349131A publication Critical patent/TW201349131A/zh
Application granted granted Critical
Publication of TWI478078B publication Critical patent/TWI478078B/zh

Links

Landscapes

  • Image Analysis (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一種移動偵測裝置，包含背景區塊偵測器、背景模型建立器、前景區塊偵測器及前景判斷器。背景區塊偵測器比較目前影像與前一影像中位於同一畫素位置的畫素，來決定目前影像所具有的哪些畫素會共同形成背景區塊。背景模型建立器建立原始背景模型，且根據背景區塊的畫素來決定原始背景模型內對應畫素位置的畫素值。前景區塊偵測器比較目前影像與原始背景模型中位於同一畫素位置的畫素，來決定目前影像所具有的哪些畫素會共同形成前景區塊。前景判斷器基於前景區塊畫素之於該原始背景模型對應位置畫素的差異，來評估目前影像各畫素是否為前景。

Description

移動偵測裝置及移動偵測方法
本發明是有關於一種移動偵測裝置，特別是指一種分辨影像中的背景與前景的移動偵測裝置及移動偵測方法。
智慧型影像監視系統常使用移動偵測來辨識影像的背景成分與前景成分，以供後續目標追蹤等作業的利用。
先前技術的一種移動偵測方法是使用古典的Σ-△背景估計以在統計上分辨影像中隨時間變化的活動，所謂Σ-△背景估計是一種簡單而有效的非線性背景去除技術，即是如果一畫素的背景亮度估計值較當前的亮度取樣值(實際值)為小(或大)，則將背景亮度估計值加上(或減去)一固定的常數，也就是將估計值與取樣值比較並根據變化的趨勢來隨時間逐步地增減。雖然每一畫素均可局部地計算此類估計，但背景模型需要對全部的畫素進行更新，即便是移動中的物件的畫素，故造成過多的計算量。此為一般以畫素為基礎的方法的缺陷。
而先前技術的另一種移動偵測方法是以區塊為基礎，其處理的方式是將整個畫面各畫素加以分類，形成涵蓋畫面上不同區域的多個區塊，並找出沒有移動的背景區塊，使得背景模型在更新的時候，只需計算包含在這些背景區塊中的畫素。
先前技術的另外一種移動偵測方法則是分析前後畫面的全畫面亮度變化。首先，將當前畫面的背景模型(下稱 當前背景模型)平均亮度分別相比於一亮參考背景和一暗參考背景，以決定是否調整亮參考背景和暗參考背景，調整方式如下：若 亮參考背景平均亮度<當前背景模型平均亮度，則 亮參考背景=當前背景模型；若 暗參考背景平均亮度>當前背景模型平均亮度，則 暗參考背景=當前背景模型。
接著計算各個畫面亮度的熵值，通常畫面亮度分佈愈均勻，熵越大。若相鄰畫面的熵差值超過閾值，代表畫面亮度有突然的改變，此時必須進一步使用亮參考背景或暗參考背景更新當前背景模型：若 當前畫面平均亮度>當前背景模型平均亮度，則當前背景模型=亮參考背景；若 當前畫面平均亮度<當前背景模型平均亮度，則當前背景模型=暗參考背景。
簡言之，當相鄰畫面的熵值差異超過閾值，便調整當前背景模型；若否，則維持當前背景模型。然而，單純的閾值判斷無法精確判斷畫面亮度變化程度，故容易引起誤判。
因此，美國專利US8077926B2使用兩個閾值來進行判斷：條件一：第一個閾值用於判斷影像畫素的亮度灰階值；條件二：判斷影像畫素的亮度灰階值超過第一個閾值 之畫素的數量是否大於第二個閾值；條件三：若條件二成立，則回頭調整第一個閾值的數值；不過，此方法須人為決定初始化閾值，但由於影像性質不同，初始化閾值決定不易，難以以適當地分別背景與物件間的不同，因此這種方法並不適用於所有的影像。
上述以畫素為基礎的方法、以區塊為基礎的方法，及以畫面為基礎的方法，各自是應用在不同的目的背景生成技術中，而目前仍欠缺一種能整合各項技術的優點以有效進行影像辨識的方法，因此有待進一步研究。
因此，本發明之目的，即在提供一種執行整合以畫素、以區塊，及以畫面為基礎的方法並加以改良的移動偵測方法的移動偵測裝置。
於是，本發明移動偵測裝置，包含一背景區塊偵測器、一背景模型建立器、一前景區塊偵測器，及一前景判斷器。
該背景區塊偵測器比較一目前影像與一前一影像中位於同一畫素位置的畫素，來決定該目前影像所具有的哪些畫素會共同形成一背景區塊，其中該目前影像和該前一影像的解析度相同。
該背景模型建立器建立一個解析度相同於該目前影像的原始背景模型，且根據該背景區塊的畫素來決定該原始背景模型內對應畫素位置的畫素值。
該前景區塊偵測器比較該目前影像與該原始背景模型中位於同一畫素位置的畫素，來決定該目前影像所具有的哪些畫素會共同形成一前景區塊。
該前景判斷器基於該前景區塊畫素之於該原始背景模型對應位置畫素的差異，來評估該目前影像各畫素是否為前景。
較佳地，該背景區塊偵測器根據該前一影像求取一降階影像，並根據該目前影像求取另一降階影像，比較該兩張降階影像中位於同一畫素位置的畫素，來決定該目前影像的哪些畫素會共同形成該背景區塊。
其中，該前一影像的降階影像和該目前影像的降階影像解析度相同，且各降階影像的解析度小於該目前影像。
更佳地，該背景區塊偵測器是將該前一影像切割成多個子區塊，從各子區塊個別挑選其中一個畫素，且集合該等挑選出來的畫素形成該前一影像的降階影像。
且該背景區塊偵測器是將該目前影像切割成多個子區塊，從各子區塊個別挑選其中一個畫素，且集合該等挑選出來的畫素形成該目前影像的降階影像。
較佳地，該背景模型建立器設定原始背景模型的初始狀態為空值集合，並根據該背景區塊的畫素來決定仍為空值的原始背景模型內對應畫素位置的畫素值。
較佳地，所述移動偵測裝置還包含一背景模型更新器，根據該目前影像的所有畫素亮度總和，分別將該原始背景模型更新為一暗背景影像或一亮背景影像。其中該暗背 景影像及該亮背景影像分別是已產生的原始背景模型中所有畫素亮度總和最小及最大的原始背景模型。
更佳地，該背景模型更新器為該目前影像的每一個畫素計算出一原背景絕對值、一暗背景絕對值及一亮背景絕對值，其中各畫素的原背景絕對值代表該畫素與該原始背景模型對應畫素的亮度差，各畫素的暗背景絕對值代表該畫素與該暗背景影像對應畫素的亮度差，各畫素的亮背景絕對值代表該畫素與該亮背景影像對應畫素的亮度差。
並且，該背景模型更新器從該目前影像的所有畫素中選出符合原背景絕對值大於暗背景絕對值的畫素當做暗點，並從該目前影像的非暗點畫素中選出符合原背景絕對值大於亮背景絕對值的畫素當做亮點。
當該目前影像的暗點數目大於畫面解析度減暗點數目，該背景模型更新器將該原始背景模型更新為該暗背景影像，當該目前影像的亮點數目大於畫面解析度減亮點數目，該背景模型更新器將該原始背景模型更新為該亮背景影像。
本發明之另一目的，即在提供一種整合以畫素、以區塊，及以畫面為基礎的方法並加以改良的移動偵測方法。
於是，本發明移動偵測方法，包含以下步驟(A)至(J)。
(A)讀取多個原始影像，並對該等原始影像執行以下步驟。
(B)將每一原始影像降低解析度為一降階影像。
(C)計算各該降階影像的各畫素的亮度隨時間的變化，對亮度的變化小於一預設值的畫素所在的區域，使用一背景遮罩將該區域標示為背景。
(D)根據該背景遮罩將屬於背景的區域所對應到的該原始影像的畫素的值提取而形成一原始背景模型。
(E)以一背景估計方法調整該原始背景模型。
(F)將該原始背景模型降低解析度為一降階背景模型。
(G)計算該降階背景模型與該降階影像的各畫素的亮度的差異，對亮度的差異大於一預設值的畫素所在的區域，使用一前景遮罩將該區域標示為前景。
(H)根據前景遮罩分別對屬於前景及背景的區域所對應到的該原始影像的畫素計算一前景平均及一背景平均。
(I)將該前景平均及該背景平均代入一機率函數，計算該原始影像的每一畫素的一前景機率及一背景機率。
(J)判定是否背景機率大於前景機率，若是，則確認該畫素為一背景畫素，否則確認該畫素為一前景畫素。
較佳地，所述移動偵測方法還包含以下步驟(K)至(M)。
(K)當處理第二張原始影像時，以原始背景模型當作一亮背景影像，以原始背景模型當作一暗背景影像，當處理第三張及其後的原始影像時，則執行步驟(L)及步驟(M)；(L)調整該亮背景影像及該暗背景影像，即計算並判 斷若亮背景影像亮度總和小於原始背景模型亮度總和，則使亮背景影像等於原始背景模型，否則若暗背景影像亮度總和大於原始背景模型亮度總和，則使暗背景影像等於原始背景模型；及(M)調整原始背景模型，包括計算一該原始影像及原始背景模型的各畫素的亮度差的原背景絕對值，一該原始影像及該暗背景影像的亮度差的亮背景絕對值，及一該原始影像及該亮背景影像的亮度差的亮背景絕對值，計算暗點數，即符合原背景絕對值大於亮背景絕對值的畫素總數，計算亮點數，即非前述的暗點且符合原背景絕對值大於亮背景絕對值的畫素總數，及若該暗點數大於畫面的解析度減該暗點數，則使該原始背景模型等於該暗背景影像，否則若該亮點數大於畫面的解析度減該亮點數，則使該原始背景模型等於該亮背景影像。
較佳地，步驟(B)是將原始影像平均切割成多個子區塊，各子區塊個別挑選其中一個畫素，挑選出來的畫素挑選出來的畫素形成該原始影像的降階影像，該原始影像的數個被切割到同一子區塊的畫素是對應到同一個降階影像的畫素。步驟(D)中設定原始背景模型的初始狀態為空值集合，且背景遮罩定義了原始影像的數個屬於降階影像的畫素所對應的子區塊中的畫素是否為背景區塊的畫素 ，並藉該定義將所對應到的原始影像的畫素的值直接指派給所對應到的仍為空值的原始背景模型的畫素。
較佳地，步驟(C)還包括執行一個二進位的四連接度元素標示演算法，將相連接的背景畫素標上相同的標籤，定義相同標籤者為同一背景區塊，並計算各背景區塊大小，然後僅保留最大的背景區塊，其餘畫素視為前景。
較佳地，步驟(E)是當該原始背景模型的畫素不是空值之後，以簡單Σ-△背景估計調整該等不是空值的畫素，該簡單Σ-△背景估計是取一當前原始影像的畫素的亮度減前一時刻的原始背景模型的畫素的亮度的符號函數的值，加上前一時刻的原始背景模型的畫素的亮度，做為當前的原始背景模型的畫素的亮度。
較佳地，步驟(G)還包括執行一個二進位的四連接度元素標示演算法，將相連接的前景畫素標上相同的標籤，定義相同標籤者為同一前景區塊，再計算各該前景區塊大小，然後去除過小的前景區塊，接著對前景區塊進行一型態膨脹運算，即是預先設定一膨脹半徑，將屬於前景區塊的畫素的四周位於該膨脹半徑內的畫素設為前景。
本發明之功效在於：結合以區塊為基礎的方式進行前行作業的計算、使用以畫素為基礎的方式在已經大致上正確的計算結果上再增加辨識的準確度，從而能在花費較少計算量的情況下精確地完成背景與前景的辨識。
有關本發明之前述及其他技術內容、特點與功效，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚地呈現。
本發明移動偵測裝置1之較佳實施例包含依序電連接的一接收器11、一背景區塊偵測器12、一背景模型建立器13、一前景區塊偵測器14、一前景判斷器15及一背景模型更新器16。且背景模型更新器16也會電連接到背景模型建立器13。
接收器11用以接收一原始影像序列I，且隨著時間過去，原始影像序列I具有原始影像I 1 、I 2 、I 3 、I 4 、I 5 ...，各原始影像的解析度為M×N，且原始影像I 1 中座標(x,y)的畫素值為I 1 (x,y)，原始影像I t 中座標(x,y)的畫素值為I t (x,y)，t>1。
以下參閱圖2，說明本發明移動偵測裝置1所執行的移動偵測方法的較佳實施例。
步驟S1-接收器11讀取原始影像I 1 和原始影像I 2 。
步驟S2-<以區塊為基礎的背景偵測>背景區塊偵測器根據原始影像I t-1 (即前一影像)減少取樣後得到的降階影像i t-1 ，並根據原始影像I t (即目前影像)減少取樣後得到的降階影像i t ，比較兩降階影像i t-1 與i t 中位於同一畫素位置的畫素，來決定原始影像I t 的哪些畫素會共同形成一背景區塊。
步驟S21-為有效偵測背景區塊，需要對原始影像I t 進 行一種降低解析度的計算，即是以最近相鄰內插法將原始影像I t 平均切割成m×n個子區塊，各子區塊個別挑選其中一個畫素(一般是挑選子區塊最左上角位置的畫素)，挑選出來的畫素集合就能夠達到降低解析度的目的而合成解析度m×n的降階影像i t ，即減少取樣。原始影像的數個被切割到同一子區塊的畫素I t (x,y)是對應到同一個降階影像的畫素i t (x d ,y d )，其中(x d ,y d )是降階影像i t 的座標，而降階影像i t 的大小是原始影像I t 的1/(w m ×w n )倍。既然背景偵測是建立背景模型的前行作業，要求須有較低的運算量，所以降階影像i t 是越小越好。經驗上，m=60及n=80可以產生合適的結果，同時非常有效地以小於四分之一通用影像傳輸格式(QCIF,Quarter common intermediate format)的縮放影像完成區塊偵測。前述的高與寬的比例通常能適用大多數的影像。縮放係數w m 及w n 可以下整數函數(floor函數)的公式如下計算：
步驟S22-接著計算降階影像i t 及i t-1 中，每一畫素i t (x d ,y d )及i t-1 (x d ,y d )的亮度差的第一絕對值|i t (x d ,y d )-i t-1(x d ,y d )|。值得一提的是，因為本步驟的背景偵測是對降階影像進行運算，只會花費較少的計算量。
步驟S23-對每一畫素判斷|i t (x d ,y d )-i t-1(x d ,y d |<τ，若是，則執行步驟S24，否則執行步驟S25，其中τ為一預設值。待所有畫素均執行完畢後，進入步驟S26。
步驟S24-將背景遮罩R t (x d ,y d )設為1，代表本畫素i t (x d , y d )為背景。
步驟S25-將背景遮罩R t (x d ,y d )設為0，代表本畫素i t (x d ,y d )為非背景。所謂非背景的意思是目前不將本畫素認定為背景，至於最後本畫素是屬於背景或前景，還需要後續進一步計算。
步驟S26-待背景遮罩R t (x d ,y d )計算完畢後，執行二進位的四連接度元素標示(four-connected component labeling,FCCL)演算法，將相連接的背景畫素標上相同的標籤，相同標籤者為同一降階背景區塊，並計算各降階背景區塊大小。
步驟S27-為有效地避免將前景誤認為背景，僅保留最大的降階背景區塊，其背景遮罩R t (x d ,y d )保留為1，其餘畫素視為前景，其背景遮罩R t (x d ,y d )設為0。簡言之，對應背景遮罩R t (x d ,y d )=1的這些畫素會共同形成一降階背景區塊。步驟S26及步驟S27產生的效果可參閱圖3，其中步驟S26處理後的示意圖是以斜線代表非背景畫素，且以空白者代表背景畫素，且標籤為1的那四個畫素屬於同一降階背景區塊，以此類推具有相同標籤者屬於同一降階背景區塊，又標籤為3的降階背景區塊具有最多畫素，所以步驟S27僅承認該區塊為降階背景區塊。需特別注意的是，如步驟S21所言，原始影像的數個被切割到同一子區塊的畫素I t (x,y)是對應到同一個降階影像的畫素i t (x d ,y d )，因此若降階影像的畫素(x d ,y d )屬於降階背景區塊，則其所對應到的原始影像的子區塊中的畫素I t (x,y)就都是屬於一背景區塊。參閱圖4，以下進行步驟S3及其子步驟。
步驟S3-<以畫素為基礎的原始背景模型>背景模型建立器13使用原始影像I t 的背景區塊畫素來建立原始背景模型，且原始背景模型的解析度相同於原始影像I t 。
步驟S31-設定原始背景模型B t 的初始狀態為空值集合，即是設定每個畫素B t (x,y)的值為-1，做為標記之用。
步驟S32-將背景遮罩R t (x d ,y d )為1的降階影像的畫素i t (x d ,y d )所對應到的原始影像的畫素I t (x,y)的值直接指派給所對應到的仍為空值的原始背景模型的畫素B t (x,y)。
步驟S33-以簡單Σ-△背景估計來調整原始背景模型B t 不是空值的畫素B t (x,y)，調整方式如下：B t (x,y)=B t-1(x,y)+sgn(I t (x,y)- Bt-1(x,y))
其中w m x d x<(w m +1)x d 且w n y d y<(w n +1)y d ，而sgn為符號函數(sign function)，得到原始背景模型B t 中對應背景區塊的每一畫素的亮度。
也就是說，本步驟S33的調整是使原始背景模型B t 隨時間緩慢的改變，其意義在於所謂背景，就是其畫素亮度不太會隨時間變化，如同馬路的影像，而當路上有車輛經過時，雖然該處的畫素亮度突然的改變，但我們希望藉由本步驟的調整，不要將被認定為馬路(背景)的影像突然地改變。
需要注意的是，隨著時間進行，原始背景模型B t 的空值會越來越少，最終沒有空值時，步驟S31就不再有作用。
參閱圖5，繼續進行以下步驟。
步驟S4-<以區塊為基礎的前景偵測>前景區塊偵測器14根據降階影像i t ，並根據原始背景模型B t 減少取樣後得到的降階背景模型b t ，比較降階影像i t 與降階背景模型b t 中位於同一畫素位置的畫素，來決定原始影像I t 的哪些畫素會共同形成一前景區塊。
步驟S41-對原始背景模型B t 進行如步驟S21所述的降低解析度的計算，得到降階背景模型b t 。
步驟S42-計算降階背景模型b t 及降階影像i t 中，每一畫素b t (x d ,y d )及i t (x d ,y d )的亮度差的第二絕對值|b t (x d ,y d )-i t (x d ,y d )|。
步驟S43-對每一畫素判斷|b t (x d ,y d )-i t (x d ,y d )|>τ，若是，則執行步驟S44，否則執行步驟S45，其中τ為一預設值。
所有畫素均執行完畢後，進入步驟S46。
步驟S44-將前景遮罩P t (x d ,y d )設為1，代表本畫素i t (x d ,y d )為前景。
步驟S45-將前景遮罩P t (x d ,y d )設為0，代表本畫素i t (x d ,y d )為背景。
步驟S43至步驟S45的計算可表示如下：
步驟S46-執行FCCL演算法將相連接的前景畫素標上相同的標籤，相同標籤者為同一降階前景區塊，並計算各降階前景區塊大小。
步驟S47-去除過小的降階前景區塊，即是預先設定一個閾值，若某一降階前景區塊的面積小於此閾值，則將其 前景遮罩P t (x d ,y d )設為0。
步驟S48-對降階前景區塊進行型態膨脹(morphological dilation)運算，即是預先設定一膨脹半徑r，若影像之畫素位置(x d ,y d )為前景，則將該畫素四周位於該膨脹半徑r內的畫素(例如位於(x d ±s,y d ±s)的畫素，其中0 s r)都設為前景，即是將前景遮罩設為1。本步驟的目的為標示一些可能屬於前景但被遺漏的畫素，先設為降階前景區塊，後續再進一步精細處理。同樣地，降階背景模型b t 的一降階前景區塊可以對應到原始影像I t 的一前景區塊。
步驟S46至步驟S48產生的效果可參閱圖6。
參閱圖7，繼續進行以下步驟。
步驟S5-<以畫素為基礎的前景偵測>前景判斷器15使降階影像i t 的降階前景區塊畫素相比於降階背景模型b t 的對應位置畫素，並且使降階影像i t 的非降階前景區塊畫素相比於降階背景模型b t 的對應位置畫素，以判斷原始影像I t 的各畫素較可能為前景或較可能為背景。
步驟S51-計算前景遮罩P t 等於0所對應的第二絕對值|b t (x d ,y d )-i t (x d ,y d )|的背景平均a b ，及前景遮罩P t 等於1所對應的第二絕對值|b t (x d ,y d )-i t (x d ,y d )|的前景平均a f 。
步驟S52-計算每一畫素的背景機率及前景機率。本步驟參閱圖8，首先執行步驟S521，然後進行步驟S522至步驟S525可得背景機率，進行步驟S526至步驟S528可得前景機率。背景機率與前景機率的計算的先後次序並不以上述為限，例如也可以先進行前景機率的計算，或是同時計算 。完成後繼續進行步驟S53及其後步驟。本步驟計算所用的機率函數是拉普拉斯分佈(Laplace distribution)的機率密度函數，以下詳細說明。
步驟S521-計算樣本k：以每一畫素的原始影像I t 及原始背景模型B t 的亮度差的原背景絕對值|B t -I t |代入，即k=|B t -I t |。
以下說明背景機率的計算。
步驟S522-計算位置參數μ：以背景平均a b 代入，即μ=a b 。
步驟S523-計算獨立且具相同分布的樣本總數S：以畫素總數代入，即S=畫素總數。背景機率與前景機率的計算所需的樣本總數S均使用本步驟的結果代入。
步驟S524-計算尺度參數σ：以σ的最大似然估計函數(maximum likelihood estimator)計算，其中以步驟S522所得μ代入，k j 以步驟S521所得每一個k代入，S為步驟S523所得結果。值得注意的是，由於本步驟是將一個畫面中全部的k j 進行加總計算得到一個結果，因此一個畫面只需加總一次，而不需要在計算不同的k時重新進行加總計算。
步驟S525-將步驟S521、步驟S522，及步驟S524的結果代入拉普拉斯分佈的機率密度函數：得到每一畫素的背景機率。
以下說明前景機率的計算。前景機率的計算與背景機 率的計算大致相同，其不同處在於步驟S526，位置參數μ是以前景平均a f 代入。
步驟S526-計算位置參數μ：以前景平均代入，即μ=a f 。
步驟S527-計算尺度參數σ：以其最大似然估計(maximum likelihood estimator)計算，其中以步驟S526所得μ代入，k j 是以步驟S521所得每一個k代入，S為步驟S523所得結果。如步驟S524所述，本步驟在一個畫面只需加總一次。
步驟S528-將步驟S521、步驟S526，及步驟S527的結果代入拉普拉斯分佈的機率密度函數：得到每一畫素的前景機率。
步驟S53-判定是否背景機率>前景機率，若是，則執行步驟S54，否則執行步驟S55。接著進行步驟S6。
步驟S54-確認該畫素為一背景畫素，設定P t 為0。
步驟S55-確認該畫素為一前景畫素，設定P t 為1。
步驟S6-<以畫面為基礎的亮度評估>參閱圖9，待原始背景模型B t 完全沒有空值後，背景模型更新器16根據原始影像I t 的所有畫素亮度總和，判斷畫面亮度是否突然改變，而決定是否更新原始背景模型B t 。
步驟S61-若原始背景模型B t 尚有空值，跳到步驟S7。待原始背景模型B t 完全沒有空值後第一次執行本步驟時，以原始背景模型B t 當作一亮背景影像Bl，以原始背景模型B t 當作一暗背景影像Bd，然後跳到步驟S7。下一次再執行 本步驟時，則執行步驟S62。
步驟S62-計算原始背景模型B t 亮度總和ΣB t 、亮背景影像Bl亮度總和ΣBl及暗背景影像Bd亮度總和ΣBd。其中亮度總和是將計算對象的整個畫面的所有畫素的亮度加總而得到。
步驟S63-調整亮背景影像及暗背景影像： 若亮背景影像亮度總和ΣBl<原始背景模型亮度總和ΣB t ，則使亮背景影像Bl=原始背景模型B t 且亮背景影像亮度總和ΣBl=原始背景模型亮度總和ΣB t ； 否則若暗背景影像亮度總和ΣBd>原始背景模型亮度總和ΣB t ，則使暗背景影像Bd=原始背景模型B t 且暗背景影像亮度總和ΣBd=原始背景模型亮度總和ΣB t ； 否則，維持亮背景影像及暗背景影像。
也就是說，該暗背景影像及該亮背景影像分別是已產生的原始背景模型中所有畫素亮度總和最小及最大的原始背景模型。
步驟S64-調整原始背景模型，其中需引用步驟S521所述的原背景絕對值|B t -I t |： 計算暗點數：符合原背景絕對值|B t -I t |大於原始影像I t 及暗背景影像Bd的亮度差的暗背景絕對值|Bd-I t |，即|B t -I t |>|Bd-I t |，的畫素總數。
當原始影像I t 中的畫素亮度緩慢改變時，原始背景模型B t 亦會跟著緩慢改變，因此通常而言原始影像I t 的畫素亮度會較接近原始背景模型B t ，較遠離較極端的暗背景影 像。但當原始影像I t 突然變暗時，因為原始背景模型B t 不會立即隨之突然變暗，原始影像I t 的亮度會較接近暗背景影像而較遠離原始背景模型B t ，此時，該畫素即屬於暗點，而會被計數到前述的暗點數中。也就是說，暗點即是代表突然變暗的畫素，而計算整個原始影像I t 中的暗點數，就能夠代表該原始影像I t 的畫面突然變暗的程度。
計算亮點數：非前述的暗點且符合原背景絕對值|B t -I t |大於原始影像I t 及亮背景影像Bl的亮度差的亮背景絕對值|Bl-I t |，即|B t -I t |>|Bl-I t |，的畫素總數。
因此，與暗點數同理，亮點數代表原始影像I t 的畫面突然變亮的程度。
若 暗點數>畫面的解析度M×N-暗點數，也就是說暗點數多於畫面總畫素的一半，表示畫面突然變暗，則使 原始背景模型B t =暗背景影像Bd； 否則若 亮點數>畫面的解析度M×N-亮點數，也就是說亮點數多於畫面總畫素的一半，表示畫面突然變亮，則使 原始背景模型B t =亮背景影像Bl； 否則表示畫面亮度沒有突然改變，維持原始背景模型B t 。
本步驟的邏輯關係可一併參閱圖10，圖中表示了對應到某一畫素的亮背景影像Bl、原始背景模型B t 、暗背景影像Bd，及原始影像I t 的亮度大小關係。也就是說，當畫面突然改變時，原始影像I t 與三個背景相關的畫素的亮度差的大小關係有了變化，舉例來說，本來原始影像I t 很接近 原始背景模型B t ，但現在原始影像I t 接近了暗背景影像Bd，這一畫素就是暗點，如果整個畫面的暗點數夠多，那麼就要使原始背景模型B t 等於暗背景影像Bd。
步驟S7-接收器11讀取下一張原始影像，並據以再次執行步驟S2~S6。因此，如果影像突然變亮或變亮，會重設原始背景模型B t ；如果連續數張影像亮度變化緩和，就會微調目前原始背景模型B t ，並且根據下一張影像內容疊加出更完整的原始背景模型B t 。
值得注意的是，步驟S21是從各子區塊取出最左上角位置的畫素，然後集合這些取出的畫素形成降階影像i t 。但在另一態樣中，也可以是為各個子區塊進行相關畫素的加總平均，然後集合這些平均畫素值形成降階影像i t 。當然，實施態樣不限於此，只要找出能夠代表各子區塊的畫素值即可。
且值得注意的是，前述實施例是根據原始影像I t 減少取樣後得到的降階影像i t 來偵測降階前景區塊和降階背景區塊；但在另一實施態樣中，也可以不進行降低解析度的處理，而以原始影像I t 為基礎來偵測前景區塊和背景區塊。
綜上所述，透過降階影像減少計算量、結合以區塊為基礎的方式進行前行作業的計算、使用以畫素為基礎的方式在已經大致上正確的計算結果上再增加辨識的準確度、與最後以畫面為基礎的方式因應整體亮度突發性的變化，從而能在花費較少計算量的情況下精確地完成背景與前景 的辨識，故確實能達成本發明之目的。
惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。
1‧‧‧移動偵測裝置
11‧‧‧接收器
12‧‧‧背景區塊偵測器
13‧‧‧背景模型建立器
14‧‧‧前景區塊偵測器
15‧‧‧前景判斷器
16‧‧‧背景模型更新器
S21至S27‧‧‧步驟
S31至S33‧‧‧步驟
S41至S48‧‧‧步驟
S51至S55‧‧‧步驟
S521至S528‧‧‧步驟
S61至S64‧‧‧步驟
S7‧‧‧步驟
圖1是一方塊圖，說明本發明移動偵測裝置的較佳實施例；
圖2是一流程圖，說明該較佳實施例的步驟S1及步驟S2；
圖3是一示意圖，說明該較佳實施例的步驟S26及步驟S27產生的效果；
圖4是一流程圖，說明該較佳實施例的步驟S3；
圖5是一流程圖，說明該較佳實施例的步驟S4；
圖6是一示意圖，說明該較佳實施例的步驟S46至步驟S48產生的效果；
圖7是一流程圖，說明該較佳實施例的步驟S5；
圖8是一流程圖，進一步說明該較佳實施例的步驟S52；及
圖9是一流程圖，說明該較佳實施例的步驟S6及步驟S7。
圖10是一示意圖，說明該較佳實施例的步驟S64的條件關係。
S1至S2‧‧‧步驟
S21至S27‧‧‧步驟

Claims (12)

  1. 一種移動偵測裝置，包含：一背景區塊偵測器，比較一目前影像與一前一影像中位於同一畫素位置的畫素，來決定該目前影像所具有的哪些畫素會共同形成一背景區塊，其中該目前影像和該前一影像的解析度相同；一背景模型建立器，建立一個解析度相同於該目前影像的原始背景模型，且根據該背景區塊的畫素來決定該原始背景模型內對應畫素位置的畫素值；一前景區塊偵測器，比較該目前影像與該原始背景模型中位於同一畫素位置的畫素，來決定該目前影像所具有的哪些畫素會共同形成一前景區塊；及一前景判斷器，基於該前景區塊畫素之於該原始背景模型對應位置畫素的差異，來評估該目前影像各畫素是否為前景。
  2. 根據申請專利範圍第1項所述移動偵測裝置，其中，該背景區塊偵測器根據該前一影像求取一降階影像，並根據該目前影像求取另一降階影像，比較該兩張降階影像中位於同一畫素位置的畫素，來決定該目前影像的哪些畫素會共同形成該背景區塊；其中，該前一影像的降階影像和該目前影像的降階影像解析度相同，且各降階影像的解析度小於該目前影像。
  3. 根據申請專利範圍第2項所述移動偵測裝置，其中，該背景區塊偵測器是將該前一影像切割成多個子區塊，從各子 區塊個別挑選其中一個畫素，且集合該等挑選出來的畫素形成該前一影像的降階影像；且該背景區塊偵測器是將該目前影像切割成多個子區塊，從各子區塊個別挑選其中一個畫素，且集合該等挑選出來的畫素形成該目前影像的降階影像。
  4. 根據申請專利範圍第1項所述移動偵測裝置，其中，該背景模型建立器設定原始背景模型的初始狀態為空值集合，並根據該背景區塊的畫素來決定仍為空值的原始背景模型內對應畫素位置的畫素值。
  5. 根據申請專利範圍第1項所述移動偵測裝置，還包含一背景模型更新器，根據該目前影像的所有畫素亮度總和，分別將該原始背景模型更新為一暗背景影像或一亮背景影像，其中該暗背景影像及該亮背景影像分別是已產生的原始背景模型中所有畫素亮度總和最小及最大的原始背景模型。
  6. 根據申請專利範圍第5項所述移動偵測裝置，其中，該背景模型更新器為該目前影像的每一個畫素計算出一原背景絕對值、一暗背景絕對值及一亮背景絕對值，其中各畫素的原背景絕對值代表該畫素與該原始背景模型對應畫素的亮度差，各畫素的暗背景絕對值代表該畫素與該暗背景影像對應畫素的亮度差，各畫素的亮背景絕對值代表該畫素與該亮背景影像對應畫素的亮度差；且該背景模型更新器從該目前影像的所有畫素中選出符合原背景絕對值大於暗背景絕對值的畫素當做暗點，並從 該目前影像的非暗點畫素中選出符合原背景絕對值大於亮背景絕對值的畫素當做亮點；當該目前影像的暗點數目大於畫面解析度減暗點數目，該背景模型更新器將該原始背景模型更新為該暗背景影像，當該目前影像的亮點數目大於畫面解析度減亮點數目，該背景模型更新器將該原始背景模型更新為該亮背景影像。
  7. 一種移動偵測方法，包含：(A)讀取多個原始影像，並對該等原始影像執行以下步驟；(B)將每一原始影像降低解析度為一降階影像；(C)計算各該降階影像的各畫素的亮度隨時間的變化，對亮度的變化小於一預設值的畫素所在的區域，使用一背景遮罩將該區域標示為背景；(D)根據該背景遮罩將屬於背景的區域所對應到的該原始影像的畫素的值提取而形成一原始背景模型；(E)以一背景估計方法調整該原始背景模型；(F)將該原始背景模型降低解析度為一降階背景模型；(G)計算該降階背景模型與該降階影像的各畫素的亮度的差異，對亮度的差異大於一預設值的畫素所在的區域，使用一前景遮罩將該區域標示為前景；(H)根據前景遮罩分別對屬於前景及背景的區域所對應到的該原始影像的畫素計算一前景平均及一背景平均； (I)將該前景平均及該背景平均代入一機率函數，計算該原始影像的每一畫素的一前景機率及一背景機率；及(J)判定是否背景機率大於前景機率，若是，則確認該畫素為一背景畫素，否則確認該畫素為一前景畫素。
  8. 根據申請專利範圍第7項所述移動偵測方法，還包含：(K)當處理第二張原始影像時，以原始背景模型當作一亮背景影像，以原始背景模型當作一暗背景影像，當處理第三張及其後的原始影像時，則執行步驟(L)及步驟(M)；(L)調整該亮背景影像及該暗背景影像，即計算並判斷若亮背景影像亮度總和小於原始背景模型亮度總和，則使亮背景影像等於原始背景模型，否則若暗背景影像亮度總和大於原始背景模型亮度總和，則使暗背景影像等於原始背景模型；及(M)調整原始背景模型，包括計算一該原始影像及原始背景模型的各畫素的亮度差的原背景絕對值，一該原始影像及該暗背景影像的亮度差的亮背景絕對值，及一該原始影像及該亮背景影像的亮度差的亮背景絕對值，計算暗點數，即符合原背景絕對值大於亮背景絕對值的畫素總數，計算亮點數，即非前述的暗點且符合原背景絕對值大於亮背景絕對值的畫素總數，及若該暗點數大於畫面的解析度減該暗點數，則使 該原始背景模型等於該暗背景影像，否則若該亮點數大於畫面的解析度減該亮點數，則使該原始背景模型等於該亮背景影像。
  9. 根據申請專利範圍第7項所述移動偵測方法，其中，步驟(B)是將原始影像平均切割成多個子區塊，各子區塊個別挑選其中一個畫素，挑選出來的畫素挑選出來的畫素形成該原始影像的降階影像，該原始影像的數個被切割到同一子區塊的畫素是對應到同一個降階影像的畫素，步驟(D)中設定原始背景模型的初始狀態為空值集合，且背景遮罩定義了原始影像的數個屬於降階影像的畫素所對應的子區塊中的畫素是否為背景區塊的畫素，並藉該定義將所對應到的原始影像的畫素的值直接指派給所對應到的仍為空值的原始背景模型的畫素。
  10. 根據申請專利範圍第7項所述移動偵測方法，其中，步驟(C)還包括執行一個二進位的四連接度元素標示演算法，將相連接的背景畫素標上相同的標籤，定義相同標籤者為同一背景區塊，並計算各背景區塊大小，然後僅保留最大的背景區塊，其餘畫素視為前景。
  11. 根據申請專利範圍第7項所述移動偵測方法，其中，步驟(E)是當該原始背景模型的畫素不是空值之後，以簡單Σ-△背景估計調整該等不是空值的畫素，該簡單Σ-△背景估計是取一當前原始影像的畫素的亮度減前一時刻的原始背景模型的畫素的亮度的符號函數的值，加上前一時刻的原始背景模型的畫素的亮度，做為當前的原始背景模型的 畫素的亮度。
  12. 根據申請專利範圍第7項所述移動偵測方法，其中，步驟(G)還包括執行一個二進位的四連接度元素標示演算法，將相連接的前景畫素標上相同的標籤，定義相同標籤者為同一前景區塊，再計算各該前景區塊大小，然後去除過小的前景區塊，接著對前景區塊進行一型態膨脹運算，即是預先設定一膨脹半徑，將屬於前景區塊的畫素的四周位於該膨脹半徑內的畫素設為前景。
TW101119531A 2012-05-31 2012-05-31 A motion detection device and a motion detection method TWI478078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW101119531A TWI478078B (zh) 2012-05-31 2012-05-31 A motion detection device and a motion detection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW101119531A TWI478078B (zh) 2012-05-31 2012-05-31 A motion detection device and a motion detection method

Publications (2)

Publication Number Publication Date
TW201349131A true TW201349131A (zh) 2013-12-01
TWI478078B TWI478078B (zh) 2015-03-21

Family

ID=50157446

Family Applications (1)

Application Number Title Priority Date Filing Date
TW101119531A TWI478078B (zh) 2012-05-31 2012-05-31 A motion detection device and a motion detection method

Country Status (1)

Country Link
TW (1) TWI478078B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9807316B2 (en) 2014-09-04 2017-10-31 Htc Corporation Method for image segmentation
CN109766846A (zh) * 2019-01-15 2019-05-17 电子科技大学 一种基于视频的自适应多车道车流检测方法及***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7676081B2 (en) * 2005-06-17 2010-03-09 Microsoft Corporation Image segmentation of foreground from background layers
EP2106664A2 (en) * 2007-01-23 2009-10-07 Euclid Discoveries, LLC Systems and methods for providing personal video services
US8041077B2 (en) * 2007-12-18 2011-10-18 Robert Bosch Gmbh Method of motion detection and autonomous motion tracking using dynamic sensitivity masks in a pan-tilt camera
TWI389559B (zh) * 2009-08-14 2013-03-11 Ind Tech Res Inst 前景影像分離方法
TWI413024B (zh) * 2009-11-19 2013-10-21 Ind Tech Res Inst 物件偵測方法及系統
TWI425446B (zh) * 2010-10-29 2014-02-01 Univ Nat Chiao Tung 日夜環境物件偵測方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9807316B2 (en) 2014-09-04 2017-10-31 Htc Corporation Method for image segmentation
CN109766846A (zh) * 2019-01-15 2019-05-17 电子科技大学 一种基于视频的自适应多车道车流检测方法及***
CN109766846B (zh) * 2019-01-15 2023-07-18 电子科技大学 一种基于视频的自适应多车道车流检测方法及***

Also Published As

Publication number Publication date
TWI478078B (zh) 2015-03-21

Similar Documents

Publication Publication Date Title
CN108038883B (zh) 一种应用于公路路面视频图像的裂缝检测及识别方法
CN106296725B (zh) 运动目标实时检测与跟踪方法及目标检测装置
US8280106B2 (en) Shadow and highlight detection system and method of the same in surveillance camera and recording medium thereof
US8599257B2 (en) Vehicle detection device, vehicle detection method, and vehicle detection program
CN108229475B (zh) 车辆跟踪方法、***、计算机设备及可读存储介质
KR20110072426A (ko) 실시간 카메라 모션 추정을 이용한 물체 검출/추적 방법 및 단말
CN106327488B (zh) 一种自适应的前景检测方法及其检测装置
KR20130030220A (ko) 고속 장애물 검출
CN107705254B (zh) 一种基于街景图的城市环境评估方法
EP2993621B1 (en) Method and apparatus for detecting shielding against object
CN106204617B (zh) 基于残差图像直方图循环移位的自适应图像二值化方法
Zhang et al. Moving vehicles segmentation based on Bayesian framework for Gaussian motion model
CN107274452B (zh) 一种痘痘自动检测方法
CN103729828A (zh) 视频去雨方法
CN111652033A (zh) 基于OpenCV的车道线检测方法
TWI478078B (zh) A motion detection device and a motion detection method
TWI383690B (zh) 影像處理的方法
WO2019001698A1 (en) ADVANCED DRIVING ASSISTANCE SYSTEM AND METHOD
CN108010050B (zh) 一种基于自适应背景更新和选择性背景更新的前景检测方法
CN107437071B (zh) 一种基于双黄线检测的机器人自主巡检方法
CN111079516A (zh) 基于深度神经网络的行人步态分割方法
CN110705568A (zh) 一种图像特征点提取的优化方法
CN106951831B (zh) 一种基于深度摄像机的行人检测跟踪方法
CN104881669A (zh) 一种基于颜色对比度的局部区域检测子提取方法及***
JP6173962B2 (ja) レーンマーク認識装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees