[发明专利]一种运动目标的检测方法、系统及视频分析系统

说明书

技术领域

本发明属于监控技术领域，尤其涉及一种运动目标的检测方法、系统及视频分析系统。

背景技术

视频监控领域中所提到的智能视频分析技术是影像语音技术、计算机技术、通讯技术和多媒体存储开发技术的结合。主要是指通过计算机对连续采集的视频信号进行处理，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，进而对目标的行为进行分析，看是否有越界、越线、物体遗留或者盗窃等事件发生，当检测到有该类事件发生时，便发出报警信号并提醒监控人员注意或者采取相应的措施。

运动目标检测是整个智能视频分析技术的前提和基础，运动目标检测的准确与否直接影响到目标特征的提取以及后续目标的特征匹配、跟踪和行为分析的准确程度。针对监控环境的不同，可以将运动目标检测方法分为两种：一种是摄像机静止情况下的运动目标检测，另一种是摄像机运动情况下的运动目标检测。目前，对于摄像机固定情况下的运动目标检测方法有很多，总的来说分为：背景减法、帧间差分法和光流法等。由于背景减法能够比其他方法提供更多的关于运动目标的信息，所以被广泛地应用在运动目标检测中。

背景减法近年来受到了国内外大量学者和研究人员的广泛关注，在运动目标检测理论研究和实际应用方面也进行了一些有益探索，有很多关于基于背景减的运动目标检测方面的文章发表，主要有基于单高斯、基于混合高斯、基于统计和基于贝叶斯的方法等，但是这些方法检测的准确度不够，或不能达到检测的实时性要求。尤其是复杂监控场景的背景干扰，如树叶摆动、水纹波动、雨雪、光照变化等天气因素的影响，常常使得这些算法的检测精度降低，使得算法的适用性降低。

发明内容

本发明实施例的目的在于提供一种运动目标的检测方法，旨在解决现有技术中运动目标的检测算法的适用性较低、检测精度低的问题。

本发明实施例是这样实现的，一种运动目标的检测方法，所述方法包括下述步骤：

根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型；

根据灰度背景模型和梯度背景模型分别进行运动目标的检测；

将基于灰度背景模型和梯度背景模型进行运动目标检测的结果相结合，分割得到运动目标。

本发明实施例的另一目的在于提供一种运动目标的检测系统，所述系统包括：

背景模型建立模块，用于根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型；

检测模块，用于根据所述背景模型建立模块建立的灰度背景模型和梯度背景模型进行运动目标的检测；以及

分割模块，用于将所述检测模块分别进行基于所述灰度背景模型和梯度背景模型运动目标检测的结果相结合，分割得到运动目标。

本发明实施例的另一目的在于提供一种视频分析系统，所述视频分析系统包括运动目标的检测系统。

在本发明实施例中，根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型；根据所述灰度背景模型和梯度背景模型分别进行运动目标的检测；将分别对基于所述灰度背景模型和梯度背景模型进行运动目标检测的结果进行结合，分割得到运动目标，提高了运动目标检测的精度，适用性高。

附图说明

图1是本发明实施例提供的运动目标的检测方法的实现流程图；

图2是本发明实施例提供的根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型的实现流程图；

图3是本发明第一实施例提供的运动目标的检测系统的结构框图；

图4是本发明实施例提供的背景模型建立模块的结构框图；

图5是本发明第二实施例提供的运动目标的检测系统的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在本发明实施例中，根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型；根据所述灰度背景模型和梯度背景模型进行运动目标的检测；将分别基于所述灰度背景模型和梯度背景模型进行运动目标检测的结果进行结合，分割得到运动目标。

图1示出了本发明实施例提供的运动目标的检测方法的实现流程，其具体的步骤如下所述：

在步骤S101中，根据预先获取的灰度和梯度信息，建立灰度背景模型和梯度背景模型。

在本发明实施例中，预先获取灰度和梯度信息，然后根据该灰度和梯度进行建立背景模型，下述有分别以灰度和梯度为实施例进行的描述，在此不再赘述，但不用以限制本发明。