[发明专利]一种运动目标检测方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种运动目标检测方法及装置。

背景技术

智能视频监控是基于计算机视觉技术对监控场景内的视频图像进行分析，提取场景中的关键信息，并形成相应事件和告警的监控方式，在公共安全保护、交通管理等方面有着极为广泛的应用。

智能视频监控系统一般都是使用摄像机或者网络摄像头对某一场景进行连续不断的拍摄，对收集的视频流进行处理，检测其中的运动目标，并对运动目标进行分类、跟踪、识别等后续处理。运动目标检测是智能视频监控的基础，对各种后续处理有重要意义，整个监控系统的性能影响重大。

目前常用的运动目标检测方法包括时间差分法(Temporal Difference)和背景差分法(Background Subtraction)。时间差分法，又称为帧间差分法，通过假设背景图像中像素点的像素值和位置都不变，从而分离背景图像和前景图像。时间差分法有多种实现方法，其中一种是在连续的视频图像(也称为视频流)，或者图像序列的各帧图像之间进行绝对差分运算，算法流程如图1所示，一个视频流或者图像序列中的两帧图像f_k和f_k-1进行绝对差分运算得到差分图像D_k，再对差分图像进行阈值化处理得到二值化图像，然后，使用数学形态学方法对二值化图像进行滤波处理得到前景图像R_k，再对前景图像进行连通性分析，例如填充前景图像中的空洞，去除面积较小的孤立区域、非连通区域等，最后进行判别，只保留连通区域中面积大于给定面积阈值的连通部分，从而分离出前景图像和背景图像。背景差分法，是通过当前帧图像f_k与平均背景图像b_k-1进行差分运算，从而分离出背景图像和前景图像。背景差分法的算法流程如图2所示，与时间差分法的算法流程基本一致。

由此可见，现有技术中主要是通过对输入的一系列图像进行简单的差分运算提取前景图像和背景图像，这种方式对于噪声很敏感，在运动场景不变的情况下，可以取得一定的运动目标检测效果，而在环境稍有变化(比如光照变化、树叶摆动等等)时，提取出的前景图像和背景图像的精确度差，无法准确区分运动区域和非运动区域，在背景图像较复杂的情况下肯定会发生错误。

发明内容

本发明实施例提供了一种运动目标检测方法及装置，用以解决现有的运动目标检测技术存在的检测效率及检测准确率低的问题。

本发明实施例提供的一种运动目标检测方法包括：

利用当前输入图像的前若干帧图像中的像素点的像素值，计算当前输入图像的像素点的概率密度值；

将当前输入图像的像素点的概率密度值与预先设定的阈值进行比较，确定当前输入图像上的运动目标图像。

本发明实施例提供的一种运动目标检测装置包括：

背景建模单元，用于存储当前输入图像的前若干帧图像中的像素点的像素值，并采用所述像素值计算当前输入图像的像素点的概率密度值；

前景检测单元，用于将当前输入图像的像素点的概率密度值与预先设定的阈值进行比较，确定当前输入图像上的运动目标图像。

本发明实施例，利用当前输入图像的前若干帧图像中的像素点的像素值，计算当前输入图像的像素点的概率密度值；并将当前输入图像的像素点的概率密度值与预先设定的阈值进行比较，确定当前输入图像上的运动目标图像，从而实现了一种检测效率以及检测准确率较高的运动目标检测技术。

附图说明

图1为现有技术中的时间差分检测算法的流程示意图；

图2为现有技术中的背景差分检测算法的流程示意图；

图3为本发明实施例提供的一种运动目标检测装置的结构示意图；

图4为本发明实施例提供的一种运动目标检测方法的流程示意图。

具体实施方式

本发明实施例提供了一种运动目标检测方法及装置，用以提高运动目标的检测效率及检测准确率。

本发明实施例采用模式识别中常用的非参数估计方法，描述当前输入图像中的前若干帧采集图像中的运动目标图像以外的背景图像上的像素点特征，建立背景模型，通过背景模型检测当前输入图像的运动目标的像素点，从而提高检测效率及检测准确率。进一步，结合差分检测方法消除虚警点，降低错误检测率，充分发挥了多种方法的优点，极大提高整个运动目标检测装置的检测性能。并且，通过不断增加新的样本以更新旧的样本的方式，使得背景模型随着监控场景的变化而自适应地更新，从而可以很好地处理监控场景不断变化的情况，从而进一步提高运动目标检测的准确率。

下面结合附图对本发明实施例进行详细说明。