[发明专利]运动检测方法及装置、背景模型建立方法及装置

说明书

技术领域

本发明涉及运动检测技术，尤其涉及一种运动检测方法和装置、以及背 景模型建立方法和装置。

背景技术

运动检测（Motion Detection）是计算机视觉（Computer Vision）研究的 重要领域，在视频监控和智能交通等领域有着广泛的应用。目前的运动检测 方法主要包括基于像素点的检测方法和基于区域的检测方法。

现有技术中，基于像素点的检测方法，如混合高斯运动检测方法（MoG）， 仅仅独立考虑每个像素点的信息而忽略了图像区域中的各个像素点之间的 相关性，丢失了很多有价值的信息；并且通常对所有像素点都进行处理，运 算量大，不利于实时应用。基于区域的检测方法，如特征背景方法（Eigen  Background），先收集训练背景图像，然后使用主分量分析（也称主成分分 析，PCA）技术提取背景图像的特征来描述背景，但PCA技术忽略了训练 背景图像序列的时间特性，因此训练得到的背景模型失去了背景图像序列时 间上的特征，进而影响了运动检测的准确性。

发明内容

有鉴于此，本发明中一方面提供一种运动检测方法和装置，另一方面提 供一种背景模型建立方法和装置，以提高运动检测的准确性。

本发明所提供的运动检测方法，包括：

A、将训练用的背景图像序列的当前训练区域序列表示为一个高阶张量；

B、对所述张量进行高阶奇异值分解，得到所述张量的张量子空间；

C、利用所述张量子空间对当前待检图像的对应待检区域进行运动检测；

所述步骤C包括：

从所述训练用的背景图像序列的当前训练区域序列中选取一个训练区域作 为当前基准区域，或将所述当前训练区域序列中对应像素点的均值所构成的均 值图像区域作为基准区域；

计算所述基准区域在所述张量子空间上的投影，得到第一投影；

计算当前待检图像的对应待检区域在所述张量子空间上的投影，得到第二 投影；

计算所述第一投影和第二投影之间的距离值，将所述距离值与设定的条件 进行匹配，根据匹配结果确定运动目标是否出现。

本发明所提供的运动检测装置，包括：

张量子空间计算单元，用于将训练用的背景图像序列的当前训练区域序列 表示为一个高阶张量，对所述张量进行高阶奇异值分解，得到所述张量的张量 子空间；

运动检测单元，用于利用所述张量子空间对当前待检图像的对应待检区域 进行运动检测；

所述运动检测单元包括：

基准区域确定单元，用于从所述训练用的背景图像序列的当前训练区域序 列中选取一个训练区域作为基准区域，或将所述当前训练区域序列中对应像素 点的均值所构成的均值图像作为基准区域；

投影计算单元，用于计算所述基准区域在所述张量子空间上的投影，得到 第一投影；计算当前待检图像的对应待检区域在所述张量子空间上的投影，得 到第二投影；

第一结果确定单元，用于计算所述第一投影和第二投影之间的距离值，将 所述第一投影和第二投影之间的距离值与设定的条件进行匹配，根据匹配结果 确定运动目标是否出现。

从上述方案可以看出，本发明中基于张量分析的方法，将收集的背景图 像序列或其划分为图像块之后的每个图像块序列表示为一个高阶张量，并计 算该张量的张量子空间，利用该张量子空间对当前待检图像或其划分为图像 块之后的对应待检图像块进行运动检测。由于高阶张量包含有背景图像序列 时间上的特性，因此基于这种张量分析的运动检测不仅提取了背景图像的空 间特性，还提取了背景图像的时间特性，由于充分考虑了背景图像的时空特 性，因此基于这种张量分析的运动检测提高了运动检测的准确性。

附图说明

图1为本发明实施例中运动检测方法的示例性流程图；

图2为本发明实施例中张量A的示意图；

图3为本发明实施例中张量A的各模式示意图；

图4为本发明实施例中张量A的各模式展开示意图；

图5为本发明实施例中运动检测装置的示例性结构图；

图6a和图6b为图5所示装置中运动检测单元的结构示意图；

图7为本发明实施例中背景模型的建立装置的示例性结构图。

具体实施方式