專利名稱：一種去除光照影響的目標(biāo)檢測(cè)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種目標(biāo)檢測(cè)方法及裝置，特別涉及一種去除光照影響的目標(biāo)檢測(cè)方 法及裝置，屬于圖像處理、視頻監(jiān)控領(lǐng)域。
背景技術(shù)：
運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控技術(shù)的基礎(chǔ)，其檢測(cè)結(jié)果直接影響著后期事件(諸 如入侵、物品遺留、物品被盜、車輛逆向行駛等)檢測(cè)的誤警率和虛警率，因此得到了廣泛 地關(guān)注。然而在實(shí)際應(yīng)用時(shí)，經(jīng)常會(huì)出現(xiàn)光照變化的情況，這就大大影響了運(yùn)動(dòng)目標(biāo)檢測(cè)的 準(zhǔn)確性和可靠性。因此，需要研究去除光照影響的目標(biāo)檢測(cè)方法。目前研究的去除光照影響的目標(biāo)檢測(cè)方法主要有兩類。其中，一類方法是基于像 素的方法。一般來(lái)說(shuō)光照變化只會(huì)帶來(lái)像素亮度的變化而色彩不會(huì)有太大變化，此類方法 基于這個(gè)原理在HSI空間對(duì)像素值進(jìn)行分析以識(shí)別光照變化。但是在真實(shí)環(huán)境里面很多情 況都不滿足這個(gè)假設(shè)前提，而且在大多數(shù)的室外場(chǎng)景里面無(wú)論是背景還是目標(biāo)都沒(méi)有顏色 信息，這樣這類算法在實(shí)際環(huán)境里面的應(yīng)用效果并不理想。另一類方法是基于區(qū)域的方法。 如果在光照變化前后場(chǎng)景都具有一定的對(duì)比度，那么光照的變化不會(huì)帶來(lái)圖像紋理邊緣特 征的變化，基于區(qū)域的方法正是利用這個(gè)原理，如果前景和背景的邊緣相匹配，則此前景區(qū) 域就是光照變化造成的虛假前景區(qū)域。但是在晚間“光照變化前后場(chǎng)景都具有一定的對(duì)比 度”的假設(shè)不成立，則這類算法失效。此外，光照變化區(qū)域中同時(shí)有真實(shí)目標(biāo)進(jìn)入也會(huì)導(dǎo)致 這類算法匹配失敗。公開(kāi)號(hào)為CN 101393603A的中國(guó)專利申請(qǐng)公開(kāi)了一種識(shí)別和檢測(cè)隧道火災(zāi)火焰 的方法。該申請(qǐng)?zhí)峁┝耸褂觅ゑR變換的方法剔除多余光照。但是該方法運(yùn)算復(fù)雜且可靠性不高。綜上所述，目前迫切需要提出一種簡(jiǎn)單且有效地去除光照影響的目標(biāo)檢測(cè)方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于解決在目標(biāo)檢測(cè)中由于光照影響而產(chǎn)生的檢測(cè)目標(biāo)的不準(zhǔn)確 和不可靠問(wèn)題。為了達(dá)到上述目的，本發(fā)明提供了一種去除光照影響的目標(biāo)檢測(cè)方法，所述 目標(biāo)檢測(cè)方法包括以下步驟步驟101 建立背景圖像；步驟102 計(jì)算并輸出當(dāng)前幀圖像的梯度和所述背景圖像的梯度，所述梯度包括 水平方向梯度和垂直方向梯度；步驟103 比較所述當(dāng)前幀圖像的梯度和所述背景圖像的梯度的方向和幅度，并 據(jù)此提取并輸出前景輪廓；和步驟104 對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以輸出目標(biāo)。優(yōu)選地，在步驟101中，采用統(tǒng)計(jì)學(xué)方法建立背景圖像。所述統(tǒng)計(jì)學(xué)的方法為對(duì)某 段時(shí)間t內(nèi)采集的圖像中的像素點(diǎn)(X，y)進(jìn)行統(tǒng)計(jì)分析(就是對(duì)像素點(diǎn)(X，y)的灰度值
3進(jìn)行簡(jiǎn)單的個(gè)數(shù)統(tǒng)計(jì)累加)，選擇該段時(shí)間內(nèi)該像素點(diǎn)(x，y)的穩(wěn)定灰度值(以像素點(diǎn)(χ， y)的灰度值出現(xiàn)次數(shù)最多的選為穩(wěn)定灰度值)作為背景圖像內(nèi)對(duì)應(yīng)該像素點(diǎn)(χ，y)的灰 度值，通過(guò)統(tǒng)計(jì)該段時(shí)間t內(nèi)采集圖像中每個(gè)像素點(diǎn)的穩(wěn)定灰度值，從而獲取背景圖像。優(yōu)選地，在步驟102中，采用梯度算子分別計(jì)算所述當(dāng)前幀圖像的水平方向梯度、 垂直方向梯度，以及所述背景圖像的水平方向梯度、垂直方向梯度。所述梯度算子為Robert 算子或者Sobel算子。Robert算子和Sobel算子是通用的圖像處理中的梯度算法，這里不 再贅述。優(yōu)選地，步驟103包括以下步驟步驟1031 根據(jù)步驟102輸出的所述當(dāng)前幀圖像的水平方向梯度和垂直方向梯 度、以及所述背景圖像的水平方向梯度和垂直方向梯度計(jì)算所述當(dāng)前幀圖像內(nèi)每個(gè)像素點(diǎn) 的梯度幅值A(chǔ)l和梯度方向θ 1、以及所述背景圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值Α2和梯度方向 Θ2；步驟1032 如果所述當(dāng)前幀圖像內(nèi)的像素點(diǎn)(X，y)的梯度幅值A(chǔ)l和所述背景 圖像內(nèi)的該像素點(diǎn)(χ，y)的梯度幅值々2均>第一閾值Tl，則轉(zhuǎn)入步驟1033;如果梯度幅 值A(chǔ)l和A2均彡第二閾值T2，則認(rèn)為該像素點(diǎn)(X，y)為噪聲點(diǎn)，否則計(jì)算|A1_A2| ；如果 IA1-A2彡第三閾值T3，則認(rèn)為該像素點(diǎn)(x，y)屬于前景點(diǎn)；其中，第一閾值Tl e [8，12]， 第二閾值T2 e [3，5]，第三閾值T3 e [4,6]；步驟1033 計(jì)算所述當(dāng)前幀圖像內(nèi)的該像素點(diǎn)(x，y)的梯度方向θ 1與所述背景 圖像內(nèi)的該像素點(diǎn)(χ，y)的梯度方向θ 2的絕對(duì)差值I θ 1-Θ2|，如果I θ 1-Θ2|彡第四 閾值Τ4，則認(rèn)為該像素點(diǎn)(x，y)屬于前景點(diǎn)；其中，第四閾值T4 e [18°，22° ]；和步驟1034 提取出所有屬于前景點(diǎn)的像素點(diǎn)，從而獲取前景輪廓。優(yōu)選地，步驟104包括以下步驟步驟1041 對(duì)步驟103輸出的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊；步驟1042 計(jì)算當(dāng)前幀圖像與背景圖像的差值圖像，采用閾值分割法對(duì)該差值圖 像進(jìn)行閾值分割以獲取差值圖像中的變化前景；和步驟1043 對(duì)所述前景團(tuán)塊和所述變化前景進(jìn)行“與”操作，將同時(shí)屬于所述前景 團(tuán)塊和所述變化前景的像素點(diǎn)作為目標(biāo)點(diǎn)以獲取并輸出目標(biāo)。此外，本發(fā)明還提供了一種去除光照影響的目標(biāo)檢測(cè)裝置，所述裝置包括背景建 立單元，用于采用統(tǒng)計(jì)學(xué)的方法建立背景圖像；梯度計(jì)算單元，用于計(jì)算并輸出當(dāng)前幀圖像 的梯度和背景圖像的梯度，所述梯度包括水平方向梯度和垂直方向梯度；前景輪廓提取單 元，用于比較所述當(dāng)前幀圖像的梯度和所述背景圖像的梯度的方向和幅度，并據(jù)此提取并 輸出前景輪廓；和目標(biāo)獲取單元，用于對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除 噪聲以輸出目標(biāo)。與現(xiàn)有技術(shù)相比，本發(fā)明的目標(biāo)檢測(cè)方法和裝置能夠準(zhǔn)確地檢測(cè)出去除光照影響 的目標(biāo)，有效地解決了目標(biāo)檢測(cè)中由于光照影響而產(chǎn)生的檢測(cè)目標(biāo)的不準(zhǔn)確和不可靠問(wèn)題。


圖1為按照本發(fā)明的去除光照影響的目標(biāo)檢測(cè)方法的流程4
圖2為按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟103的流程圖；圖3為按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟104的流程圖；圖4為按照本發(fā)明的去除光照影響的目標(biāo)檢測(cè)裝置的框架圖。
具體實(shí)施例方式為使貴審查員能進(jìn)一步了解本發(fā)明的結(jié)構(gòu)、特征及其他目的，現(xiàn)結(jié)合所附較佳實(shí) 施例詳細(xì)說(shuō)明如下，所說(shuō)明的較佳實(shí)施例僅用于說(shuō)明本發(fā)明的技術(shù)方案，并非限定本發(fā)明。本發(fā)明所提供的去除光照影響的目標(biāo)檢測(cè)方法主要用于解決監(jiān)控場(chǎng)景中由于光 照影響而產(chǎn)生的目標(biāo)檢測(cè)不準(zhǔn)確和不可靠的問(wèn)題。如圖1所示，圖1為按照本發(fā)明的去除光照影響的目標(biāo)檢測(cè)方法的流程圖。由圖 1可以看出，本發(fā)明的去除光照影響的目標(biāo)檢測(cè)方法包括以下步驟步驟101 建立背景圖像；步驟102 計(jì)算并輸出當(dāng)前幀圖像的梯度和所述背景圖像的梯度，所述梯度包括 水平方向梯度和垂直方向梯度；步驟103 比較所述當(dāng)前幀圖像的梯度和所述背景圖像的梯度的方向和幅度，并 據(jù)此提取并輸出前景輪廓；和步驟104 對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以輸出目標(biāo)。其中，步驟101所建立的背景圖像可以是起始幀圖像或者特定的靜態(tài)圖像。但為 了確保背景圖像的穩(wěn)定性與準(zhǔn)確性，在步驟101中優(yōu)選采用統(tǒng)計(jì)學(xué)的方法來(lái)建立背景圖 像。該統(tǒng)計(jì)學(xué)的方法通過(guò)以下步驟實(shí)施對(duì)某段時(shí)間t內(nèi)采集的圖像中的像素點(diǎn)(X，y)進(jìn) 行統(tǒng)計(jì)分析(就是對(duì)像素點(diǎn)(x，y)的灰度值進(jìn)行簡(jiǎn)單的個(gè)數(shù)統(tǒng)計(jì)累加)，選擇該段時(shí)間內(nèi)該 像素點(diǎn)(x，y)的穩(wěn)定灰度值(以像素點(diǎn)(x，y)的灰度值出現(xiàn)次數(shù)最多的選為穩(wěn)定灰度值) 作為背景圖像內(nèi)對(duì)應(yīng)該像素點(diǎn)(χ，y)的灰度值，通過(guò)統(tǒng)計(jì)該段時(shí)間t內(nèi)采集圖像中每個(gè)像 素點(diǎn)的穩(wěn)定灰度值，從而獲取背景圖像。在步驟102中，可以采用梯度算子分別計(jì)算當(dāng)前幀圖像的水平方向梯度、垂直方 向梯度，以及背景圖像的水平方向梯度、垂直方向梯度。其中，該梯度算子優(yōu)選為Robert算 子或者Sobel算子。例如，可以采用3X3Robert算子分別計(jì)算當(dāng)前幀圖像的水平方向梯度、 垂直方向梯度，以及計(jì)算背景圖像的水平方向梯度、垂直方向梯度。3X3Robert算子計(jì)算圖像的水平方向梯度、垂直方向梯度就是利用3X3Robert 算子水平方向模板、垂直方向模板計(jì)算圖像內(nèi)像素點(diǎn)對(duì)應(yīng)水平、垂直模板的水平差分、垂直
-1 -2 -1
差分。例如，可以選擇3X3Robert算子水平方向模板為0 C 0、垂直方向模板為
1 2 1
-1 0 1
-2 C 2，則像素點(diǎn)(X，y)的水平方向梯度SH(x，y)、垂直方向梯度Sv(x，y)分別為 -1 0 1Sh(x, y) = (fx+1, "+2。,y+fx+1,y+1) _ (。, "+2。,彳。,y+1)Sv (χ, y) = (f,^, y+1+2fx,y+1+fx+1,y+1) - (^1,^+f^,^1)fx,y表示像素點(diǎn)(x, y)的灰度值。)如圖2所示，圖2為按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟103的流程圖。由圖2可
5以看出，按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟103可以包括以下步驟步驟1031 根據(jù)步驟102輸出的當(dāng)前幀圖像的水平方向梯度和垂直方向梯度、以 及背景圖像的水平方向梯度和垂直方向梯度計(jì)算當(dāng)前幀圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值A(chǔ)l 和梯度方向θ 1、以及背景圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值A(chǔ)2和梯度方向θ 2。圖像內(nèi)像素點(diǎn)(X，y)的梯度幅值、梯度方向計(jì)算公式如下A(x, y) = ^SH\x,y) + Sv2(x,y)θ{χ, y) = arctg，(廣力步驟1032:如果當(dāng)前幀圖像內(nèi)的像素點(diǎn)(X，y)的梯度幅值A(chǔ)l和背景圖像內(nèi)的 該像素點(diǎn)(X，y)的梯度幅值A(chǔ)2均大于等于第一閾值Tl，則轉(zhuǎn)入步驟1033，如果梯度幅值 Al和A2均小于等于第二閾值T2，則認(rèn)為該像素點(diǎn)(X，y)為噪聲點(diǎn)，否則計(jì)算|A1_A2|，如 果|A1-A2|大于等于第三閾值T3，則認(rèn)為該像素點(diǎn)(X，y)屬于前景點(diǎn)。優(yōu)選地，第一閾值 Tl e [8，12]，第二閾值 T2 e [3，5]，第三閾值 T3 e [4，6]。步驟1033 計(jì)算當(dāng)前幀圖像內(nèi)的該像素點(diǎn)(x，y)的梯度方向θ 1與背景圖像內(nèi)的 該像素點(diǎn)(χ，y)的梯度方向θ 2的絕對(duì)差值I Θ -Θ2|，如果I Θ -Θ2|大于等于第四閾 值Τ4，則認(rèn)為該像素點(diǎn)(x，y)屬于前景點(diǎn)。優(yōu)選地，第四閾值T4e [18°，22° ]。步驟1034 提取出所有屬于前景點(diǎn)的像素點(diǎn)，從而獲取前景輪廓。如圖3所示，圖3為按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟104的流程圖。由圖3可 以看出，按照本發(fā)明的目標(biāo)檢測(cè)方法的步驟104可以包括以下步驟步驟1041 對(duì)步驟103輸出的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊；輪廓填充的方 法很多，例如可以采用水平方向掃描法，步驟可以如下以各個(gè)前景輪廓的矩形區(qū)域?yàn)閷?duì) 象，從矩形區(qū)域的第一行開(kāi)始掃描，按從左到右的順序，掃描到第一個(gè)輪廓點(diǎn)(即最左邊的 輪廓的)和最后一個(gè)輪廓點(diǎn)(即左右邊的輪廓點(diǎn))，則這兩個(gè)輪廓點(diǎn)之間的像素點(diǎn)全部設(shè)為 前景點(diǎn)，繼續(xù)下去直至該行掃描結(jié)束，開(kāi)始掃描下一行，直至最后一行；掃描完后的所有輪 廓點(diǎn)和前景點(diǎn)組成的團(tuán)塊即為前景團(tuán)塊。步驟1042 計(jì)算當(dāng)前幀圖像與背景圖像的差值圖像，采用閾值分割法對(duì)該差值圖 像進(jìn)行閾值分割以獲取差值圖像中的變化前景。閾值分割法是根據(jù)閾值對(duì)圖像內(nèi)像素點(diǎn)進(jìn)行分割的方法。所述閾值的選取方法很 多，有一維閾值、二維閾值。下面以一例簡(jiǎn)單的一維固定閾值為例如果該差值圖像內(nèi)某點(diǎn) 的灰度值大于設(shè)定的閾值，則記為“1”以表示為前景點(diǎn)；否則記為“0”以表示為背景點(diǎn)，由 此得到前景的二值圖像。步驟1043 對(duì)所述前景團(tuán)塊和所述變化前景進(jìn)行“與”操作，將同時(shí)屬于所述前景 團(tuán)塊和所述變化前景的像素點(diǎn)作為目標(biāo)點(diǎn)以獲取并輸出目標(biāo)。“與”操作是通用的一種計(jì)算機(jī)操作，具體地如果圖像內(nèi)某像素點(diǎn)同時(shí)屬于前景團(tuán) 塊和變化前景，則認(rèn)為該像素點(diǎn)為目標(biāo)點(diǎn)則獲取并輸出。如圖4所示，圖4為按照本發(fā)明的去除光照影響的目標(biāo)檢測(cè)裝置的框架圖。由圖 4可以看出，本發(fā)明的去除光照影響的目標(biāo)檢測(cè)裝置包括背景建立單元1，用于建立背景圖像；梯度計(jì)算單元2，用于計(jì)算并輸出當(dāng)前幀圖像和背景圖像的梯度，所述梯度包括水
6平方向梯度和垂直方向梯度；前景輪廓提取單元3，用于比較所述當(dāng)前幀圖像和所述背景圖像的梯度的方向和 幅度，并據(jù)此提取并輸出前景輪廓；目標(biāo)獲取單元4，用于對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以 輸出目標(biāo)。與現(xiàn)有技術(shù)相比，本發(fā)明的目標(biāo)檢測(cè)方法和裝置有效地解決了目標(biāo)檢測(cè)中由于光 照影響而產(chǎn)生的檢測(cè)目標(biāo)的不準(zhǔn)確和不可靠問(wèn)題。需要聲明的是，上述發(fā)明內(nèi)容及具體實(shí)施方式
意在證明本發(fā)明所提供技術(shù)方案的 實(shí)際應(yīng)用，不應(yīng)解釋為對(duì)本發(fā)明保護(hù)范圍的限定。本領(lǐng)域技術(shù)人員在本發(fā)明的精神和原理 內(nèi)，當(dāng)可作各種修改、等同替換、或改進(jìn)。本發(fā)明的保護(hù)范圍以所附權(quán)利要求書為準(zhǔn)。
權(quán)利要求
一種去除光照影響的目標(biāo)檢測(cè)方法，其特征在于，所述目標(biāo)檢測(cè)方法包括以下步驟步驟101采用統(tǒng)計(jì)學(xué)的方法建立背景圖像；步驟102計(jì)算并輸出當(dāng)前幀圖像的梯度和所述背景圖像的梯度，所述梯度包括水平方向梯度和垂直方向梯度；步驟103比較所述當(dāng)前幀圖像的梯度和所述背景圖像的梯度的方向和幅度，并據(jù)此提取并輸出前景輪廓；和步驟104對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以輸出目標(biāo)。
2.根據(jù)權(quán)利要求1所述的目標(biāo)檢測(cè)方法，其特征在于，在步驟102中，采用梯度算子分 別計(jì)算所述當(dāng)前幀圖像的水平方向梯度、垂直方向梯度，以及所述背景圖像的水平方向梯 度、垂直方向梯度。
3.根據(jù)權(quán)利要求1所述的目標(biāo)檢測(cè)方法，其特征在于，步驟103包括以下步驟 步驟1031 根據(jù)步驟102輸出的所述當(dāng)前幀圖像的水平方向梯度和垂直方向梯度、以及所述背景圖像的水平方向梯度和垂直方向梯度計(jì)算所述當(dāng)前幀圖像內(nèi)每個(gè)像素點(diǎn)的梯度 幅值A(chǔ)l和梯度方向θ 1、以及所述背景圖像內(nèi)每個(gè)像素點(diǎn)的梯度幅值A(chǔ)2和梯度方向Θ2;步驟1032 如果所述當(dāng)前幀圖像內(nèi)的像素點(diǎn)(X，y)的梯度幅值A(chǔ)l和所述背景圖像內(nèi) 的該像素點(diǎn)(x，y)的梯度幅值A(chǔ)2均彡第一閾值Tl，則轉(zhuǎn)入步驟1033;如果梯度幅值A(chǔ)l和 A2均彡第二閾值T2，則認(rèn)為該像素點(diǎn)(x，y)為噪聲點(diǎn)，否則計(jì)算|A1-A2| ；如果|A1_A2|彡 第三閾值T3，則認(rèn)為該像素點(diǎn)(x，y)屬于前景點(diǎn)；步驟1033 計(jì)算所述當(dāng)前幀圖像內(nèi)的該像素點(diǎn)(x，y)的梯度方向θ 1與所述背景圖像 內(nèi)的該像素點(diǎn)(χ，y)的梯度方向θ 2的絕對(duì)差值I θ 1-Θ2|，如果I θ 1-Θ2|彡第四閾值 Τ4，則認(rèn)為該像素點(diǎn)(x,y)屬于前景點(diǎn)；和步驟1034 提取出所有屬于前景點(diǎn)的像素點(diǎn)，從而獲取前景輪廓。
4.根據(jù)權(quán)利要求3所述的目標(biāo)檢測(cè)方法，其特征在于，第一閾值Tle [8，12]，第二閾 值 T2e [3，5]，第三閾值了3￡ [4，6]，第四閾值 T4 e [18°，22° ]。
5.根據(jù)權(quán)利要求1所述的目標(biāo)檢測(cè)方法，其特征在于，步驟104包括以下步驟 步驟1041 對(duì)步驟103輸出的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊；步驟1042 計(jì)算當(dāng)前幀圖像與背景圖像的差值圖像，采用閾值分割法對(duì)該差值圖像進(jìn) 行閾值分割，以獲取差值圖像中的變化前景；步驟1043 對(duì)所述前景團(tuán)塊和所述變化前景進(jìn)行“與”操作，將同時(shí)屬于所述前景團(tuán)塊 和所述變化前景的像素點(diǎn)作為目標(biāo)點(diǎn)以獲取并輸出目標(biāo)。
6.一種去除光照影響的目標(biāo)檢測(cè)裝置，其特征在于，所述裝置包括 背景建立單元，用于采用統(tǒng)計(jì)學(xué)的方法建立背景圖像；梯度計(jì)算單元，用于計(jì)算并輸出當(dāng)前幀圖像的梯度和背景圖像的梯度，所述梯度包括 水平方向梯度和垂直方向梯度；前景輪廓提取單元，用于比較所述當(dāng)前幀圖像的梯度和所述背景圖像的梯度的方向和 幅度，并據(jù)此提取并輸出前景輪廓；以及目標(biāo)獲取單元，用于對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以輸出 目標(biāo)。
全文摘要
本發(fā)明提供了一種去除光照影響的目標(biāo)檢測(cè)方法，所述目標(biāo)檢測(cè)方法包括以下步驟建立背景圖像；計(jì)算并輸出當(dāng)前幀圖像和背景圖像的梯度，所述梯度包括水平方向梯度和垂直方向梯度；比較所述當(dāng)前幀圖像和所述背景圖像的梯度的方向和幅度，并據(jù)此提取并輸出前景輪廓；對(duì)提取的前景輪廓進(jìn)行填充以獲取前景團(tuán)塊，并濾除噪聲以輸出目標(biāo)。本發(fā)明還提供了一種去除光照影響的目標(biāo)檢測(cè)裝置。與現(xiàn)有技術(shù)相比，本發(fā)明的目標(biāo)檢測(cè)方法和裝置有效地解決了目標(biāo)檢測(cè)中由于光照影響而產(chǎn)生的檢測(cè)目標(biāo)的不準(zhǔn)確和不可靠問(wèn)題。
文檔編號(hào)H04N7/18GK101950352SQ201010195149
公開(kāi)日2011年1月19日 申請(qǐng)日期2010年5月31日 優(yōu)先權(quán)日2010年5月31日
發(fā)明者楊學(xué)超 申請(qǐng)人:北京智安邦科技有限公司