[發明專利]運動物體檢測方法、系統、計算設備及存儲介質

有效

• 申請號: 201910001356.X
• 申請日: 2019-01-02
• 公開（公告）號: CN109859236B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 彭紹湖;鄧銘杰;劉長紅;范俊宇;肖忠;楊興鑫;利恒浩;林生益;王力
• 申請（專利權）人: 廣州大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李君;裘暉

本發明公開了一種運動物體檢測方法、系統、計算設備及存儲介質，所述方法包括：獲取運動物體的視頻幀；遍歷所有的視頻幀，利用幀差法，生成一張不含前景的彩色背景圖；利用前N幀視頻幀，為所有視頻幀的每個像素初始化背景模型；根據所有視頻幀的鄰域像素和彩色背景圖，判斷所有視頻幀的每個像素是背景像素還是前景像素；對背景像素的背景模型進行更新；減小前景像素的背景模型更新因子的數值大小。本發明實現了在實際應用場景的魯棒性，能夠讓運動物體檢測更加精確，減少將背景像素誤識別為前景的情況的產生，并有效解決長時間停留的前景物體被錯誤歸類為背景的問題。

技術領域

本發明涉及一種運動物體檢測方法、系統、計算設備及存儲介質，屬于計算機視覺領域。

背景技術

在視頻流中的運動物體檢測是視頻分析與理解的重要技術，是部分計算機視覺任務重要的預處理步驟，如物體識別、運動物體跟蹤等。實際運用場景中，運動物體檢測算法會遭遇許多挑戰，例如當光照變化較為劇烈時，算法容易將光照變化的背景誤判為前景；運動物體在某個區域滯留一段時間時，會被誤識別成背景；長時間靜止物體開始運動時，該運動物體長時間保持靜止狀態所覆蓋的背景區域會被誤分類成前景。

為了對抗各種實際環境的干擾，許多方法都被提出以實現算法在實際運用的魯棒性。Lucia Maddalena等人提出的SOBS(Self-Organization Background Subtraction，自組織背景減除)算法運用自組織的方法，結合高斯分布，實現對前景背景的分割。算法在外界干擾較少的情況下，對運動物體有很好地檢測，但當物體間歇性運動時，就會誤報較多錯誤的前景與背景；同時在物體噪點較多時，檢測效果也差強人意。Florian Seidel等人提出的pROST將預測子空間的一種有效的交替式在線最優化框架運用到運動物體檢測中，并引入一種加權魯棒的損失函數，在鏡頭搖晃的場景下依舊能實現有效的運動物體檢測，但該算法只在這類鏡頭搖晃的場景有好的表現，在其他場景如前景與背景顏色相仿時，誤檢的概率較高。

發明內容

本發明的第一個目的在于提供一種運動物體檢測方法，該方法實現了在實際應用場景的魯棒性，能夠讓運動物體檢測更加精確，減少將背景像素誤識別為前景的情況的產生，并有效解決長時間停留的前景物體被錯誤歸類為背景的問題。

本發明的第二個目的在于提供一種運動物體檢測系統。

本發明的第三個目的在于提供一種計算設備。

本發明的第四個目的在于提供一種存儲介質。

本發明的第一個目的可以通過采取如下技術方案達到：

一種運動物體檢測方法，所述方法包括：

獲取運動物體的視頻幀；

遍歷所有的視頻幀，利用幀差法，生成一張不含前景的彩色背景圖；

利用前N幀視頻幀，為所有視頻幀的每個像素初始化背景模型；其中，每個背景模型包含N個背景樣本；

根據所有視頻幀的鄰域像素和彩色背景圖，判斷所有視頻幀的每個像素是背景像素還是前景像素；

對背景像素的背景模型進行更新；

減小前景像素的背景模型更新因子的數值大小。

進一步的，所述遍歷所有的視頻幀，利用幀差法，生成一張不含前景的彩色背景圖，具體包括：

在相鄰的兩幀之間，運用幀差法，計算相鄰兩幀每個位置像素值的差值；

若所述差值小于第一預設閾值，則將相鄰兩幀的后一幀對應位置的像素分類為背景，并放入一個子集中，遍歷所有的視頻幀后，所有視頻幀的每個像素位置均對應一個包含分類為背景像素的子集，每個子集包含不同個數的像素；