[發(fā)明專利]運動對象檢測方法和運動對象檢測裝置

在審

• 申請?zhí)枺?/td>: 201410226777.X
• 申請日: 2014-05-26
• 公開（公告）號: CN105184809A
• 公開（公告）日: 2015-12-23
• 發(fā)明（設(shè)計）人: 伍健榮;譚志明
• 申請（專利權(quán)）人: 富士通株式會社
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京三友知識產(chǎn)權(quán)代理有限公司 11127
• 代理人: 黃綸偉

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及運動對象檢測方法和運動對象檢測裝置。

背景技術(shù)

隨著智能交通系統(tǒng)(ITS)的快速發(fā)展，基于視覺的運動車輛檢測算法成為計算機視覺研究的一項基礎(chǔ)技術(shù)。智能交通系統(tǒng)的應用有很多，例如自動事件檢測(AID)，車輛流量統(tǒng)計，車輛信息采集，車輛跟蹤，而運動車輛檢測是關(guān)鍵。

目前已經(jīng)有一些基于視覺的運動車輛檢測方法，如背景差分法，光流法和幀差法：

背景差分法使用高斯混合模型，高斯模型，卡爾曼濾波器或其它統(tǒng)計模型來提取場景的背景圖像，以及根據(jù)背景圖像與當前幀的差分圖像來提取運動區(qū)域。然而，在提取背景圖像的過程中且車輛在該背景圖像的場景中時，這種方法可帶來重復檢測的問題。同時，場景的亮度變化是另一個嚴重的問題。

光流法使用運動區(qū)域的光流信息來檢測運動區(qū)域的，其計算量很大。

幀差法基于當前幀與前一幀或幾幀的差值來提取運動區(qū)域。這種方法可以迅速地適應變化的環(huán)境，而提取的區(qū)域可能不是那么準確，特別是對于快速移動的目標。

特征提取和分類方法，通過特征提取和分類以檢測車輛。這種方法甚至可以在單個圖像中檢測到車輛。但計算量過大，并且檢測性能由數(shù)據(jù)集的質(zhì)量決定。

因此，需要一種新的運動對象檢測方法，以解決目前的檢測方法所存在的計算量大且檢測準確率低的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提出了一種新的運動對象檢測技術(shù)，以至少解決現(xiàn)有的目標檢測技術(shù)的檢測精度低的問題。

根據(jù)本發(fā)明的一個方面，提出了一種運動對象檢測方法，包括：獲得當前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪廓圖像為所述當前幀圖像的輪廓圖像與其上一幀圖像對應的背景輪廓圖像的差分圖像；按照預設(shè)間隔在所述前景輪廓圖像中逐一選取子圖像塊；判斷所述子圖像塊是否包含前景輪廓像素；根據(jù)判斷結(jié)果，將包含所述前景輪廓像素的子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計算每一待處理子圖像塊的方向梯度直方圖特征；采用分類器對計算出的方向梯度直方圖特征進行檢測，以確定運動對象。

根據(jù)本發(fā)明的另一方面，還提供了一種運動對象檢測裝置，包括：前景輪廓圖像生成單元，獲得當前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪廓圖像為所述當前幀圖像的輪廓圖像與其上一幀圖像對應的背景輪廓圖像的差分圖像；選取單元，按照預設(shè)間隔在所述前景輪廓圖像中逐一選取子圖像塊；待處理子圖像塊確定單元，判斷所述子圖像塊是否包含前景輪廓像素，根據(jù)判斷結(jié)果，將包含所述前景輪廓像素的子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計算單元，計算每一待處理子圖像塊的方向梯度直方圖特征；檢測單元，采用分類器對計算出的方向梯度直方圖特征進行檢測，以確定運動對象。

根據(jù)本發(fā)明的再一個方面，還提供了一種電子設(shè)備，該電子設(shè)備包括如上所述的運動對象檢測裝置。

根據(jù)本發(fā)明的又一個方面，還提供了一種存儲有機器可讀取的指令代碼的程序產(chǎn)品，上述程序產(chǎn)品在執(zhí)行時能夠使上述機器執(zhí)行如上所述的運動對象檢測方法。

此外，根據(jù)本發(fā)明的其他方面，還提供了一種計算機可讀存儲介質(zhì)，其上存儲有如上所述的程序產(chǎn)品。

上述根據(jù)本發(fā)明實施例的運動對象檢測裝置、運動對象檢測方法以及電子設(shè)備，利用前景輪廓圖像中的包含前景輪廓像素的子圖像塊來檢測運動對象，能夠至少實現(xiàn)以下有益效果之一：子圖像塊包含前景輪廓像素，能夠使得檢測的精度較高；減少了前景輪廓圖像中無關(guān)子圖像塊的檢測處理過程，計算量較小；以及功耗較低。

通過以下結(jié)合附圖對本發(fā)明的最佳實施例的詳細說明，本發(fā)明的這些以及其他優(yōu)點將更加明顯。

附圖說明

本發(fā)明可以通過參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所有附圖中使用了相同或相似的附圖標記來表示相同或者相似的部件。所述附圖連同下面的詳細說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進一步舉例說明本發(fā)明的優(yōu)選實施例和解釋本發(fā)明的原理和優(yōu)點。在附圖中：

圖1示出了根據(jù)本發(fā)明的一個實施例的運動對象檢測方法的流程示意圖；

圖2示出了根據(jù)本發(fā)明的另一個實施例的提取前景輪廓的流程示意圖；

圖3示出了根據(jù)本發(fā)明的一個實施例的輪廓提取示意圖；

圖4示出了根據(jù)本發(fā)明的一個實施例的圖像尺寸調(diào)整示意圖；

圖5示出了根據(jù)本發(fā)明的一個實施例的方向梯度直方圖特征圖像的示意圖；

圖6示出了相關(guān)技術(shù)中的選擇待處理子圖像塊的處理流程示意圖；