运动物体检测方法、系统、计算设备及存储介质技术方案

本发明专利技术公开了一种运动物体检测方法、系统、计算设备及存储介质，所述方法包括：获取运动物体的视频帧；遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图；利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型；根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素；对背景像素的背景模型进行更新；减小前景像素的背景模型更新因子的数值大小。本发明专利技术实现了在实际应用场景的鲁棒性，能够让运动物体检测更加精确，减少将背景像素误识别为前景的情况的产生，并有效解决长时间停留的前景物体被错误归类为背景的问题。

Moving Object Detection Method, System, Computing Equipment and Storage Media

The invention discloses a method for detecting moving objects, a system, a computing device and a storage medium. The method includes: acquiring video frames of moving objects; traversing all video frames and generating a color background image without foreground by using frame difference method; initializing background model for each pixel of all video frames by using pre-N frame video frames; and according to the neighborhood image of all video frames. Pixel and color background images are used to determine whether each pixel of all video frames is a background pixel or a foreground pixel; the background model of the background pixel is updated; and the numerical value of the updating factor of the background model of the foreground pixel is reduced. The invention achieves robustness in practical application scenarios, makes moving object detection more accurate, reduces the occurrence of misrecognition of background pixels as foreground, and effectively solves the problem of foreground objects that stay for a long time being misclassified as background.

【技术实现步骤摘要】
运动物体检测方法、系统、计算设备及存储介质
本专利技术涉及一种运动物体检测方法、系统、计算设备及存储介质，属于计算机视觉领域。
技术介绍
在视频流中的运动物体检测是视频分析与理解的重要技术，是部分计算机视觉任务重要的预处理步骤，如物体识别、运动物体跟踪等。实际运用场景中，运动物体检测算法会遭遇许多挑战，例如当光照变化较为剧烈时，算法容易将光照变化的背景误判为前景；运动物体在某个区域滞留一段时间时，会被误识别成背景；长时间静止物体开始运动时，该运动物体长时间保持静止状态所覆盖的背景区域会被误分类成前景。为了对抗各种实际环境的干扰，许多方法都被提出以实现算法在实际运用的鲁棒性。LuciaMaddalena等人提出的SOBS(Self-OrganizationBackgroundSubtraction，自组织背景减除)算法运用自组织的方法，结合高斯分布，实现对前景背景的分割。算法在外界干扰较少的情况下，对运动物体有很好地检测，但当物体间歇性运动时，就会误报较多错误的前景与背景；同时在物体噪点较多时，检测效果也差强人意。FlorianSeidel等人提出的pROST将预测子空间的一种有效的交替式在线最优化框架运用到运动物体检测中，并引入一种加权鲁棒的损失函数，在镜头摇晃的场景下依旧能实现有效的运动物体检测，但该算法只在这类镜头摇晃的场景有好的表现，在其他场景如前景与背景颜色相仿时，误检的概率较高。
技术实现思路
本专利技术的第一个目的在于提供一种运动物体检测方法，该方法实现了在实际应用场景的鲁棒性，能够让运动物体检测更加精确，减少将背景像素误识别为前景的情况的产生，并有效解决长时间停留的前景物体被错误归类为背景的问题。本专利技术的第二个目的在于提供一种运动物体检测系统。本专利技术的第三个目的在于提供一种计算设备。本专利技术的第四个目的在于提供一种存储介质。本专利技术的第一个目的可以通过采取如下技术方案达到：一种运动物体检测方法，所述方法包括：获取运动物体的视频帧；遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图；利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型；其中，每个背景模型包含N个背景样本；根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素；对背景像素的背景模型进行更新；减小前景像素的背景模型更新因子的数值大小。进一步的，所述遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图，具体包括：在相邻的两帧之间，运用帧差法，计算相邻两帧每个位置像素值的差值；若所述差值小于第一预设阈值，则将相邻两帧的后一帧对应位置的像素分类为背景，并放入一个子集中，遍历所有的视频帧后，所有视频帧的每个像素位置均对应一个包含分类为背景像素的子集，每个子集包含不同个数的像素；对每个子集中的像素进行分类，若分类出的类别数量大于1，则选出包含像素数量最多的前两个类别，对这两个类别中的所有像素取平均值，作为彩色背景图对应位置的像素，以构成不含前景的彩色背景图；若分类出的类别数量为1，则直接对该类别的所有像素取平均值，作为彩色背景图对应位置的像素，以构成不含前景的彩色背景图；将不含前景的彩色背景图的RGB颜色空间转换成HSV颜色空间。进一步的，所述利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型，具体包括：再次遍历所有的视频帧，每输入一帧视频帧，将视频帧的RGB颜色空间转换成HSV颜色空间；将视频帧每个像素的H分量、S分量和V分量赋值给背景样本像素的H分量、S分量和V分量；将一个常量值赋值给背景样本所对应的权重；利用前N帧视频帧中的每一帧视频帧初始化一个背景样本，初始化后，所有视频帧的每个像素对应一个背景模型，每个背景模型包含N个背景样本。进一步的，所述根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素，具体包括：将所有视频帧的每个像素作为一个中心像素，遍历每个中心像素及其上下左右四个邻域像素，每遍历一个像素，将该像素与其背景模型的每个背景样本进行比较，计算该像素与每个背景样本的差值，若该像素与其中一个背景样本的差值小于第二预设阈值，则判断该像素与其背景模型相似；若该像素与每个背景样本的差值均大于或等于阈值第二预设阈值，则判断该像素与其背景模型不相似；在每个中心像素及其上下左右四个邻域像素中，若存在至少K个像素与各自的背景模型相似，则判断中心像素是背景像素；若与各自背景模型相似的像素数量低于K个，则将中心像素与彩色背景图相同位置的像素进行比较，若相似，则判断中心像素是背景像素，否则，判断中心像素是前景像素。进一步的，所述对背景像素的背景模型进行更新，具体包括：随机选取背景模型的N个背景样本中的其中一个，作为被更新背景样本；结合更新因子对被更新背景样本的像素进行更新；将被更新背景样本的权重增大0.02，以及将其余背景样本的权重减小0.02。进一步的，所述对背景像素的背景模型进行更新之后，还包括：对背景模型中的每个背景样本按照权重大小从大到小排序；记录每个背景样本排序最后一名的次数，并根据该次数判断是否利用当前像素重新初始化背景样本。进一步的，所述记录每个样本排序最后一名的次数，并根据该次数判断是否用当前像素重新初始化背景样本，具体为：记录每个背景样本排序最后一名的次数，若存在背景样本排序最后一名的次数大于第三预设阈值，则利用当前像素重新初始化该背景样本。本专利技术的第二个目的可以通过采取如下技术方案达到：一种运动物体检测系统，所述系统包括：获取模块，用于获取运动物体的视频帧；生成模块，用于遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图；初始化模块，用于利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型；其中，每个背景模型包含N个背景样本；判断模块，用于根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素；更新模块，用于对背景像素的背景模型进行更新；减少模块，用于减小前景像素的背景模型更新因子的数值大小。本专利技术的第三个目的可以通过采取如下技术方案达到：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的运动物体检测方法。本专利技术的第四个目的可以通过采取如下技术方案达到：一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的运动物体检测方法。本专利技术相对于现有技术具有如下的有益效果：本专利技术与传统的运动检测算法相比，在判断前景背景阶段引入了不含前景物体的彩色背景图，可有效解决长时间静止物体突然运动所带来的“假前景”问题；将视频帧的每个像素及其邻域的像素考虑进来，运用像素的空间相关性使得运动物体的检测更加精确；同时通过减小前景像素的背景模型更新因子的数值大小，以延长运动物体滞留在某一地方时，被正确识别为前景的时间。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例1的运动物体检测方法的流程图。图2为本专利技术实施例1的生成不含前景的彩色背景图的流程图。图3为本专利技术实施例1的本文档来自技高网...

【技术保护点】
1.一种运动物体检测方法，其特征在于，所述方法包括：获取运动物体的视频帧；遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图；利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型；其中，每个背景模型包含N个背景样本；根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素；对背景像素的背景模型进行更新；减小前景像素的背景模型更新因子的数值大小。

【技术特征摘要】
1.一种运动物体检测方法，其特征在于，所述方法包括：获取运动物体的视频帧；遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图；利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型；其中，每个背景模型包含N个背景样本；根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素；对背景像素的背景模型进行更新；减小前景像素的背景模型更新因子的数值大小。2.根据权利要求1所述的运动物体检测方法，其特征在于，所述遍历所有的视频帧，利用帧差法，生成一张不含前景的彩色背景图，具体包括：在相邻的两帧之间，运用帧差法，计算相邻两帧每个位置像素值的差值；若所述差值小于第一预设阈值，则将相邻两帧的后一帧对应位置的像素分类为背景，并放入一个子集中，遍历所有的视频帧后，所有视频帧的每个像素位置均对应一个包含分类为背景像素的子集，每个子集包含不同个数的像素；对每个子集中的像素进行分类，若分类出的类别数量大于1，则选出包含像素数量最多的前两个类别，对这两个类别中的所有像素取平均值，作为彩色背景图对应位置的像素，以构成不含前景的彩色背景图；若分类出的类别数量为1，则直接对该类别的所有像素取平均值，作为彩色背景图对应位置的像素，以构成不含前景的彩色背景图；将不含前景的彩色背景图的RGB颜色空间转换成HSV颜色空间。3.根据权利要求1所述的运动物体检测方法，其特征在于，所述利用前N帧视频帧，为所有视频帧的每个像素初始化背景模型，具体包括：再次遍历所有的视频帧，每输入一帧视频帧，将视频帧的RGB颜色空间转换成HSV颜色空间；将视频帧每个像素的H分量、S分量和V分量赋值给背景样本像素的H分量、S分量和V分量；将一个常量值赋值给背景样本所对应的权重；利用前N帧视频帧中的每一帧视频帧初始化一个背景样本，初始化后，所有视频帧的每个像素对应一个背景模型，每个背景模型包含N个背景样本。4.根据权利要求1所述的运动物体检测方法，其特征在于，所述根据所有视频帧的邻域像素和彩色背景图，判断所有视频帧的每个像素是背景像素还是前景像素，具体包括：将所有视频帧的每个像素作为一个中心像素，遍历每个中心像素及其上下左右四个邻域像素，每遍历一个像素，将该像素与其背景模型的每个背景样本进行比较，计算该像素与每个背景样本的差值，若该像素与其中一个背景样...

【专利技术属性】
技术研发人员：彭绍湖，邓铭杰，刘长红，范俊宇，肖忠，杨兴鑫，利恒浩，林生益，王力，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东,44