[發(fā)明專利]檢測(cè)小型生物的圖像處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201611149506.4
• 申請(qǐng)日: 2016-12-13
• 公開（公告）號(hào): CN106600625A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計(jì)）人: 李明
• 申請(qǐng)（專利權(quán)）人: 廣東沅朋網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06T7/215
• 分類號(hào): G06T7/215;G06T7/194;G06K9/00
• 代理公司: 深圳市精英專利事務(wù)所44242
• 代理人: 葛勤

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種檢測(cè)小型生物的圖像處理方法及裝置。

背景技術(shù)

近年來，計(jì)算機(jī)視覺已成為計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn),而作為計(jì)算機(jī)視覺重要組成部分的運(yùn)動(dòng)物體跟蹤也越來越受到人們的重視。但是，由于環(huán)境等因素的影響，運(yùn)動(dòng)物體的跟蹤很難達(dá)到準(zhǔn)確度高，實(shí)時(shí)性強(qiáng)。所以，能否快速、準(zhǔn)確地捕捉目標(biāo)物體是衡量視頻跟蹤算法好壞的關(guān)鍵。

目前，常用的運(yùn)動(dòng)目標(biāo)跟蹤算法分為三種：卡爾曼濾波法、光流法、背景差分法。

卡爾曼濾波法：以最小均方誤差作為估計(jì)的最佳準(zhǔn)則，來尋找一套遞推估計(jì)的算法，其基本實(shí)現(xiàn)是：采用信號(hào)與噪聲的狀態(tài)空間模型，利用前一時(shí)刻的估計(jì)值和當(dāng)前時(shí)刻的觀測(cè)值來更新對(duì)狀態(tài)變量的估計(jì)，求出當(dāng)前時(shí)刻的估計(jì)值。卡爾曼濾波法流程分為預(yù)測(cè)和更新兩個(gè)部分。但是當(dāng)運(yùn)動(dòng)目標(biāo)長時(shí)間被遮擋時(shí)會(huì)存在目標(biāo)跟蹤丟失的情況，而且必須用到無限過去的數(shù)據(jù)，計(jì)算量大。

光流法：光流法的主要任務(wù)就是計(jì)算光流場，即在適當(dāng)?shù)钠交约s束條件下，根據(jù)圖像序列的時(shí)空梯度估算運(yùn)動(dòng)場，通過分析運(yùn)動(dòng)場的變化對(duì)運(yùn)動(dòng)目標(biāo)和場景進(jìn)行檢測(cè)與分割。通常有基于全局光流場和特征點(diǎn)光流場兩種方法。最經(jīng)典的全局光流場計(jì)算方法是L-K(Lueas&Kanada)法和H-S(Hom&Schunck)法，得到全局光流場后通過比較運(yùn)動(dòng)目標(biāo)與背景之間的運(yùn)動(dòng)差異對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行光流分割，缺點(diǎn)是計(jì)算量大。特征點(diǎn)光流法通過特征匹配求特征點(diǎn)處的流速，具有計(jì)算量小、快速靈活的特點(diǎn)，但稀疏的光流場很難精確地提取運(yùn)動(dòng)目標(biāo)的形狀。總的來說，光流法不需要預(yù)先知道場景的任何信息，就能夠檢測(cè)到運(yùn)動(dòng)對(duì)象，可處理背景運(yùn)動(dòng)的情況，但噪聲、多光源、陰影和遮擋等因素會(huì)對(duì)光流場分布的計(jì)算結(jié)果造成嚴(yán)重影響；而且光流法計(jì)算復(fù)雜，很難實(shí)現(xiàn)實(shí)時(shí)處理。

背景差分法：背景差分法是采用圖像序列中的當(dāng)前幀和背景參考模型比較來檢測(cè)運(yùn)動(dòng)物體的一種方法,其性能依賴于所使用的背景建模技術(shù)。在基于背景差分方法的運(yùn)動(dòng)目標(biāo)檢測(cè)中，背景圖像的建模和模擬的準(zhǔn)確程度，直接影響到檢測(cè)的效果。不論任何運(yùn)動(dòng)目標(biāo)檢測(cè)算法，都要盡可能的滿足任何圖像場景的處理要求，但是由于場景的復(fù)雜性、不可預(yù)知性、以及各種環(huán)境干擾和噪聲的存在，如光照的突然變化、實(shí)際背景圖像中有些物體的波動(dòng)、攝像機(jī)的抖動(dòng)、運(yùn)動(dòng)物體進(jìn)出場景對(duì)原場景的影響等，使得背景的建模和模擬比較困難，計(jì)算量大，很難實(shí)現(xiàn)實(shí)時(shí)處理。

綜上所述，現(xiàn)有技術(shù)存在的問題是運(yùn)動(dòng)目標(biāo)的識(shí)別跟蹤受環(huán)境變化的影響較大,不支持跟蹤物體的更新；并且實(shí)時(shí)性差，無法識(shí)別快速移動(dòng)的目標(biāo)以及體積小的目標(biāo)。

發(fā)明內(nèi)容

為解決上述至少一技術(shù)問題，本發(fā)明的主要目的是提供一種檢測(cè)小型生物的圖像處理方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的一個(gè)技術(shù)方案為：提供一種檢測(cè)小型生物的圖像處理方法，包括如下步驟：

從采集的視頻圖像中獲取相鄰兩幀圖像的背景減圖，以得到相鄰兩幀圖像的相對(duì)運(yùn)動(dòng)區(qū)域；

對(duì)背景減圖進(jìn)行差分圖像二值化處理得到前景像素；

提取與前景像素對(duì)應(yīng)的運(yùn)動(dòng)區(qū)域輪廓；以及

將運(yùn)動(dòng)區(qū)域輪廓的面積及運(yùn)動(dòng)區(qū)域輪廓內(nèi)的像素點(diǎn)的灰度值與運(yùn)動(dòng)目標(biāo)的預(yù)設(shè)特征進(jìn)行匹配，以識(shí)別出視頻圖像中的運(yùn)動(dòng)目標(biāo)。

優(yōu)選地，所述從采集的視頻圖像中獲取相鄰兩幀圖像的背景減圖，以得到相鄰兩幀圖像的相對(duì)運(yùn)動(dòng)區(qū)域的步驟，具體包括：

從采集的視頻圖像中獲取當(dāng)前幀圖像及前一幀圖像；

計(jì)算當(dāng)前幀圖像的像素值與前一幀圖像的像素值的差值，得到目標(biāo)差值；

判斷目標(biāo)差值是否大于設(shè)定的閾值，

如果目標(biāo)差值大于設(shè)定的閾值，則得到背景像素，并將對(duì)應(yīng)的像素點(diǎn)標(biāo)記為1，如果目標(biāo)差值小于或等于設(shè)定的閾值，則將對(duì)應(yīng)的像素點(diǎn)標(biāo)記為0。

優(yōu)選地，所述對(duì)背景減圖進(jìn)行差分圖像二值化處理得到前景像素的步驟，具體包括：

選定一灰度閾值作為背景像素的篩選值；

判斷背景像素中任一項(xiàng)像素點(diǎn)的灰度值是否大于預(yù)設(shè)的灰度閾值，

如果背景像素中像素點(diǎn)的灰度值大于預(yù)設(shè)的灰度閾值，則得到前景像素，并將像素點(diǎn)的灰度值標(biāo)記為高亮狀態(tài)，如果背景像素中像素點(diǎn)的灰度值大于預(yù)設(shè)的灰度閾值，則將像素點(diǎn)的灰度值標(biāo)記為低亮狀態(tài)。

優(yōu)選地，所述提取與前景像素對(duì)應(yīng)的運(yùn)動(dòng)區(qū)域輪廓的步驟，具體包括：

利用遞歸算法查找所有處于高亮狀態(tài)的像素點(diǎn)，得到運(yùn)動(dòng)區(qū)域的輪廓；

對(duì)輪廓的所有像素點(diǎn)進(jìn)行積分運(yùn)算或求和運(yùn)算提取運(yùn)動(dòng)區(qū)域的輪廓。