运动目标的检测方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种运动目标的检测方法、装置、设备及可读存储介质，通过获取视频序列帧图像；采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；采用改进的五帧差分算法根据当前帧背景图像和当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；对第一运动目标二值图和第二运动目标二值图进行或运算，以获得总运动目标二值图；对总运动目标二值图进行形态学处理，以获得运动目标。提高了改进的五帧差分算法的运动目标检测的准确性，基本上消除存在的拖影问题，并且将两种算法检测出的运动目标进行或运算，得到两种算法检测到的所有运动目标，能够使检测出的运动目标具有较完整的轮廓。

Detection method, device, equipment and readable storage medium of moving object

【技术实现步骤摘要】
运动目标的检测方法、装置、设备及可读存储介质
本专利技术实施例涉及视觉图像处理
，尤其涉及一种运动目标的检测方法、装置、设备及可读存储介质。
技术介绍
随着科技的进步，以计算机为核心的视觉图像处理技术也得到了快速发展。运动目标检测作为视觉图像处理的一个核心内容，在智能监控、医学和军事等多个领域得到了广泛地应用。现有的运动目标检测的算法类型众多。大致分为光流法、帧差法、和背景减除法。光流法由于其算法的复杂性，对硬件要求较高等原因，较少使用。现在主流的运动目标检测的算法是帧差法和背景减除法。现有的以五帧差分算法为代表的帧差法虽然提取的运动目标相比其他几种帧间差分算法有一定的改进，但仍存在拖影，轮廓不完整等问题。
技术实现思路
本专利技术实施例提供一种运动目标的检测方法、装置、设备及可读存储介质，解决了现有技术中的运动目标的检测方法中存在空洞，轮廓不完整，易受环境噪声和光照图片的影像，容易出现鬼影问题的问题。第一方面，本专利技术实施例提供一种运动目标的检测方法，包括：获取视频序列帧图像；采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；采用改进的五帧差分算法根据所述当前帧背景图像和所述当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；对所述第一运动目标二值图和所述第二运动目标二值图进行或运算，以获得总运动目标二值图；对所述总运动目标二值图进行形态学处理，以获得运动目标。第二方面，本专利技术实施例提供一种运动目标的检测装置，包括：图像获取单元，用于获取视频序列帧图像；高斯混合模型检测单元，用于采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；改进五帧差分算法检测单元，用于采用改进的五帧差分算法根据所述当前帧背景图像和所述当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；或运算单元，用于对所述第一运动目标二值图和所述第二运动目标二值图进行或运算，以获得总运动目标二值图；形态学处理单元，用于对所述总运动目标二值图进行形态学处理，以获得运动目标。第三方面，本专利技术实施例提供一种电子设备，包括：存储器，处理器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如第一方面中任一项所述的方法。第四方面，本专利技术实施例提供一种可读存储介质，包括：其上存储有计算机程序，所述计算机程序被处理器执行以实现如第一方面中任一项所述的方法。本专利技术实施例提供一种运动目标的检测方法、装置、设备及可读存储介质，通过获取视频序列帧图像；采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；采用改进的五帧差分算法根据当前帧背景图像和当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；对第一运动目标二值图和第二运动目标二值图进行或运算，以获得总运动目标二值图；对总运动目标二值图进行形态学处理，以获得运动目标。由于使用高斯混合模型的当前帧背景图像作为改进的五帧差分算法的背景帧，对运动目标进行识别，所以提高了改进的五帧差分算法的运动目标检测的准确性，基本上消除存在的拖影问题，并且将高斯混合模型检测出的运动目标和改进的五帧差分算法检测出的运动目标进行或运算，得到两种算法检测到的所有运动目标，能够使检测出的运动目标更加丰富，具有较完整的轮廓。应当理解，上述
技术实现思路
部分中所描述的内容并非旨在限定本专利技术的实施例的关键或重要特征，亦非用于限制本专利技术的范围。本专利技术的其它特征将通过以下的描述变得容易理解。附图说明为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术实施例一提供的运动目标的检测方法的流程图；图2为本专利技术实施例二提供的运动目标的检测方法的流程图；图3为本专利技术实施例二提供的运动目标的检测方法步骤202的流程图；图4为本专利技术实施例二提供的运动目标的检测方法步骤202d的流程图；图5为本专利技术实施例二提供的运动目标的检测方法步骤203的第一流程图；图6为本专利技术实施例二提供的运动目标的检测方法步骤203的第二流程图；图7为本专利技术实施例二提供的运动目标的检测方法步骤203b的流程图；图8为本专利技术实施例三提供的运动目标的检测装置的结构示意图；图9为本专利技术实施例四提供的运动目标的检测装置的结构示意图；图10为本专利技术实施例五提供的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本专利技术的实施例。虽然附图中显示了本专利技术的某些实施例，然而应当理解的是，本专利技术可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本专利技术。应当理解的是，本专利技术的附图及实施例仅用于示例性作用，并非用于限制本专利技术的保护范围。本专利技术实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术实施例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。为了清楚理解本申请的技术方案，下面对本申请中涉及的算法和术语进行解释：高斯混合模型：高斯混合模型就是用高斯概率密度函数，即正态分布曲线精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。对图像背景建立高斯混合模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。如果图像所包含的目标区域和背景区域相差比较大，且背景区域和目标区域在灰度上有一定的差异，那么该图像的灰度直方图呈现双峰-谷形状，其中一个峰对应于目标，另一个峰对应于背景的中心灰度。对于复杂的图像，尤其是医学图像，一般是多峰的。通过将直方图的多峰特性看作是多个高斯分布的叠加，可以解决图像的分割问题。在智能监控系统中，对于运动目标的检测是中心内容，而在运动目标检测提取中，背景目标对于目标的识别和跟踪至关重要。而建模正是背景目标提取的一个重要环节。帧间差分算法：帧间差分算法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮本文档来自技高网...

【技术保护点】
1.一种运动目标的检测方法，其特征在于，包括：/n获取视频序列帧图像；/n采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；/n采用改进的五帧差分算法根据所述当前帧背景图像和所述当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；/n对所述第一运动目标二值图和所述第二运动目标二值图进行或运算，以获得总运动目标二值图；/n对所述总运动目标二值图进行形态学处理，以获得运动目标。/n

【技术特征摘要】
1.一种运动目标的检测方法，其特征在于，包括：
获取视频序列帧图像；
采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像；
采用改进的五帧差分算法根据所述当前帧背景图像和所述当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图；
对所述第一运动目标二值图和所述第二运动目标二值图进行或运算，以获得总运动目标二值图；
对所述总运动目标二值图进行形态学处理，以获得运动目标。


2.根据权利要求1所述的方法，其特征在于，还包括：
对所述第一运动目标二值图和所述第二运动目标二值图进行差分运算；
根据差分运算后的二值图对所述高斯混合模型进行更新。


3.根据权利要求2所述的方法，其特征在于，所述根据差分运算后的二值图对所述高斯混合模型进行更新，具体为：
根据所述差分运算后的二值图中的非零像素点对所述高斯混合模型进行更新。


4.根据权利要求1所述的方法，其特征在于，所述采用高斯混合模型对当前帧图像进行运动目标检测，以获取第一运动目标二值图和当前帧背景图像，具体包括：
判断当前帧图像中的每个像素点是否符合所述高斯混合模型；
若某像素点符合所述高斯混合模型，则确定为背景像素点；
若某像素点不符合所述高斯混合模型，则确定为运动目标像素点；
根据所述背景像素点和所述运动目标像素点确定第一运动目标二值图和当前帧背景图像。


5.根据权利要求4所述的方法，其特征在于，所述根据所述背景像素点和所述运动目标像素点确定第一运动目标二值图和当前帧背景图像，具体包括：
将所述背景像素点转换为零像素点，将所述运动目标像素点转换为非零像素点，将所述零像素点和所述非零像素点构成的二值图确定为第一运动目标二值图；
将所述运动目标像素点替换为初始背景像素点，将所述背景像素点和所述初始背景像素点构成的图像确定为当前帧背景图像。


6.根据权利要求1所述的方法，其特征在于，所述采用改进的五帧差分算法根据所述当前帧背景图像和当前帧图像对应的五帧图像进行运动目标检测，以获得第二运动目标二值图，具体包括：
将所述当前帧图像与所述当前帧背景图像，除所述当前帧图像的其他四帧图像分别进行差分运算并进行二值化处理，以获得对应的差分二值图；
将除所述...

【专利技术属性】
技术研发人员：刘红雅，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11