[發(fā)明專利]無人機的監(jiān)控系統的前景檢測方法以及裝置

有效

• 申請?zhí)枺?/td>: 201810845381.1
• 申請日: 2018-07-27
• 公開（公告）號: CN109102526B
• 公開（公告）日: 2022-07-05
• 發(fā)明（設計）人: 楊潤豐;王曦;陳曉寧;楊愷
• 申請（專利權）人: 東莞職業(yè)技術學院
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/194;H04N7/18
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 張艷美;郝傳鑫

1.一種無人機的監(jiān)控系統的前景檢測方法，其特征在于，包括：

獲取監(jiān)控系統的初始的若干幀圖像，根據所述若干幀圖像建立混合高斯模型，并根據所述混合高斯模型提取初始的背景圖像的信息；

獲取所述監(jiān)控系統的當前幀圖像，將所述當前幀圖像分割為N*N個區(qū)域；

判斷所述當前幀圖像的N*N個區(qū)域為變化區(qū)域或不變化區(qū)域；

根據所述當前幀圖像的所有所述變化區(qū)域的所有像素的信息，更新所述混合高斯模型；

根據當前更新的所述混合高斯模型，提取當前的背景圖像的信息；

檢測根據當前更新的所述混合高斯模型得到的所述當前的背景圖像的N*N個區(qū)域是否為紋理區(qū)域；

如果根據當前更新的所述混合高斯模型得到的所述當前的背景圖像存在紋理區(qū)域，則對所述紋理區(qū)域進行顫動效果去除；

根據去除顫動效果后的所述當前的背景圖像的所述紋理區(qū)域的信息，再更新所述混合高斯模型；

根據再更新的所述混合高斯模型，提取校正后的所述當前的背景圖像的信息和前景圖像的信息。

2.如權利要求1所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，

所述變化區(qū)域包括判斷為前景區(qū)域的變化區(qū)域；

判斷所述當前幀圖像的N*N個區(qū)域為前景區(qū)域還是背景區(qū)域，包括：

計算出所述當前幀圖像的每一區(qū)域在低分辨率估值下的像素值X_b以及所述當前幀圖像的對應的背景圖像的每一區(qū)域在低分辨率估值下的像素值μ_b與平均標準方差σ_b；

若符合|X_b-μ_b|2.5×σ_b，則像素值X_b所代表的區(qū)域為前景區(qū)域；

若不符合|X_b-μ_b|2.5×σ_b，則像素值X_b所代表的區(qū)域為背景區(qū)域。

3.如權利要求2所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，所述像素值X_b是將所述當前幀圖像的每一區(qū)域的像素均值作為高斯函數的輸入量計算得到。

4.如權利要求2所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，所述當前幀圖像對應的背景圖像的每一區(qū)域在低分辨率估值下的像素值μ_b是將包含所述當前幀圖像在內的連續(xù)若干幀圖像的對應區(qū)域的像素值平均值作為高斯函數的輸入量計算得到。

5.如權利要求4所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，所述像素值平均值通過包含所述當前幀圖像在內的所述連續(xù)若干幀圖像的對應區(qū)域的若干像素均值取平均得到。

6.如權利要求4所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，計算所述平均標準方差σ_b的步驟為：先將所述像素值平均值作為高斯函數的輸入量計算得到對應的每一區(qū)域在低分辨率估值下的協方差∑_b，然后根據所述協方差∑_b計算得到所述平均標準方差σ_b。

7.如權利要求1所述的無人機的監(jiān)控系統的前景檢測方法，其特征在于，

所述變化區(qū)域包括梯度不相似區(qū)域；

判斷所述當前幀圖像的N*N個區(qū)域為梯度不相似區(qū)域還是梯度相似區(qū)域，包括：

計算所述當前幀圖像的N*N個區(qū)域與根據前一幀圖像更新的所述混合高斯模型得到的背景圖像的N*N個區(qū)域的梯度相似性；

若所述當前幀圖像的某個區(qū)域與根據前一幀圖像更新的所述混合高斯模型得到的背景圖像的對應區(qū)域的梯度不相似，則所述當前幀圖像的某個區(qū)域為梯度不相似區(qū)域。