[發明專利]圖像平面中檢測物體的方法與系統

有效

• 申請號: 200610143258.2
• 申請日: 2006-11-01
• 公開（公告）號: CN101174302A
• 公開（公告）日: 2008-05-07
• 發明（設計）人: 王文豪
• 申請（專利權）人: 財團法人工業技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04N5/14
• 代理公司: 隆天國際知識產權代理有限公司
• 代理人: 陳晨

技術領域

本發明有關于一種圖像平面(image?plane)中檢測物體(object?detection)的方法與系統。

背景技術

物體檢測在多種視頻應用上扮演重要的角色，例如計算機視覺(computervision)和視頻監督(video?surveillance)系統。通常，物體檢測是視頻系統成功的主要因素之一。

在日本專利61003591的文獻里，將背景畫面(background?picture)存于第一個畫面存儲器(picture?memory)，將目前含有物體的畫面存于第二個畫面存儲器，兩個畫面存儲器中的數據相減結果就是景象改變(scene?change)的地方，也就是物體存在的地方。

幾篇美國專利和公開的文獻里，也有提到物體檢測的技術。例如美國專利US5099322利用物體檢測器(object?detector)來檢測連續兩張畫面突然的變化(abrupt?change)，并由計算特征(feature?computing)通過決策處理器(decisionprocessor)來決定是否有景象改變的地方。而美國專利US6999604是利用色彩標準化裝置(color?normalizer)將畫面中的色彩標準化，再用色彩轉換器(color?transformer)進行色彩轉換，如此可將圖像增強并強化畫面中類似物體的區域而有益于檢測物體；并與預先設定的物體顏色直方圖(color?histogram)進行對比，再利用模糊適應法則(fuzzy?adaptive?algorithm)找出畫面中的移動物體。

美國專利公開文獻2004/0017938公開的技術是預先設定物體的顏色特性，在檢測時，滿足顏色預定值即判斷為物體。美國專利公開文獻US2005/0111696公開的技術是在低照度下，以長期曝光的方式拍攝目前畫面，并與先前拍攝的參考畫面比較，而檢測到改變處。美國專利公開文獻2004/0086152將圖像分成幾個模塊(block)，對比目前圖像模塊與前一張圖像相應模塊的頻域轉換系數的差異，當差異值超過某一閾值時表示此模塊有改變。

高斯混合模型(Gaussian?Mixture?Model，GMM)通常用來模型化每一像素(pixel)或區域(region)，以使背景模型(background?model)適應于變化的亮度值(changing?illumination)，不適合此模型的像素值就視為前景(foreground)。

Dedeoglu?Y.等人在2005年公開的文獻“Human?Action?RecognitionUsing?Gaussian?Mixture?Model?Based?Background?Segmentation”中，利用高斯混合模型來實時檢測移動的物體(real-time?moving?object?detection)。

隱馬爾可夫模型(Hidden?Markov?Modell，HMM)用來模型化非靜態程序(non-stationary?process)，將時間軸上的連續性約束(continuity?constraint)放入連續像素的強度(intensity)來考慮。也就是說，如果一個像素被檢測為前景，就期待此像素在一段時間內仍為前景。此隱馬爾可夫模型的好處主要有(1)不需要選擇訓練數據(training?data)，(2)通過不同的隱藏式狀態(state)，可得知來自混合前景符號(symbol)與背景符號的序列的前景與背景的統計特征(statistical?characteristics)。

一個隱馬爾可夫模型H可以用下列的方式表示：

H：＝(N，M，A，π，P)

其中，N是狀態的個數(number?of?states)，M是符號的個數(number?ofsymbols)，A是狀態轉移概率矩陣(state?transition?probability?matrix)，A＝{a_ij，i，j＝1，...N}，a_ij是從狀態i轉移到狀態j的概率，π＝{π₁，...，π_N}，π_i是狀態i發生的初始概率，P＝(p₁，...，p_n)，p_i是狀態i發生的概率。