[發明專利]基于單目平臺的實時前景提取方法及裝置

有效

• 申請號: 201710537358.1
• 申請日: 2017-07-04
• 公開（公告）號: CN107346547B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 黃飛;侯立民;謝建;田澤康;鄧卉;危明
• 申請（專利權）人: 易視騰科技股份有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/194;G06T7/181;G06T7/136
• 代理公司: 北京聯創佳為專利事務所(普通合伙) 11362
• 代理人: 郭防

1.一種基于單目平臺的實時前景提取方法，其特征在于，包括如下步驟：

S110獲取單目視頻幀序列圖像；

S120對所述視頻幀序列圖像進行縮小處理，獲取縮小尺寸序列圖像；

S130根據所述縮小尺寸序列圖像，提取目標前景圖像；

S140對所述目標前景圖像進行矢量邊緣放大處理，獲取原始分辨率的前景矢量邊緣；

S150對所述原始分辨率的前景矢量邊緣進行去鋸齒處理；

S160將前景矢量邊緣內部填充為前景色，將前景矢量邊緣外部填充為背景色，輸出原始分辨率大小的前景圖像；其中，所述步驟S130依次包括如下步驟：

S131、根據所述縮小尺寸序列圖像，利用序列幀統計方法提取目標前景；

S132、利用濾波方法去掉所述目標前景中的孤立噪聲；

S133、利用形態學的方法將所述目標前景中斷裂的部位連接起來，獲取每個目標blob；

S134、對每個blob提取邊緣輪廓，去掉所述目標前景中的空洞；

S135、根據blob特性去除所述目標前景中虛假目標；

S136、利用濾波器修補殘損邊緣；

S137、采用分塊更新的策略進行背景更新，獲取目標前景圖像。

2.根據權利要求1所述的基于單目平臺的實時前景提取方法，其特征在于，所述單目平臺為ARM平臺。

3.根據權利要求1或2所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S137包括：S1371、對于背景區域，采用第一學習率進行學習；對于疑似前景的區域，采用第二學習率進行學習；對于前景區域，不進行學習。

4.根據權利要求3所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S137中在步驟S1371之前還包括：S1370、判斷所述目標前景占所述縮小尺寸序列圖像的比例大于閾值時，則不進行背景更新。

5.根據權利要求1或2所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S136包括：獲取起始點，逐漸增加邊緣點獲取段矢量邊緣；判斷所述段矢量邊緣的外接矩形的長寬比大于閾值，且所述外接矩形內屬于目標前景的像素點數量小于閾值，且所述段矢量邊緣頭尾點距離小于閾值時，判斷所述段矢量邊緣為殘損邊緣；將所述殘損邊緣的頭尾點連接，刪除所述殘損邊緣中除頭尾點以外的所有點。

6.根據權利要求1或2所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S135包括：

S1351、分析獲取blob的形狀、寬高比、占空比和運動信息；

S1352判斷寬高比或占空比在第一閾值和第二閾值之間波動，且所述形狀滿足預設條件時判斷為可能目標，否則為虛假目標；

S1353、通過統計blob的運動信息，判斷blob長時間靜止，則所述blob為虛擬目標。

7.根據權利要求1所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S150包括：利用卷積核對矢量邊緣進行卷積去掉鋸齒，所述卷積核對應的卷積公式為其中U為原始矢量序列，W為卷積核，V為卷積輸出矢量序列，t為卷積核半徑。

8.根據權利要求1或2所述的基于單目平臺的實時前景提取方法，其特征在于，所述步驟S131包括：S1311、通過獲取幀圖像序列數據，統計每個位置像素值出現的概率p、均值μ及方差σ，將p，μ以及σ作為一個模型，學習多個模型作為該位置的背景統計模型；

S1312、比較當前幀中的每個像素點與對應位置的背景統計模型，如果當前像素點與背景模型匹配上，判斷當前位置點為背景，否則為前景；判定公式為：其中x為當前像素值，μ_i為第i個模型的均值，σ_i為第i個模型的方差，K為參數。