[發(fā)明專利]無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法以及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201810845381.1
• 申請(qǐng)日: 2018-07-27
• 公開(kāi)（公告）號(hào): CN109102526B
• 公開(kāi)（公告）日: 2022-07-05
• 發(fā)明（設(shè)計(jì)）人: 楊潤(rùn)豐;王曦;陳曉寧;楊愷
• 申請(qǐng)（專利權(quán)）人: 東莞職業(yè)技術(shù)學(xué)院
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246;G06T7/194;H04N7/18
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 張艷美;郝傳鑫

本發(fā)明公開(kāi)一種無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法，包括：獲取監(jiān)控系統(tǒng)的初始的若干幀圖像，根據(jù)所述若干幀圖像建立混合高斯模型，并根據(jù)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(tǒng)的當(dāng)前幀圖像，將所述當(dāng)前幀圖像分割為N*N個(gè)區(qū)域；判斷所述當(dāng)前幀圖像的N*N個(gè)區(qū)域?yàn)樽兓瘏^(qū)域或不變化區(qū)域；根據(jù)所述當(dāng)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(jù)當(dāng)前更新的所述混合高斯模型，提取當(dāng)前的背景圖像的信息。基于區(qū)域算法的應(yīng)用可以提高整體算法的運(yùn)行速度，且能夠適應(yīng)復(fù)雜快速的背景變化，有效實(shí)時(shí)地監(jiān)測(cè)前景，極大地提升了無(wú)人機(jī)的監(jiān)控系統(tǒng)的魯棒性而且減小了動(dòng)態(tài)背景對(duì)監(jiān)測(cè)效果的影響。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法以及裝置。

背景技術(shù)

近年來(lái)，隨著無(wú)人機(jī)技術(shù)的發(fā)展，其應(yīng)用面越來(lái)越廣，尤其在視頻監(jiān)控領(lǐng)域得到了廣泛應(yīng)用。

現(xiàn)有的無(wú)人機(jī)視頻監(jiān)控設(shè)備通過(guò)無(wú)人機(jī)端攝像頭進(jìn)行視頻采集，然后將視頻圖像輸送到后臺(tái)服務(wù)器進(jìn)行分析檢測(cè)，這種檢測(cè)方法無(wú)法實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，且現(xiàn)有的無(wú)人機(jī)視頻監(jiān)控設(shè)備需要通過(guò)復(fù)雜的運(yùn)算來(lái)分析整幀圖像，如在背景建模算法中需要更新每幀圖像的所有像素，這種算法占用大量的運(yùn)算資源，降低整套算法的運(yùn)行速度，且該無(wú)人機(jī)視頻監(jiān)控設(shè)備需要性能高的硬件支持才能進(jìn)行運(yùn)算分析整幀圖像，增大了成本。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法、裝置以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，能夠節(jié)省運(yùn)算資源，提高整套算法的運(yùn)行速度，減少成本。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法，包括：

獲取監(jiān)控系統(tǒng)的初始的若干幀圖像，根據(jù)所述若干幀圖像建立混合高斯模型，并根據(jù)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(tǒng)的當(dāng)前幀圖像，將所述當(dāng)前幀圖像分割為N*N個(gè)區(qū)域；

判斷所述當(dāng)前幀圖像的N*N個(gè)區(qū)域?yàn)樽兓瘏^(qū)域或不變化區(qū)域；

根據(jù)所述當(dāng)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(jù)當(dāng)前更新的所述混合高斯模型，提取當(dāng)前的背景圖像的信息。

與現(xiàn)有技術(shù)相比，本發(fā)明的無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法通過(guò)將當(dāng)前幀圖像分割為N*N個(gè)區(qū)域并判斷N*N個(gè)區(qū)域?yàn)樽兓瘏^(qū)域還是不變化區(qū)域，進(jìn)而只需要根據(jù)所有變化區(qū)域的所有像素對(duì)應(yīng)更新混合高斯模型，并根據(jù)更新后的混合高斯模型提取當(dāng)前的背景圖像的信息和前景圖像的信息；本發(fā)明的無(wú)人機(jī)的監(jiān)控系統(tǒng)的前景檢測(cè)方法可以有選擇的在每一幀圖像中更新區(qū)域信息，有效的在保持高前景目標(biāo)識(shí)別率的同時(shí)降低了算法計(jì)算復(fù)雜程度，并且該算法可以通過(guò)多線程運(yùn)算有效利用多處理器的計(jì)算能力。整套檢測(cè)方法對(duì)噪音、動(dòng)態(tài)背景變化等有較強(qiáng)的魯棒性。

較佳地，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(dāng)前幀圖像的N*N個(gè)區(qū)域?yàn)榍熬皡^(qū)域還是背景區(qū)域，包括：

計(jì)算出所述當(dāng)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(dāng)前幀圖像的對(duì)應(yīng)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(biāo)準(zhǔn)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?yàn)榍熬皡^(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?yàn)楸尘皡^(qū)域。

較佳地，所述像素值X_b是將所述當(dāng)前幀圖像的每一區(qū)域的像素均值作為高斯函數(shù)的輸入量計(jì)算得到。