[發(fā)明專(zhuān)利]一種基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201711249848.8
• 申請(qǐng)日: 2017-12-01
• 公開(kāi)（公告）號(hào): CN107886086B
• 公開(kāi)（公告）日: 2020-01-14
• 發(fā)明（設(shè)計(jì)）人: 孫龍清;鄒遠(yuǎn)炳;李玥;羅冰;劉巖;李億楊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)農(nóng)業(yè)大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06T7/215;G06T7/246;G06T7/254;G06T5/00
• 代理公司: 11002 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 王瑩;李相雨

本發(fā)明提供一種基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)方法及裝置。所述方法包括：利用幀間差分法對(duì)動(dòng)物視頻圖像序列幀進(jìn)行處理，獲得所述動(dòng)物視頻圖像序列幀的差分結(jié)果，并對(duì)所述動(dòng)物視頻圖像序列幀的差分結(jié)果進(jìn)行邏輯與運(yùn)算；對(duì)于邏輯與運(yùn)算的結(jié)果，利用背景差分法進(jìn)行背景建模，并根據(jù)人工標(biāo)注的目標(biāo)種子像素進(jìn)行背景更新，獲得動(dòng)物背景模型，以對(duì)所述目標(biāo)動(dòng)物進(jìn)行檢測(cè)。將幀間差分法和背景差分法相結(jié)合，針對(duì)靜態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)，提高監(jiān)控視頻中生豬檢測(cè)的實(shí)時(shí)性和準(zhǔn)確率，產(chǎn)生更準(zhǔn)確的結(jié)果，對(duì)全局光照變化具有較強(qiáng)的魯棒性，能夠準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)，對(duì)生豬行為研究提供了很好的研究思路和理論探索。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)字視頻圖像處理領(lǐng)域，更具體地，涉及一種基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)方法及裝置。

背景技術(shù)

中國(guó)是一個(gè)動(dòng)物養(yǎng)殖大國(guó)，據(jù)統(tǒng)計(jì)，動(dòng)物的存欄率、出欄率和豬肉產(chǎn)量等各項(xiàng)統(tǒng)計(jì)數(shù)據(jù)都位居全球第一。隨著養(yǎng)殖規(guī)模化、集約化的不斷推廣，養(yǎng)殖風(fēng)險(xiǎn)也逐漸增加。實(shí)時(shí)監(jiān)控動(dòng)物個(gè)體的健康狀況變化，記錄動(dòng)物在每天的行為活動(dòng)，為動(dòng)物的生長(zhǎng)和健康狀況的評(píng)判提供依據(jù)。對(duì)動(dòng)物個(gè)體實(shí)時(shí)檢測(cè)和記錄，有助于提前發(fā)現(xiàn)動(dòng)物的異常行為，及時(shí)采取相應(yīng)的措施，降低動(dòng)物疾病的發(fā)生。

運(yùn)動(dòng)目標(biāo)檢測(cè)是從視頻圖像中去除背景內(nèi)容，檢測(cè)出運(yùn)動(dòng)目標(biāo)及其攜帶的運(yùn)動(dòng)信息，準(zhǔn)確有效的檢測(cè)算法，影響著運(yùn)動(dòng)目標(biāo)正確識(shí)別，在計(jì)算機(jī)視覺(jué)中占據(jù)著重要地位。常用靜態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要有光流法、背景差分法和幀間差分法等。幀間差分法和背景差分法由于算法簡(jiǎn)單、運(yùn)算速度快、實(shí)時(shí)性強(qiáng)，在運(yùn)動(dòng)目標(biāo)檢測(cè)中得到了廣泛的應(yīng)用。

幀間差分法對(duì)運(yùn)動(dòng)速度較慢或靜止的目標(biāo)容易漏檢，同時(shí)對(duì)連續(xù)兩幀圖像灰度和紋理比較接近時(shí)將無(wú)法得到完整的目標(biāo)，容易出現(xiàn)較明顯的“空洞”和“雙影”，針對(duì)這一問(wèn)題。YIN等提出基于Mean Shift和三幀差分法的快速運(yùn)動(dòng)目標(biāo)跟蹤，可以有效克服誤檢測(cè)等問(wèn)題；舒欣等提出了五幀差分法，一定程度上減少了“漏撿”情況。

背景差分方法中背景模型的建立與實(shí)時(shí)更新是算法的關(guān)鍵，一些學(xué)者對(duì)如何實(shí)現(xiàn)背景圖像的自適應(yīng)更新提出了各種算法，如卡爾曼濾波器方法、單高斯模型、混合高斯模型等。郝毫剛等將五幀差分和背景差分相結(jié)合，提取圖像中的運(yùn)動(dòng)區(qū)域，并進(jìn)行形態(tài)學(xué)濾波和連通性檢測(cè),最終獲取運(yùn)動(dòng)前景目標(biāo)；李振曄等采用自適應(yīng)背景差分法和連續(xù)三幀幀間差分法結(jié)合，基于卡爾曼濾波模型，完成了實(shí)時(shí)跟蹤運(yùn)動(dòng)目標(biāo)動(dòng)物。以上背景更新算法能較好地避免隨機(jī)噪聲和亮度漸變的干擾，但由于運(yùn)動(dòng)物體產(chǎn)生的陰影與反射投射到背景區(qū)域，會(huì)顯著的改變檢測(cè)目標(biāo)的外觀，影響了檢測(cè)目標(biāo)的準(zhǔn)確輪廓提取，前景物體與遮蔽的背景區(qū)域之間缺乏足夠的對(duì)比度，一幀中的像素?zé)o法明確的區(qū)分是屬于前景還是背景。

發(fā)明內(nèi)容

本發(fā)明提供一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)方法及裝置。

根據(jù)本發(fā)明的一個(gè)方面，提供一種基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)方法，包括：

利用幀間差分法對(duì)動(dòng)物視頻圖像序列幀進(jìn)行處理，獲得所述動(dòng)物視頻圖像序列幀的差分結(jié)果，并對(duì)所述動(dòng)物視頻圖像序列幀的差分結(jié)果進(jìn)行邏輯與運(yùn)算；

對(duì)于邏輯與運(yùn)算的結(jié)果，利用背景差分法進(jìn)行背景建模，并根據(jù)人工標(biāo)注的目標(biāo)種子像素進(jìn)行背景更新，獲得動(dòng)物背景模型，以對(duì)所述目標(biāo)動(dòng)物進(jìn)行檢測(cè)。

根據(jù)本發(fā)明的另一個(gè)方面，還提供一種基于圖像視頻的目標(biāo)動(dòng)物檢測(cè)裝置，包括幀間差分處理模塊和背景差分處理模塊；

所述幀間差分處理模塊，用于利用幀間差分法對(duì)動(dòng)物視頻圖像序列幀進(jìn)行處理，獲得所述動(dòng)物視頻圖像序列幀的差分結(jié)果，并對(duì)所述動(dòng)物視頻圖像序列幀的差分結(jié)果進(jìn)行邏輯與運(yùn)算；

所述背景差分處理模塊，用于對(duì)于邏輯與運(yùn)算的結(jié)果，利用背景差分法進(jìn)行背景建模，并根據(jù)人工標(biāo)注的目標(biāo)種子像素進(jìn)行背景更新，獲得動(dòng)物背景模型，以對(duì)所述目標(biāo)動(dòng)物進(jìn)行檢測(cè)。