[發明專利]一種前景檢測方法和系統

有效

• 申請號: 201510098306.X
• 申請日: 2015-03-05
• 公開（公告）號: CN104700405B
• 公開（公告）日: 2017-11-28
• 發明（設計）人: 陳建沖;丁美玉;晉兆龍;陳衛東
• 申請（專利權）人: 蘇州科達科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194
• 代理公司: 北京三聚陽光知識產權代理有限公司11250
• 代理人: 張建綱

技術領域

本發明涉及視頻監控的圖像與視頻處理技術領域。具體地說，涉及一種適應弱小目標的實時前景檢測方法和系統。

背景技術

在視覺監控系統中，往往需要對運動目標進行檢測、跟蹤、分類和分析等，而運動目標檢測的準確性直接影響著后續的處理和操作。為了適應復雜多變的場景變化，最常用的方法就是對背景建模，然后利用背景模型檢測出前景目標。現有的背景建模方法主要有中值法、均值法、核密度估計法、碼本模型、混合高斯模型等。

高斯模型就是用高斯概率密度函數(正態分布曲線)精確地量化事物，將一個事物分解為若干個基于高斯概率密度函數(正態分布曲線)形成的模型。多高斯模型(即混合高斯模型)使用K(基本為3到5個)個高斯模型來表征圖像中各個像素點的特征,在新一幀圖像獲得后更新混合高斯模型,用當前圖像中的每個像素點與混合高斯模型匹配,如果成功則判定該點為背景點,否則為前景點。

然而，混合高斯模型是根據當前幀的像素遞歸地更新背景模型，這使得前面幀在建模時出現的錯誤會對背景圖像造成長時間的影響。而且，傳統的混合高斯背景建模不能消除因光照變化較快時引起的虛警，也不能抵抗弱光照成像時的噪聲影響，還不能完整地檢測出尺寸較小、對比度較弱的目標。另外，智能前端攝像機需要全天候地檢測運動目標，對算法的要求比較高，而前端攝像機的處理器計算能力有限，使得大部分常用背景建模算法難以實時運行。

發明內容

為此，本發明所要解決的技術問題在于因攝像機處理器的計算能力有限導致大部分前景目標檢測方法難以實時運行，從而提出一種在有限的計算能力下不僅能實時完成前景目標檢測而且可以完整檢測出尺寸較小、對比度較弱目標的前景檢測方法和系統。

為解決上述技術問題，本發明提供了如下技術方案：

一種前景檢測方法，包括以下步驟：

獲取當前幀圖像；

計算當前幀圖像的局部對比度；

建立基于局部對比度的多高斯背景模型；

根據多高斯背景模型檢測出當前幀圖像中的部分前景圖像作為前景圖像樣本；

根據前景圖像樣本和當前幀圖像學習背景圖像；

根據背景圖像，對當前幀圖像進行前景目標檢測。

優選地，計算當前幀圖像的局部對比度的步驟包括：

將當前幀圖像劃分成若干個m*n的像素塊，其中，m、n為大于0的正整數；

統計每個像素塊的灰度均值和灰度方差；

獲取各像素塊的局部對比度，局部對比度為每個像素塊的灰度方差除以灰度均值所得的商。

優選地，根據背景圖像，對當前幀圖像進行前景目標檢測的步驟包括：

分別獲取背景圖像和當前幀圖像中各個像素點的梯度向量；

根據背景圖像和當前幀圖像中各個像素點的梯度向量獲取當前幀圖像中各個像素點處的紋理是否豐富以及背景圖像與當前幀圖像的紋理是否一致；

當當前幀圖像中某個像素點處的紋理豐富且在該像素點處當前幀圖像與背景圖像的紋理不一致，即判斷該像素點為前景點。

優選地，當前幀圖像中各個像素點處的紋理是否豐富以及背景圖像與當前幀圖像的紋理是否一致是通過以下公式計算得到：

Flat(x，y)表示當前幀圖像在像素點(x，y)處的紋理豐富性，Diff(x，y)表示在像素點(x，y)處背景圖像與當前幀圖像的紋理一致性，T_g和T_s為預設的閾值，(u₀，u₁)、(v₀，v₁)分別表示背景圖像在像素點(x，y)處的梯度向量、當前幀圖像在像素點(x，y)處的梯度向量，Flat(x，y)＝0表示當前幀圖像在像素點(x，y)處的紋理豐富，Diff(x，y)＝1表示在像素點(x，y)處當前幀圖像與背景圖像的紋理不一致。

優選地，計算當前幀圖像的局部對比度的步驟之前還包括對當前幀圖像進行自適應噪聲處理，具體包括：

獲取當前幀圖像的噪聲強度；

當噪聲強度大于預設的閾值時，則對當前幀圖像進行降噪處理。

優選地，獲取當前幀圖像的噪聲強度的步驟包括：

將當前幀圖像劃分為若干個像素點個數相同的圖像塊；

統計當前幀圖像中每個圖像塊內的噪聲點個數；

獲取當前幀圖像的初始噪聲強度，初始噪聲強度為當前幀圖像中各個圖像塊內的噪聲點個數的中值除以圖像塊的像素點個數；