[發明專利]一種運動目標分割方法、裝置和系統

有效

• 申請號: 201210236915.3
• 申請日: 2012-07-10
• 公開（公告）號: CN102800091A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 唐健;陶昆;吳偉華;廖振生
• 申請（專利權）人: 深圳市捷順科技實業股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 唐華明

技術領域

本發明涉及監控技術領域，具體涉及一種運動目標分割方法、裝置和系統。

背景技術

智能交通監控技術是當前監控領域的其中一種技術，它利用視頻圖像處理、模式識別和人工智能等技術對攝像機拍攝的圖像序列進行分析，實現對交通場景中的車輛和行人等目標的檢測、分類和跟蹤，并在此基礎上對被監控目標的行為進行描述和判別，從而在完成日常管理的同時能對交通事件作出及時反應。

運動目標分割，也稱為運動目標檢測，是從視頻或圖像序列中，采取一定的方法從中檢測并確定運動物體的像素位置，然后根據運動像素的集合確定運動物體的區域的一種技術。現有的運動目標分割分為兩種情況，一種是靜態場景的運動目標分割；另一種是動態場景的運動目標分割。目前靜態場景的運動目標分割方法主要包括基于混合高斯模型（GMM，Gaussian?Mixture?Model）的運動目標分割方法、基于碼本（CodeBook）模型的運動目標分割方法、基于貝葉斯公式（Bayes）決策的運動目標分割方法、以及基于內核密度估計（KDE，Kernel?Density?Estimation）的非參數背景模型的運動目標分割等。

在對現有技術的研究和實踐過程中，本發明的發明人發現，上述幾種靜態場景的運動目標分割方法雖然各有優點，但也各有不足，例如，當場景比較復雜或前景顏色和背景顏色較為接近時，基于Bayes決策的分割方法并不能提取完整的運動目標，導致分割效果不佳；而對于基于混合高斯模型的方法來說，該方法雖然對背景的變化具有一定魯棒性，但對噪聲點的抑制能力較差，而且運行速度也較慢；而基于內核密度估計的非參數背景模型的分割方法，則因為需要保存大量的計算數據，所以計算開銷很大。因此，現有技術還沒有一種可以同時解決上述問題的運動目標分割方法。

發明內容

本發明實施例提供一種運動目標分割方法、裝置和系統，可以增強噪聲點的抑制能力、提高運行速度和分割效果的同時，減少計算開銷。

一種運動目標分割方法，包括：

獲取視頻圖像；

根據所述視頻圖像確定當前需要處理的幀；

對所述當前需要處理的幀進行前處理，得到前處理后圖像，所述前處理包括濾波和紅綠藍（RGB，Red-Green-Blue）三通道分離；

獲取像素點模型，所述像素點模型采用所述視頻圖像的第一幀所對應的前處理后圖像進行初始化；

根據所述像素點模型對所述前處理后圖像進行運動目標分割，得到分割后的運動目標。

可選的，其中，所述對所述當前需要處理的幀進行前處理，得到前處理后圖像具體可以包括：

對所述當前需要處理的幀進行濾波，得到濾波后圖像；

對所述濾波后圖像進行RGB三通道分離，分別得到三個單色圖像，將得到的三個單色圖像作為前處理后圖像，所述三個單色圖像包括紅色通道圖像、綠色通道圖像和藍色通道圖像。

可選的，所述根據所述像素點模型對所述前處理后圖像進行運動目標分割，得到分割后的運動目標具體可以包括：

分別計算三個單色圖像中的同一個位置的像素點A的像素值，與所述像素點A所對應的像素點模型中所有像素值的歐式距離，得到第一歐式距離集合、第二歐式距離集合和第三歐式距離集合，其中，第一歐式距離集合為紅色通道圖像對應的歐式距離集合，第二歐式距離集合為綠色通道圖像對應的歐式距離集合，第三歐式距離集合為藍色通道圖像對應的歐式距離值集合；

確定第一歐式距離集合中歐式距離小于設定閾值的元素的個數、第二歐式距離集合中歐式距離小于設定閾值的元素的個數、以及第三歐式距離集合中的歐式距離小于設定閾值的元素的個數中至少有一個小于預置的個數上限時，確定所述像素點A為前景；

確定第一歐式距離集合中歐式距離小于設定閾值的元素個數、第二歐式距離集合中歐式距離小于設定閾值的元素個數、以及第三歐式距離集合中的歐式距離小于設定閾值的元素個數，均大于等于預置的元素個數上限時，確定所述像素點A為背景，在前景圖像中置像素點A的像素值為0，并根據像素點A的像素值更新像素點模型。

其中，所述根據像素點A的值更新像素點模型，具體可以為：

利用像素點A的值替換掉像素點A所對應的像素點模型中的任意一個像素值，以及，

利用像素點A的值替換掉像素點A的鄰域像素點所對應的像素點模型中的任意一個像素值。

此外，采用所述視頻圖像的第一幀所對應的前處理后圖像對像素點模型進行初始化的方法具體可以包括：