[发明专利]用于更新场景模型和视频监视的方法和设备

说明书

技术领域

本发明涉及图像处理，特别地，本发明涉及视频图像中的对象检测，更特别地，本发明涉及前景/背景分离。

背景技术

视频是多个图像的序列。图像也称为帧。在本说明书中，术语“帧”和“图像”可互换地使用，用以描述图像序列中的单个图像。

场景建模，也称为背景建模，涉及基于描绘场景的图像序列，对场景的视觉成分的建模。所述成分通常包括前景成分和背景成分，常常希望对二者进行区分或分离。

在智能监视领域，普遍地使用前景/背景分离，以检测场景中的前景对象。场景包括若干个视觉元素，并且每个视觉元素可以具有若干种可能的表象。视觉元素可以例如是像素，或者如在JPEG图像中使用的8*8DCT(离散余弦变换)块。

在现有技术的一种前景对象检测方法中，通过分析视觉元素的表象持续时间来将前景对象与背景分离。如果视觉元素在一种状态下的表象持续时间大于预定的阈值，则该视觉元素将被识别为背景。

然而，上述方法无法将运动的前景对象与静止的前景对象精确地分离，例如在如图1(a)-1(c)所示的在背景中存在丢弃的物体的情况。如图1(a)所示，走廊被监视。在图1(b)中，一个包被丢弃在地面上。在图1(c)中，一个人从所述包旁边经过。期望只有运动的人被识别为前景对象，并且能够将包与人分离。然而，通过现有技术的上述方法，所述运动的人和所述包都将被检测为前景，并且将作为一个对象输出。因此，需要区分运动的前景对象与静止的前景对象(例如被丢弃的物体)的方法，此外，需要确定运动的前景对象与静止的前景对象之间的边界的方法。

在US2012/0163658中提出的方法解决了运动对象检测无法将运动的前景对象与静止的前景对象(丢弃的物体)分离的问题。该发明能够使用较少的存储器容量在短时间内将运动的前景对象与静止的前景对象分离。在US2012/0163658的方法中，运动的前景对象可以通过分析视觉元素对的表象之间的共同出现率而与静止的前景对象分离。

图2(a)-(c)示出了US2012/0163658的方法的原理。如图2(a)所示，两个相邻的视觉元素A和B被选择，视觉元素A和B的当前表象分别被识别为平面1和1’。由于视觉元素A和B的表象在图2(a)中没有改变，因此确定这两个视觉元素A和B的表象具有高的共同出现率，因此它们是连接的。在图2(b)中，一个包被丢弃在地面上。视觉元素A和B的表象分别由平面1和1’改变为平面2和2’。因为视觉元素A和B的表象都发生改变，因此确定这两个视觉元素A和B的表象具有高的共同出现率，并且因此它们是连接的。在图2(c)中，一个人从所述包旁边经过。视觉元素A的表象没有改变，并且保持为平面2。然而，视觉元素B的表象从平面2’改变为平面3’，即，将识别出视觉元素B的新表象。因此，确定这两个视觉元素A和B的表象具有低的共同出现率，并且因此它们是非连接的。由此，可以确定运动的对象与静止的对象之间的边界。

图3示出了在现有技术中的US2012/0163658的方法的流程图。如图3所示，在步骤110中，计算在每个视觉元素对中的视觉元素的表象的共同出现率。在步骤120，基于在步骤110计算的共同出现率来确定每个视觉元素对中的视觉元素之间的连接关系。在步骤130，根据视觉元素之间的连接关系来更新场景模型。

US2012/0163658的方法能够区分运动的前景对象与静止的前景对象，但是在该方法中仍然存在着一些问题。因为US2012/0163658的方法中的确定依赖于相邻视觉元素的表象的共同出现信息的精度，当噪声的量较大时，可能发生“欠分隔”和“过分隔”，它们是不期望的。图4(a)示出了在现有技术的US2012/0163658的方法中的“欠分隔”现象。图4(b)示出了在现有技术的US2012/0163658的方法中的“过分隔”现象。

如图4(a)所示，因为人的腿和包的颜色类似，因此当人的腿与包相邻时，对于相应的视觉元素，不会识别出新的表象。因此，相邻视觉元素的表象之间的共同出现率高，并且它们会被不正确地确定为是连接的。换言之，人的腿和包的边界无法被区分。该问题是所谓的“欠分隔”。

如图4(b)所示，因为光线改变对人的不同部分带来了不同的影响，例如在人的上半部分，会识别出视觉元素的新表象，但是在人的下半部分，不会识别出视觉元素的新表象。因此，上半部分和下半部分的表象之间的共同出现率低，并且这两部分将被不正确地确定为是非连接的。该问题是所谓的“过分隔”。

因此，需要提出一种新的技术来解决上述现有技术中的至少一个问题。

发明内容