本发明专利技术提供了一种静止前景物体的检测方法及设备，其中，方法包括：连续采集被监控区域的图像，得到包括前景物体在内的所述被监控区域的图像序列；创建并初始化一个频率图；根据不同的模型更新率，建立第一背景模型和第二背景模型，并根据第一背景模型和第二背景模型，从所采集的当前图像中提取第一前景图像和第二前景图像；对第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体；根据最后的检测结果，按照各自不同的更新率，对第一背景模型和第二背景模型进行更新。本发明专利技术的实验结果表明，该方法在室内外场景均能准确检测出静止的前景物体，可用于例如视频监控、视频会议等视频图像处理领域。
【技术实现步骤摘要】
本专利技术涉及视频图像处理技术，更具体地说，本专利技术涉及一种在已采集的视频图像序列中检测静止前景物体的方法及设备。
技术介绍
随着计算机技术、图像处理技术的飞速发展，视频被越来越多的应用到社会的各个领域，如视频监控、视频会议等。对视频的分析处理，已成为当前图像处理领域的研究热点，其关键的处理技术就是对视频序列中的运动物体或目标进行检测，其结果通常用于目标跟踪、分类等更高层次的分析与处理。作为运动物体检测的一种有效方法，减背景 (Background Subtraction)算法将场景背景从当前图像中减去以得到运动前景，具有准确定位和不扩大运动区域等优点。通常假设背景完全静止不动或背景通过拍摄没有运动前景物体的图像得到。然而在实际应用，如视频会议中，不包括运动前景或完全静止不变的背景图像很难得到。因此，鲁棒的减背景算法首先需要从包含运动前景的复杂场景序列图像中动态的建立背景模型。然而，动态建立背景模型的减背景算法在实际应用时仍然存在一个严重问题当运动物体进入场景中时，减背景算法能够准确迅速的检测到运动前景。当运动物体运动到一定位置后停止运动，并在较长一段时间内保持静止，减背景算法会在其动态更新背景模型的过程中，将静止的前景物体逐步的更新到背景模型，进而认为场景中没有前景物体，即使此时前景物体仍然存在于场景中。现有技术中，检测静止的前景物体的方法主要有两种 一种是基于运动矢量的方法，这种方法计算代价高，对硬件系统也有较高要求，不适于推广应用。另一种方法是通过采集没有前景物体的背景图像，建立先验的背景模型，这种方法计算代价小，但是如上所述，很难在实际应用中实现。例如，专利文献1提出了一种基于混合高斯模型的静止物体检测方法。此专利首先使用包含三个高斯分布的混合高斯模型对背景进行建模，然后使用一个用户预先设置的阈值，和混合高斯模型中所有高斯分布的权值进行比较，比较结果用于判断图像像素是否属于静止物体。但是，在实际应用中，用户很难针对所有场景设置一个阈值，而此专利所述方法中阈值的准确性直接影响最后检测结果的准确性。此外，使用单个混合高斯模型对背景建模，准确性易受环境噪声的影响。专利文献2提出了一种静止物体检测方法。此专利中，静止物体检测模块与运动物体检测模块相互独立。当运动物体检测模块未检测到运动物体时，才调用静止物体检测模块。静止物体检测模块中，首先在当前帧和当前帧的前一帧之间进行逐像素的比较，然后统计比较结果中像素值相同的像素个数。如果像素个数超过预设阈值，则表示检测到静止物体。但是，此专利中运动物体检测和静止物体检测相互独立，没有整合在同一计算框架中，增加了计算复杂性和计算代价。此外，此专利需要在检测开始之间，使用一组无前景物体的背景图像建立先验背景模型，降低了专利的通用性和实用性。专利文献1美国专利US 7620266B专利文献2美国专利US 2008/0181457A1
技术实现思路
如上所述，现有的静止前景物体检测方法都无法有效地适应实际应用的需求。针对现有技术中存在的问题，本专利技术提出一种新的静止前景物体检测方法。在本专利技术中，所谓的静止前景物体为该物体本身并不是场景中的一部分，物体在进入场景后保持静止直至它再次移动。在物体静止的这段时间，该物体即为一个静止前景物体。与传统的单背景模型的方法不同，本专利技术建立了两个背景模型。第一背景模型为使用第一更新率的背景模型，它能够表征像素的颜色分布中最稳定不变的部分；第二背景模型为使用高于第一更新率的第二更新率的背景模型，它能够判断出属于运动前景物体的像素。这就意味着根据更新率不同的两个背景模型，能够判别出属于静止前景物体的像素。根据本专利技术的一个方面，提供一种静止前景物体的检测方法，包括连续采集被监控区域的当前图像，得到包含前景物体的视频图像序列；创建并初始化一个频率图；根据第一更新率建立第一背景模型和根据大于第一更新率的第二更新率建立第二背景模型，并根据已建立的第一背景模型使用减背景方法从所采集的当前图像中提取第一前景图像和根据已建立的第二背景模型使用减背景方法从所采集的当前图像中提取第二前景图像；以及对提取出的第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体。所述静止前景物体的检测方法还包括根据最后的检测结果，按照各自不同的更新率，对第一背景模型和第二背景模型进行更新。所述频率图是一个记录帧间运动统计信息的二维图，被用于判断某一像素是否属于静止的前景物体。初始化操作包括设置频率图的初始尺寸为被监控区域的尺寸，以及设置频率图中所有项的初始值为零。所述第一背景模型和第二背景模型为混合高斯模型。所述的减背景方法为基于自适应的混合高斯模型的减背景方法。所述对提取出的第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体的步骤包括对所提取出的第一前景图像和第二前景图像进行分析，比较同一像素在第一前景图像和第二前景图像中像素值的差异，建立决策树，并根据比较结果和决策树对当前图像中的所有像素进行分类；以及根据分类结果对所建立的频率图进行更新，并根据当前像素在频率图中对应项的值进行判断，决定当前像素是否属于静止的前景物体。所述对当前图像中的所有像素进行分类是根据决策树将当前图像中的所有像素分为运动物体、候选静止物体、被遮挡的背景、以及场景背景四类。所述对频率图进行更新包括根据当前像素的分类结果，对频率图中对应项的值进行更新。所述利用更新后的频率图检测静止的前景物体包括检查更新后的频率图中所有项的值，如果某一项的值超过预设阈值，则和该项相对应的像素被判定为属于静止的前景物体。所述更新背景模型包括根据当前采集的图像序列和模型的更新率对背景模型进行更新。根据本专利技术的另一个方面，提供了一种静止前景物体的检测设备，该设备包括图像采集模块，用于连续采集被监控区域的当前图像，得到包含前景物体的视频图像序列；初始化模块，用于创建并初始化一个频率图；背景减除模块，用于根据第一更新率建立第一背景模型和根据比第一更新率高的第二更新率建立第二背景模型，并根据已建立的第一背景模型使用减背景方法从所采集的当前图像中提取第一前景图像，和根据已建立的第二背景模型使用减背景方法从所采集的当前图像中提取第二前景图像；静止物体检测模块，用于对提取出的第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体。所述检测设备还包括背景模型更新模块，用于根据最后的检测结果，按照各自不同的更新率，对第一背景模型和第二背景模型进行更新。所述初始化模块创建初始化频率图，包括设置频率图的初始尺寸为被监控区域的尺寸，以及设置频率图中所有项的初始值为零。所述静止物体检测模块包括像素分类单元，用于比较同一像素在第一前景图像和第二前景图像中像素值的差异，并建立决策树，根据比较结果和决策树对当前图像中的所有像素进行分类；以及频率图更新单元，用于根据分类结果对在初始化模块中建立的频率图进行更新，并根据当前像素在频率图中对应项的值进行判断，决定当前像素是否属于静止的前景物体。所述像素分类单元根据决策树将当前图像中的所有像素分为运动物体、候选静止物体、被遮挡的背景，场景背景四类。所述频率图更新单元根据当前本文档来自技高网...
【技术保护点】
１．一种静止前景物体的检测方法，包括步骤：（ａ）连续采集被监控区域的当前图像，得到包含前景物体的视频图像序列；（ｂ）创建并初始化一个频率图；（ｃ）根据第一更新率建立第一背景模型和根据大于第一更新率的第二更新率建立第二背景模型，并根据已建立的第一背景模型使用减背景方法从所采集的当前图像中提取第一前景图像和根据已建立的第二背景模型使用减背景方法从所采集的当前图像中提取第二前景图像；（ｄ）对提取出的第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体。
【技术特征摘要】
【专利技术属性】
技术研发人员：邓宇，
申请(专利权)人：株式会社理光，
类型：发明
国别省市：JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。