專利名稱：一種基于計算機視覺的遺留物檢測方法
技術領域：
本發(fā)明屬于計算機視覺領域，具體涉及一種基于計算機視覺的遺留物檢測方法。
背景技術：
遺留物檢測技術是基于運動物體檢測，運動物體檢測技術的常用技術是背景差法，即當前圖像減去背景圖像幀得到差分圖像，通過分析差分圖像中的差異性來得到想要檢測的物體，然后直接分析檢測到的物體的靜止狀態(tài)，若長時間未發(fā)生變化則認為是遺留物?，F有技術的缺點之一是沒有進一步區(qū)分差分圖像中的差異性對應的前景是遺留物還是非遺留物，這將使得檢測到的物體區(qū)域可能包含大量的非遺留物的前景，從而導致遺留物定位和提取不準確，特征表達不合理，進而造成后續(xù)分析失敗?，F有技術的另一缺點是， 預設的背景圖像無法隨場景漸變而改變，由于長時運行后光照等漸變因素的累積，導致實際背景圖像相對預選背景圖像變化很大，從而使得預選背景失效，導致容易出現誤報和漏報。

發(fā)明內容
達到上述目的，本發(fā)明的目的是解決現有技術中的問題，提供一種遺留物檢測方法，它能進一步區(qū)分前景是否為遺留物并自適應調整，能準確定位、提取和判斷場景中的遺留物。本發(fā)明的技術方案是一種基于計算機視覺的遺留物檢測方法，具體包括以下步驟
步驟A.更新運動歷史計時，學習和更新背景模型，具體步驟如下 Al.對各像素設置運動計時器，如果前后幀像素灰度值差異超過預定值，則判斷本像素有運動，并記錄下該像素的最近運動發(fā)生時刻；
A2.每隔25幀更新一次背景模型，更新背景模型時進行以下操作在背景模型的對應位置記錄里，根據顏色取值范圍尋找最佳匹配記錄，如果有匹配記錄，則根據像素顏色調整該記錄的顏色取值范圍、最近匹配時刻、總匹配次數；如果無匹配記錄，則根據當前像素顏色新建并初始化記錄；
A3.對各背景模型的所有記錄根據以下條件判斷和更新該記錄對應的狀態(tài)，具體為 A31.新創(chuàng)建記錄默認狀態(tài)為非遺留物的前景，
A32.如果一條非遺留物的前景記錄在預定時間內匹配上的次數占該段時間總匹配次數到50%，則置該記錄狀態(tài)為背景，
A33.如果一條背景記錄在預定時間內匹配上的次數占該段時間總匹配次數在10%以下，則置該記錄為非遺留物的前景，
A34.如果一條非背景記錄在預定時間內匹配上的次數占該段時間總匹配次數在m 以下，則刪除該記錄，
A35.對當前時刻前59秒內創(chuàng)建的非遺留物的前景記錄，在步驟Al所述的對應位置的最近運動時刻發(fā)生在當前時刻前2秒到1分鐘之間的情況下，匹配次數超過5，則置該記錄為遺留物前景；
步驟B.通過背景模型判斷各像素所處三種狀態(tài)之一背景、遺留物前景、非遺留物的前景，并進行狀態(tài)保持計時；
步驟C.提取持續(xù)處于同一遺留物前景狀態(tài)計時到預定值的像素點構成的連通區(qū)，提取待分析對象；
步驟D.對待分析對象提取特征表達，累計預定值內特征表達相近的待分析對象數； 步驟E.如果某一區(qū)域在預定時間內累計的相近待分析對象數目超過預定象數，則根據步驟Al的記錄，計算該區(qū)域內最近5秒內無運動的點的比例；如果該比例超過90%，則判斷該區(qū)域存在遺留物。進一步，所述步驟A中背景模型具有以下特征
1.對圖像的各像素位置獨立處理；
2.各位置均分布對應一個或多個顏色取值情況記錄；各記錄包含以下信息顏色取值范圍、最近匹配的時刻、總匹配次數、記錄對應的狀態(tài)；其中記錄對應的狀態(tài)為三種背景、遺留物前景、非遺留物的前景。進一步，所述步驟B包括以下子步驟
Bi.每5幀對當前圖像進行一次遺留物前景提??；
B2.根據匹配上的記錄對應的狀態(tài)，判斷各像素點所處的狀態(tài)背景、遺留物前景、非遺留物的前景；
B3.如果一個像素點匹配上的記錄為遺留物前景記錄，則對該點處于該遺留物前景記錄進行持續(xù)匹配計數。進一步，所述步驟C包括以下子步驟
Cl.提取遺留物前景圖如果像素點持續(xù)匹配同一遺留物前景記錄達6次以上，則置遺留物前景圖對應像素點的值為1，否則為0 ；
C2.對遺留物前景圖做連通區(qū)分割并進行連通區(qū)分析，以分析成功的連通區(qū)記錄為待分析對象。進一步，所述步驟D包括以下子步驟
Dl.對待分析對象提取特征表達，包括大小、位置、幾何形狀、圖像矩； D2.搜索預定時間內特征表達相近的待分析對象數目。本發(fā)明的有益效果是由于采用上述技術方案，本發(fā)明能夠快速準確定位提取遺留物對應的區(qū)域，具備適用面廣、自適應性強、實時性高、漏檢率低和可靠性好的特點。


圖1是本發(fā)明一種基于計算機視覺的遺留物檢測方法的流程框圖。
具體實施例方式下面結合附圖對本發(fā)明的技術方案作進一步說明。如圖1所示，一種基于計算機視覺的遺留物檢測方法，按照以下步驟實現 1.記錄最近運動歷史對各像素設置運動計時器，如果前后幀像素灰度值差異超過預定值，則判斷本像素有運動，并記錄下該像素的最近運動發(fā)生時刻。2.更新背景模型
每隔25幀更新一次背景模型。更新背景模型時進行以下操作在背景模型的對應位置記錄里，根據顏色取值范圍尋找最佳匹配記錄；如果有匹配記錄，則根據像素顏色調整該記錄的顏色取值范圍、最近匹配時刻、總匹配次數；如果無匹配記錄，則根據當前像素顏色新建并初始化記錄。對各背景模型的所有記錄分別判斷和更新該記錄對應的狀態(tài)，其條件為 2A.新創(chuàng)建記錄默認狀態(tài)為非遺留物的前景；
2B.如果一條非遺留物的前景記錄在一段時間內匹配上的次數占該段時間總匹配次數到50%，則置該記錄狀態(tài)為背景；
2C.如果一條背景記錄在一段時間內匹配上的次數占該段時間總匹配次數在10%以下，則置該記錄為非遺留物的前景；
2D.如果一條非背景記錄在一段時間內匹配上的次數占該段時間總匹配次數在m以下，則刪除該記錄；
2E.對當前時刻前59秒內創(chuàng)建的非遺留物的前景記錄，在步驟Al所述的對應位置的最近運動時刻發(fā)生在當前時刻前2秒到1分鐘之間的情況下，匹配次數超過5，則置該記錄為遺留物前景。3.遺留物前景分割
提取遺留物前景圖如果像素點持續(xù)匹配同一遺留物前景記錄達6次以上，則置遺留物前景圖對應像素點的值為1，否則為0 ；
對遺留物前景圖做連通區(qū)分割并進行連通區(qū)分析，剔除幾何形態(tài)不合要求的成員，以分析成功的連通區(qū)記錄為待分析對象。4.遺留物特征表達
對待分析對象提取特征表達，包括大小、位置、幾何形狀、圖像矩； 搜索一定時間內特征表達相近的待分析對象數目。5.遺留物判斷
如果某一區(qū)域在10秒內累計的相近待分析對象數目超過20次，則根據步驟Al的記錄，計算該區(qū)域內最近5秒內無運動的點的比例；如果該比例超過90%，則判斷該區(qū)域存在遺留物。以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內，則本發(fā)明也意圖包含這些改動和變型在內。
權利要求
1.一種基于計算機視覺的遺留物檢測方法，其特征在于，該方法具體包括以下步驟 步驟A.更新運動歷史計時，學習和更新背景模型，具體步驟如下Al.對各像素設置運動計時器，如果前后幀像素灰度值差異超過預定值，則判斷本像素有運動，并記錄下該像素的最近運動發(fā)生時刻；A2.每隔25幀更新一次背景模型，更新背景模型時進行以下操作在背景模型的對應位置記錄里，根據顏色取值范圍尋找最佳匹配記錄，如果有匹配記錄，則根據像素顏色調整該記錄的顏色取值范圍、最近匹配時刻、總匹配次數；如果無匹配記錄，則根據當前像素顏色新建并初始化記錄；A3.對各背景模型的所有記錄根據以下條件判斷和更新該記錄對應的狀態(tài)，具體為 A31.新創(chuàng)建記錄默認狀態(tài)為非遺留物的前景，A32.如果一條非遺留物的前景記錄在預定時間內匹配上的次數占該段時間總匹配次數到50%，則置該記錄狀態(tài)為背景，A33.如果一條背景記錄在預定時間內匹配上的次數占該段時間總匹配次數在10%以下，則置該記錄為非遺留物的前景，A34.如果一條非背景記錄在預定時間內匹配上的次數占該段時間總匹配次數在m 以下，則刪除該記錄，A35.對當前時刻前59秒內創(chuàng)建的非遺留物的前景記錄，在步驟Al所述的對應位置的最近運動時刻發(fā)生在當前時刻前2秒到1分鐘之間的情況下，匹配次數超過5，則置該記錄為遺留物前景；步驟B.通過背景模型判斷各像素所處三種狀態(tài)之一背景、遺留物前景、非遺留物的前景，并進行狀態(tài)保持計時；步驟C.提取持續(xù)處于同一遺留物前景狀態(tài)計時到預定值的像素點構成的連通區(qū)，提取待分析對象；步驟D.對待分析對象提取特征表達，累計預定值內特征表達相近的待分析對象數； 步驟E.如果某一區(qū)域在預定時間內累計的相近待分析對象數目超過預定象數，則根據步驟Al的記錄，計算該區(qū)域內預定時間內無運動的點的比例；如果該比例超過90%，則判斷該區(qū)域存在遺留物。
2.根據權利要求1所述的遺留物檢測的實現方法，其特征在于，所述步驟A中背景模型具有以下特征對圖像的各像素位置獨立處理；各位置均分布對應一個或多個顏色取值情況記錄；各記錄包含以下信息顏色取值范圍、最近匹配的時刻、總匹配次數、記錄對應的狀態(tài)；其中記錄對應的狀態(tài)為三種背景、遺留物前景、非遺留物的前景。
3.根據權利要求1所述的遺留物檢測的實現方法，其特征在于，所述步驟B包括以下子步驟Bi.每5幀對當前圖像進行一次遺留物前景提?。籅2.根據匹配上的記錄對應的狀態(tài)，判斷各像素點所處的狀態(tài)背景、遺留物前景、非遺留物的前景；B3.如果一個像素點匹配上的記錄為遺留物前景記錄，則對該點處于該遺留物前景記錄進行持續(xù)匹配計數。
4.根據權利要求1所述的遺留物檢測的實現方法，其特征在于，所述步驟C包括以下子步驟Cl.提取遺留物前景圖如果像素點持續(xù)匹配同一遺留物前景記錄達6次以上，則置遺留物前景圖對應像素點的值為1，否則為0 ；C2.對遺留物前景圖做連通區(qū)分割并進行連通區(qū)分析，以分析成功的連通區(qū)記錄為待分析對象。
5.根據權利要求1所述的遺留物檢測的實現方法，其特征在于，所述步驟D包括以下子步驟Dl.對待分析對象提取特征表達，包括大小、位置、幾何形狀、圖像矩； D2.搜索預定時間內特征表達相近的待分析對象數目。
全文摘要
本發(fā)明一種基于計算機視覺的遺留物檢測方法，主要包括以下步驟更新運動歷史計時，學習和更新背景模型；通過背景模型判斷各像素所處三種狀態(tài)之一背景、遺留物前景、非遺留物的前景，并進行狀態(tài)保持計時；提取持續(xù)處于同一遺留物前景狀態(tài)計時達預定值的像素點構成的連通區(qū)，提取待分析對象；對待分析對象提取特征表達，累計預定時間內特征表達相近的待分析對象數；若累計值達到預定值，則對相應待分析對象的運動特征進行綜合分析，以確定是否為遺留物。本發(fā)明能夠快速準確定位提取遺留物對應的區(qū)域，具備適用面廣、自適應性強、實時性高、漏檢率低和可靠性好的特點。
文檔編號G06T7/20GK102314695SQ201110242599
公開日2012年1月11日 申請日期2011年8月23日 優(yōu)先權日2011年8月23日
發(fā)明者蔡渠棠 申請人:北京黃金視訊科技有限公司