專利名稱：一種針對(duì)移動(dòng)攝像機(jī)的背景減除方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻監(jiān)控領(lǐng)域，尤其涉及一種針對(duì)攝像機(jī)運(yùn)動(dòng)情況下的運(yùn)動(dòng)目標(biāo)的檢測(cè)方法。
背景技術(shù)：
智能監(jiān)控是計(jì)算機(jī)視覺的一個(gè)重要應(yīng)用，其廣泛應(yīng)用于生產(chǎn)管理、保安等場(chǎng)合，成為金融、交通、商業(yè)、國防乃至住宅區(qū)等領(lǐng)域安全防范監(jiān)控的重要手段。背景減除是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要問題，是實(shí)現(xiàn)智能監(jiān)控系統(tǒng)的基礎(chǔ)。傳統(tǒng)的背景減除方法都是通過建立統(tǒng)計(jì)學(xué)背景模型，然后找出那些與背景模型性質(zhì)不同的部分來實(shí)現(xiàn)運(yùn)動(dòng)物體的提取。然而這些方法僅僅局限于靜止的攝像機(jī)攝像機(jī)不能移動(dòng)(甚至是微小的機(jī)械振動(dòng)也會(huì)帶來較大的誤差)，因此其視場(chǎng)是有限的，對(duì)于大面積場(chǎng)景的監(jiān)控只能通過增加攝像機(jī)的數(shù)目來實(shí)現(xiàn)，系統(tǒng)的開銷與維護(hù)成本高。同時(shí)對(duì)于一些移動(dòng)攝像頭監(jiān)控的應(yīng)用情況，例如機(jī)器人的視覺，汽車的盲區(qū)監(jiān)測(cè)等，則不適用。因此，對(duì)于移動(dòng)攝像機(jī)的背景減除方法的研究顯得尤為重要。實(shí)現(xiàn)針對(duì)移動(dòng)攝像機(jī)背景減除的典型方法，如Statisticalbackgroundsubtraction for a mobile observer (針對(duì)移動(dòng)觀察者的統(tǒng)計(jì)學(xué)背景減除方法)，Realtime foreground object detection using ptz camera (基于 ptz 相機(jī)的實(shí)時(shí)前景檢測(cè))等都是構(gòu)建全景背景模型，通過尋找到當(dāng)前視頻幀圖像在全景背景模型中相對(duì)應(yīng)的位置，然后按攝像機(jī)靜止情況下的方法，通過傳統(tǒng)的背景減除技術(shù)來實(shí)現(xiàn)前景目標(biāo)的提取。但是這種方法計(jì)算量大，系統(tǒng)運(yùn)行慢，占用內(nèi)存大而且背景更新慢，匹配誤差會(huì)引起誤判。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種針對(duì)移動(dòng)攝像機(jī)的背景減除方法。該方法在不用構(gòu)建全景背景模型的情況下，實(shí)現(xiàn)前景目標(biāo)的實(shí)時(shí)提取、背景的自適應(yīng)更新，解決由配準(zhǔn)誤差引起的誤判。同時(shí)該方法計(jì)算速度快、占用內(nèi)存小，適用于車載嵌入式系統(tǒng)實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。本發(fā)明是通過以下技術(shù)方案來實(shí)現(xiàn)的一種針對(duì)移動(dòng)攝像機(jī)的背景減除方法，該方法包括如下步驟步驟I)用移動(dòng)的視頻監(jiān)控?cái)z像頭采集環(huán)境圖像與含有前景目標(biāo)的圖像；步驟2)將步驟I中得到的第一幀環(huán)境圖像作為初始背景圖像，對(duì)初始背景圖像中每個(gè)像素進(jìn)行單高斯分布建模，得到背景模型；利用KLT (Kanade-Lucas-Tomasi)方法從背景模型得到可信度較高的背景特征點(diǎn)，然后在當(dāng)前視頻幀圖像中找到這些背景特征點(diǎn)的對(duì)應(yīng)點(diǎn)。利用二者之間的關(guān)系得到攝像機(jī)的變換模型H，實(shí)現(xiàn)攝像機(jī)運(yùn)動(dòng)估計(jì)；步驟3)將步驟2中得到的背景模型與當(dāng)前視頻幀圖像進(jìn)行高斯差分濾波；再將經(jīng)過高斯差分濾波后的背景模型與步驟2的攝像機(jī)的變換模型H相乘后，通過圖像卷繞實(shí)現(xiàn)當(dāng)前視頻幀圖像重疊區(qū)與新增區(qū)劃分。步驟4)在步驟3得到的重疊區(qū)，分別標(biāo)記前景像素與背景像素，實(shí)現(xiàn)前景目標(biāo)的提取并得到背景區(qū)域；步驟5)將步驟3中新增區(qū)與步驟4中得到的背景區(qū)域，直接用來構(gòu)建并更新背景模型；步驟6)后處理:對(duì)經(jīng)過步驟1-5處理后的視頻幀圖像進(jìn)行閾值化、形態(tài)學(xué)處理等獲得前景目標(biāo)二值圖像；步驟7)輸出每幀輸入視頻圖像對(duì)應(yīng)的只包含運(yùn)動(dòng)目標(biāo)的二值圖像。本發(fā)明的有益效果是:本發(fā)明通過提出一種基于改進(jìn)后的時(shí)空高斯模型的非全景背景模型，通過將當(dāng)前視頻輸入幀劃分為重疊區(qū)與新增區(qū)，實(shí)現(xiàn)在重疊區(qū)內(nèi)提取運(yùn)動(dòng)目標(biāo)，新增區(qū)用來構(gòu)建并更新背景模型。同時(shí)本發(fā)明實(shí)時(shí)性好，運(yùn)算速度快，對(duì)光照的變化和相機(jī)快速移動(dòng)具有良好的適應(yīng)性，能夠很好的實(shí)現(xiàn)從動(dòng)態(tài)背景中提取前景目標(biāo)。


圖1為本發(fā)明的方法流程圖；圖2為鄰域像素概念解釋圖；圖3為學(xué)習(xí)率的機(jī)制(Age)示意圖。
具體實(shí)施例方式如圖1所示，本發(fā)明針對(duì)移動(dòng)攝像機(jī)的背景減除方法包括如下步驟:步驟1:用移動(dòng)的視頻監(jiān)控?cái)z像頭采集環(huán)境圖像和含有前景目標(biāo)的圖像。步驟2:將步驟I中得到的第一幀環(huán)境圖像作為初始背景圖像，對(duì)初始背景圖像中每個(gè)像素進(jìn)行單高斯分布建模，得到背景模型；利用KLT (Kanade-Lucas-Tomasi)方法從背景模型得到可信度較高的背景特征點(diǎn)，然后在當(dāng)前視頻幀圖像中找到這些背景特征點(diǎn)的對(duì)應(yīng)點(diǎn)。利用二者之間的關(guān)系得到攝像機(jī)的變換模型H，實(shí)現(xiàn)攝像機(jī)運(yùn)動(dòng)估計(jì)。背景特征點(diǎn)的提取是利用KLT算子。首先計(jì)算背景圖像中每個(gè)像素點(diǎn)的σ矩陣的特征值A(chǔ)1, λ 2，如果Hiin(A1X2)XT則該點(diǎn)為有效特征點(diǎn)。σ矩陣定義為:

權(quán)利要求
1.一種針對(duì)移動(dòng)攝像機(jī)的背景減除方法，其特征在于，該方法包括以下步驟: (1)用移動(dòng)的視頻監(jiān)控?cái)z像頭采集環(huán)境圖像與含有前景目標(biāo)的圖像； (2)將步驟I中得到的第一幀環(huán)境圖像作為初始背景圖像，對(duì)初始背景圖像中每個(gè)像素進(jìn)行單高斯分布建模，得到背景模型；利用KLT (Kanade-Lucas-Tomasi)方法從背景模型得到可信度較高的背景特征點(diǎn)，然后在當(dāng)前視頻幀圖像中找到這些背景特征點(diǎn)的對(duì)應(yīng)點(diǎn)。利用二者之間的關(guān)系得到攝像機(jī)的變換模型H，實(shí)現(xiàn)攝像機(jī)運(yùn)動(dòng)估計(jì)； (3)將步驟2中得到的背景模型與當(dāng)前視頻幀圖像進(jìn)行高斯差分濾波；再將經(jīng)過高斯差分濾波后的背景模型與步驟2的攝像機(jī)的變換模型H相乘后，通過圖像卷繞實(shí)現(xiàn)當(dāng)前視頻幀圖像重疊區(qū)與新增區(qū)劃分； (4)在步驟3得到的重疊區(qū)，分別標(biāo)記前景像素與背景像素，實(shí)現(xiàn)前景目標(biāo)的提取并得到背景區(qū)域； (5)將步驟3中新增區(qū)與步驟4中得到的背景區(qū)域，直接用來構(gòu)建并更新背景模型； (6)后處理:對(duì)經(jīng)過步驟1-5處理后的視頻幀圖像進(jìn)行閾值化、形態(tài)學(xué)處理等獲得前景目標(biāo)二值圖像； (7)輸出每幀輸入視頻圖像對(duì)應(yīng)的只包含運(yùn)動(dòng)目標(biāo)的二值圖像。
2.根據(jù)權(quán)利要求1所述的針對(duì)移動(dòng)攝像機(jī)的背景減除方法，其特征在于，所述步驟2中，背景特征點(diǎn)的提取是利用KLT算子。首先計(jì)算背景圖像中每個(gè)像素點(diǎn)的σ矩陣的特征值X1X2，如果Kiin(A1X2)XT則該點(diǎn)為有效特征點(diǎn)。σ矩陣定義為:
3.根據(jù)權(quán)利要求1所述的針對(duì)移動(dòng)攝像機(jī)的背景減除方法，其特征在于，所述步驟3中，對(duì)背景模型與當(dāng)前視頻幀圖像按如下公式進(jìn)行高斯差分銳化:
4.根據(jù)權(quán)利要求1所述的針對(duì)移動(dòng)攝像機(jī)的背景減除方法，其特征在于，所述步驟4具體包括以下子步驟: (4.1)獲得背景模型中與當(dāng)前視頻幀圖像中某點(diǎn)X。對(duì)應(yīng)點(diǎn)的準(zhǔn)確位置: 考慮到由配準(zhǔn)誤差引起的將靜止的物體像素標(biāo)記為前景目標(biāo)，如圖2，采用標(biāo)記點(diǎn)鄰域像素概念來避免，具體步驟如下: 由當(dāng)前視頻幀圖像中一個(gè)點(diǎn)X。與步驟2計(jì)算的變換模型H相乘得到在背景模型中與點(diǎn)X。相對(duì)應(yīng)的點(diǎn)Xb，公式如下: Xb = H.Xc ; 通過在Xb鄰域N(Xb)內(nèi)求得Xb的準(zhǔn)確位置尤公式如下:
5.根據(jù)權(quán)利要求1所述的針對(duì)`移動(dòng)攝像機(jī)的背景減除方法，其特征在于，所述步驟5中，對(duì)每個(gè)背景像素進(jìn)行改進(jìn)后的時(shí)空單高斯分布建模，具體是采用時(shí)間和空間相關(guān)的參數(shù)來更新背景模型的標(biāo)準(zhǔn)差與均值。背景模型更新方程如下:
全文摘要
本發(fā)明公開了一種針對(duì)移動(dòng)攝像機(jī)的背景減除方法，針對(duì)傳統(tǒng)的通過構(gòu)建全景背景模型來實(shí)現(xiàn)動(dòng)態(tài)背景減除的方法而導(dǎo)致的運(yùn)算速度慢、內(nèi)存占用大與匹配誤差等問題，本發(fā)明提出一種基于改進(jìn)后的時(shí)空高斯模型的非全景背景模型。通過將當(dāng)前視頻幀圖像劃分為重疊區(qū)與新增區(qū)，重疊區(qū)內(nèi)實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的提取，新增區(qū)用來構(gòu)建并更新背景模型。本發(fā)明實(shí)時(shí)性好，運(yùn)行速度快，對(duì)光照的變化和相機(jī)快速移動(dòng)具有良好的適應(yīng)性，能夠很好的實(shí)現(xiàn)從動(dòng)態(tài)背景中提取前景目標(biāo)。
文檔編號(hào)G06T7/20GK103077520SQ20131000298
公開日2013年5月1日 申請(qǐng)日期2013年1月4日 優(yōu)先權(quán)日2013年1月4日
發(fā)明者周泓, 楊思思, 陳益如 申請(qǐng)人:浙江大學(xué)