[發明專利]一種自適應內核密度估計運動檢測裝置和方法

有效

• 申請號: 200710178226.0
• 申請日: 2007-11-28
• 公開（公告）號: CN101448151A
• 公開（公告）日: 2009-06-03
• 發明（設計）人: 劉迎建;劉昌平;黃磊;徐東彬
• 申請（專利權）人: 漢王科技股份有限公司
• 主分類號: H04N7/26
• 分類號: H04N7/26;G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及視頻分析領域中的背景模型生成，采用自適應閾值選擇方法進行像素分類。根據本發明的技術方案，閾值的選擇能夠自適應地進行，且能適應不同的場景。在此基礎上，本發明進一步提出了背景更新模型來更新背景。同時，本發明還利用幀間差分背景模型和內核密度估計分類結果來進行突變背景檢測，較好地解決了背景突變時所存在的運動目標誤檢測問題。

背景技術

從視頻序列中分離出運動目標，是計算機視覺中的重要研究內容，可以應用到交通監測、人的行為識別和人機交互等領域。背景減除技術(Background?subtraction)是攝像機靜止條件下的一種應用廣泛的運動檢測技術，為此研究人員提出了不同的方法(參見參考文獻[1])。Elgamma等提出了基于內核密度估計(Kernel?DensityEstimation，KDE)的非參數背景模型(參見參考文獻[2])，該方法能夠適應不同的場景；不同于高斯混合模型(GMM)，它充分利用最近的歷史幀信息來更新背景模型，能夠適應復雜的像素分布密度，克服像素值在短時間內發生的頻繁變化，因此能得到較準確的估計結果。但是，在參考文獻[2]中，通過給定的假正率(False?Positive)來選擇閾值，這需要有場景的先驗知識，對于不同的場景需要人工干預，重新選擇。Anurag?Mittal和Nikos?Paragios根據設定的誤報率(false?alarmrate)和漏報率(miss?probability)，通過訓練樣本調整閾值(參見參考文獻[3])，使用該閾值在給定的條件下能夠獲得相對好的分類結果。但當場景改變時，需要重新選擇樣本進行訓練，才能得到適用于該場景的閾值。

發明內容

本發明的目的是提供一種自適應的內核密度估計運動檢測方案。首先這種方案，對概率直方圖進行分析，提出了一種自適應的閾值選擇方法，該方法不需要對樣本進行訓練，可以根據場景的不同，自適應調整閾值。針對背景更新機制，本發明提出了用于更新背景模型的方法，能夠得到更為合理的背景，有利于運動目標的檢測。此外，本發明還提出了一種利用幀間差分背景模型和KDE分類結果的突變背景檢測裝置和方法，較好地解決了背景發生突變時的運動目標誤檢測問題。

為了實現上述目的，根據本發明的第一方案，提出了一種自適應內核密度估計運動檢測裝置，包括：接收單元，用于接收輸入的視頻幀；初始化單元，用于初始化背景模型和幀間差分背景模型；概率計算統計單元，用于針對當前視頻幀的每個像素，根據背景樣本，計算該像素的內核密度估計概率，并統計當前幀的像素的內核密度估計概率直方圖；分類單元，利用內核密度估計概率直方圖自適應地求取分類閾值，如果某一像素的內核密度估計概率小于所述閾值，則確定該像素為前景像素；否則，為背景像素；所述分類單元首先對內核密度估計概率直方圖進行平滑和差分，得到差分直方圖，然后在差分直方圖上，尋找內核密度估計概率直方圖變化趨勢變緩的起點P_L和緩慢變化的終點P_R，最后根據P_L和P_R，確定所述分類閾值。

優選地，所述自適應內核密度估計運動檢測裝置還包括：背景更新單元，用于對內核密度估計概率大于所述分類閾值的像素進行背景更新。

優選地，所述背景更新單元按照先進先出的原則順序更新背景樣本。

優選地，所述自適應內核密度估計運動檢測裝置還包括：突變背景更新單元，用于根據幀間差分背景模型和分類單元的結果，判斷是否出現了突變像素，并在突變像素滿足預定條件時，對突變像素進行突變背景更新。

優選地，當幀間差分背景模型確定一像素為背景，而分類單元確?定該像素為前景時，所述突變背景更新單元判斷該像素為突變像素。

優選地，所述突變背景更新單元對所有突變像素進行連通域分析，提取連通域的多個預定特征，當且僅當連通域的預定特征滿足預定條件時，所述突變背景更新單元才對與該連通域相關的突變像素進行突變背景更新。

優選地，所述突變背景更新單元以當前視頻幀后的預定多個視頻幀來更新背景樣本。

優選地，所述自適應內核密度估計運動檢測裝置還包括：運動處理單元，用于對檢測到的前景像素進行連通域分析，并結合運動目標的先驗知識，對于屬于同一個目標的區域進行合并，對于屬于不同目標的區域進行分割，從而得到完整的運動目標。