[发明专利]静止前景物体的检测方法和设备

说明书

技术领域

本发明涉及视频图像处理技术，更具体地说，本发明涉及一种在已采集的视频图像序列中检测静止前景物体的方法及设备。 

背景技术

随着计算机技术、图像处理技术的飞速发展，视频被越来越多的应用到社会的各个领域，如视频监控、视频会议等。对视频的分析处理，已成为当前图像处理领域的研究热点，其关键的处理技术就是对视频序列中的运动物体或目标进行检测，其结果通常用于目标跟踪、分类等更高层次的分析与处理。作为运动物体检测的一种有效方法，减背景(Background Subtraction)算法将场景背景从当前图像中减去以得到运动前景，具有准确定位和不扩大运动区域等优点。通常假设背景完全静止不动或背景通过拍摄没有运动前景物体的图像得到。然而在实际应用，如视频会议中，不包括运动前景或完全静止不变的背景图像很难得到。因此，鲁棒的减背景算法首先需要从包含运动前景的复杂场景序列图像中动态的建立背景模型。 

然而，动态建立背景模型的减背景算法在实际应用时仍然存在一个严重问题：当运动物体进入场景中时，减背景算法能够准确迅速的检测到运动前景。当运动物体运动到一定位置后停止运动，并在较长一段时间内保持静止，减背景算法会在其动态更新背景模型的过程中，将静止的前景物体逐步的更新到背景模型，进而认为场景中没有前景物体，即使此时前景物体仍然存在于场景中。现有技术中，检测静止的前景物体的方法主要有两种：一种是基于运动矢量的方法，这种方法计算代价高，对硬件系统也有较高要求，不适于推广应用。另一种方法是通过采集没有前景物体的背景图像，建立先验的背景模型，这种方法计算代价小，但是如上所述，很难在实际应用中实现。 

例如，专利文献1提出了一种基于混合高斯模型的静止物体检测方法。此专利首先使用包含三个高斯分布的混合高斯模型对背景进行建模，然后使用一个用户预先设置的阈值，和混合高斯模型中所有高斯分布的权值进行比 较，比较结果用于判断图像像素是否属于静止物体。但是，在实际应用中，用户很难针对所有场景设置一个阈值，而此专利所述方法中阈值的准确性直接影响最后检测结果的准确性。此外，使用单个混合高斯模型对背景建模，准确性易受环境噪声的影响。 

专利文献2提出了一种静止物体检测方法。此专利中，静止物体检测模块与运动物体检测模块相互独立。当运动物体检测模块未检测到运动物体时，才调用静止物体检测模块。静止物体检测模块中，首先在当前帧和当前帧的前一帧之间进行逐像素的比较，然后统计比较结果中像素值相同的像素个数。如果像素个数超过预设阈值，则表示检测到静止物体。但是，此专利中运动物体检测和静止物体检测相互独立，没有整合在同一计算框架中，增加了计算复杂性和计算代价。此外，此专利需要在检测开始之间，使用一组无前景物体的背景图像建立先验背景模型，降低了专利的通用性和实用性。 

【专利文献1】美国专利US 7620266B2 

【专利文献2】美国专利US 2008/0181457A1 

发明内容

如上所述，现有的静止前景物体检测方法都无法有效地适应实际应用的需求。针对现有技术中存在的问题，本发明提出一种新的静止前景物体检测方法。在本发明中，所谓的静止前景物体为该物体本身并不是场景中的一部分，物体在进入场景后保持静止直至它再次移动。在物体静止的这段时间，该物体即为一个静止前景物体。与传统的单背景模型的方法不同，本发明建立了两个背景模型。第一背景模型为使用第一更新率的背景模型，它能够表征像素的颜色分布中最稳定不变的部分；第二背景模型为使用高于第一更新率的第二更新率的背景模型，它能够判断出属于运动前景物体的像素。这就意味着根据更新率不同的两个背景模型，能够判别出属于静止前景物体的像素。 

根据本发明的一个方面，提供一种静止前景物体的检测方法，包括：连续采集被监控区域的当前图像，得到包含前景物体的视频图像序列；创建并初始化一个频率图；根据第一更新率建立第一背景模型和根据大于第一更新率的第二更新率建立第二背景模型，并根据已建立的第一背景模型使用减 背景方法从所采集的当前图像中提取第一前景图像和根据已建立的第二背景模型使用减背景方法从所采集的当前图像中提取第二前景图像；以及对提取出的第一前景图像和第二前景图像进行分析，根据分析结果更新频率图，并利用更新后的频率图检测静止的前景物体。 

所述静止前景物体的检测方法还包括：根据最后的检测结果，按照各自不同的更新率，对第一背景模型和第二背景模型进行更新。