[发明专利]一种基于背景差值法和帧间差值法相结合的运动区域前景图像算法

说明书

本发明涉及一种基于背景差值法和帧间差值法相结合的运动区域前景图像算法，其包括如下步骤：步骤1：通过背景差值法进行运动检测，提取到运动前景图像，记为图像Pa；步骤2：对提取到的前景图像按某一尺寸进行分块；步骤3：通过帧间差值法，提取前景图像的轮廓，记为图像Pb；步骤4：对提到的前景轮廓图像进行分块，分块大小和步骤2中的尺寸相同；步骤5：以块为单位，合并图像Pa和图像Pb上的分块组成最终的前景图像；本发明能够有效去除图像中的干扰信息，最大程度地检测到前景图像，方便工作人员的识别。

技术领域

本发明涉及一种运动检测算法，尤其涉及一种基于背景差值法和帧间差值法相结合的运动区域前景图像算法。

背景技术

电网作业现场类型多样，不同作业现场抢修、试验、检修过程中由不同的专业人员负责，安全无小事,安全大于天,生产安全风险管控成为电网日常工作中最重要的工作之一。然而日常工作中，工作区域范围大，作业繁杂，人员众多，而监督管理人员有限，部分工作人员自觉性不高，安全意识不够、对作业现场安全隐患麻痹大意，导致习惯性违章屡禁不止，因此很有可能在不经意间导致事故发生，威胁人员生命安全，威胁电网运行安全。怎样提高对于作业现场人员的管控成为摆在管理人员面前的难题。

当前，基于视频图像的运动人员检测识别，在计算机视觉上的应用十分广泛，包括在居家看护、安全检测等。通过视频图像识别技术，可以增强监控的识别程度，减轻监控人员的工作量。近年来视频图像分析技术的快速发展，以各种形式逐渐融入人们的日常生活当中，其中通过人员特征来判断特定群体人员的分析越来越受到重视。

运动检测技术是视频图像处理的重要分支之一，现在已经被广泛使用于网络摄像机、汽车监控锁、婴儿监视器、自动取样仪、自识别门禁等众多安防仪器和民用设施上。运动检测是在指定区域能识别图像的变化，检测运动物体的存在，并避免由光线或环境变化带来的干扰。但是如何从视频图像中将变化区域从背景图像中成功提取出来，需要对视频图像中运动区域进行有效分割。然而，由于视频图像的背景图像经常会存在动态变化，如光照、天气、影子及混乱干扰等的影响，使得视频图像的运动检测成为一项相当困难的工作。

背景差值法是视频图像运动目标检测中一项最基本的技术,被广泛应用于视频监控、机器人导航、智能交通等诸多领域。帧间差值法，是通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，该方法可以很好地适用于存在多个运动目标的情况。背景差值法的优点在于，可以获取完整的运动目标图像，但当背景变化时，需要及时更新，对于图像上细小的运动目标，差值结果中容易产生噪声。对于帧间差值法，该算法的优点在于，对动态环境有较强的自适应性；缺点是前景、背景区域的确定与阈值的选取有很大的关系，当灰度图像序列对比度较低时，由于相邻两帧的差（前景与背景之差）的范围很小，阈值难以选取，影响前景目标的分割结果。区域灰度值变化较为平坦时，容易在人体二值图像内产生空洞现象，给后续的目标分类和识别造成不便。

发明内容

本发明所要解决的技术问题是提供一种基于背景差值法和帧间差值法相结合的运动区域前景图像算法。

为解决上述问题，本发明所采取的技术方案是：

一种基于背景差值法和帧间差值法相结合的运动区域前景图像算法，其包括如下步骤：

步骤 1：采用背景差值法进行运动检测，提取到运动目标的前景图像，记为图像 Pa；

步骤 2：对提取到的运动目标的前景图像Pa按某一尺寸进行分块；

步骤 3：采用帧间差值法，提取运动目标的前景图像的轮廓，记为图像Pb；

步骤 4：对提取到的运动目标的前景图像的轮廓图像Pb进行分块，分块大小和步骤 2中的尺寸相同；

步骤 5：以块为单位，合并图像Pa和图像Pb上的分块组成最终的前景图像。