[发明专利]基于移动侦测的灰尘检测方法、装置、介质及终端设备

说明书

本发明公开了一种基于移动侦测的灰尘检测方法，包括：通过背景建模生成二值图，对所述二值图进行目标检测，得到目标检测框；对每个目标检测框的运动状态进行判断，得到运动目标检测框；对所述运动目标检测框的属性进行判断，确定目标是否为灰尘；本发明技术方案在不借助机器学习方法的情况下，利用背景建模和目标检测技术生成目标检测框，在不受资源占用和检测效果的影响下完成对图像的处理，接着根据运动物体的属性进行分析，从而判断目标是否为灰尘。

技术领域

本发明涉及视频图像处理技术领域，尤其涉及一种基于移动侦测的灰尘检测方法、装置、介质及终端设备。

背景技术

目前智能IPC在监控领域起到了举足轻重的作用，尤其是其在深夜起到的监控作用大幅解放了人力。在智能IPC中，移动侦测是其中一个重要的功能，该算法能够捕捉到画面中发生变化的部分，若变化部分面积足够大则会触发报警，从而联动声音报警，灯光报警或是录像等后续功能。但是，在夜视场景下，由于红外光照射到灰尘上形成反光，在画面中会形成一个移动的小块物体，当灰尘面积稍大或者同时出现几个灰尘时，由于移动侦测算法本身可能无法判断运动物体是否是用户关注的信息，因此移动灰尘也会触发误报。

现有技术针对目前移动侦测会由于灰尘运动导致误报的问题，主流的做法是利用目标检测框的增强算法，具体如下：(1)根据移动侦测算法得到移动区域(一般是和画面分辨率大小一致的二值图，1代表该像素在本帧处于移动状态，0代表该像素在本帧处于静止状态)；(2)利用机器学习算法得到目标外接框(人型，车辆或者是具体的动物)；(3)对于每个目标外接框，统计外接框内移动状态的像素总个数，然后通过一定的策略来进行分类(比如可以判断像素总个数是否大于一个绝对阈值，或者判断像素总个数与外接框面积的比值是否大于某个阈值)，对于大于阈值的外接框，则视作整个外接框处于运动状态，否则认为外接框处于静止状态；(4)如果画面中存在运动状态的外接框，或者所有运动状态的外接框的面积之和大于某个数值，则触发移动侦测报警，否则不触发移动侦测报警。但是现有技术存在如下问题：(1)机器学习算法往往带来巨大的资源消耗，并且针对不同的物体种类可能需要分别配置不同的算法，若用户期望关注的目标种类数量较多，则可能需要集成多个针对不同物体的检测任务的机器学习算法；(2)即使使用了多分类的机器学习算法来控制资源消耗的问题，这类算法在效果上并不能达到完美，目标检测框的增强既可能过滤掉无效的样本，也可能会导致移动侦测的漏检(比如一个人走过，出现了移动状态的像素，但是机器学习算法没有检测出人形，那么真实人形所在的移动像素则不会为触发移动侦测提供贡献)；(3)如果用户仅关注人形，利用性能好的人形检测算法是不错的选择，但如果用户期望关注特别的物体(比如农村的野猪，野鸡)，这类物体由于其特殊性，数据收集困难，难以训练出性能很好的模型。

因此，目前市面上亟需一种针对基于移动侦测的灰尘检测策略，可以在不受资源占用和检测效果的影响下，实现对移动侦测捕捉到的运动物体进行判断是否为灰尘。

发明内容

本发明提供了一种基于移动侦测的灰尘检测方法，以解决现有技术无法对移动侦测捕捉到的运动物体判断是否为灰尘而发生误报的技术问题。

为了解决上述技术问题，本发明实施例提供了一种基于移动侦测的灰尘检测方法，包括：

通过背景建模生成二值图，对所述二值图进行目标检测，得到目标检测框；

对每个目标检测框的运动状态进行判断，得到运动目标检测框；

对所述运动目标检测框的属性进行判断，确定目标是否为灰尘。

作为优选方案，所述对所述运动目标检测框的属性进行判断，确定目标是否为灰尘的步骤中，包括：

对所述运动目标检测框的画面像素值进行判断，当确定所述画面像素值大于背景建模的背景像素值的画面像素的数量小于预设阈值时，确定目标不是灰尘，否则，对所述运动目标检测框的面积大小进行判断；