[发明专利]一种前景检测的方法、装置和系统

说明书

技术领域

本发明涉及监控领域，特别涉及一种前景检测方法、装置和系统。

背景技术

近年来，随着计算机视觉和人工智能领域相关技术的发展，基于智能视频分析的前景算法大量涌现。所谓的前景检测，就是将目标物体对应的区域从图像序列监控序列中提取出来，针对具体的交通监控来说，就是将场景中的行人和车辆等从监控中的行人和车辆等从监控图像序列中分离出来。目前前景测算法大体上可以分为三类：(1)背景差分法；(2)时间差分法；(3)光流法。从实时监控的角度出发，一般采用背景差分方法来提取前景。

基于帧间差分的方法是利用帧间图像亮度差的绝对值来分析视频和图像序列的运动特性，从而确定图像中有无物体运动。其检测是基于背景像素点的灰度值和位置都保持不变这一基本原则进行的。最简单的帧间差分是先对视频相邻两帧进行绝对差分，然后将各个像素点的差分值和某一阈值函数相比较。如果大于该阈值，则存在运动，反之不存在运动。帧间差分方法运算复杂度低，但存在几个问题：首先，检测出的目标包括两帧中变化的信息，这样会存在较多的目标点，检测出来的目标比实际目标范围更大；其次，两帧间目标重叠的部分不易检测出来；再次，当前景物体的部分区域与背景有相同或相似的灰度值时，将导致运动目标的部分区域无法检测。

基于背景差的方法是目前前景目标分割中最常用的方法，因为它能给前景提供最完全的特征，在这点上其他方法是无法匹敌的。它是利用当前图像与背景图像的差分来检测运动区域的一种技术。运用背景差法首先要根据场景情况建立一个合适的背景模型，然后基于背景模型从当前帧中提取前景，最常用的方法是利用当前图像和背景相减来获取前景。对背景差法而言，研究重点集中在两个问题上，一个是如何建立最能表示场景的背景模型，另一个是由于背景差法对场景变化很敏感，所以在场景发生变化时，如何保持和更新模型使检测结果仍然准确。

但现有的前景检测针对不同的场景使用同一更新率，即浪费系统计算资源，又没良好的适应性和实时性。

发明内容

本发明提出一种前景检测方法、装置和系统，解决了节省系统计算资源，具有良好的适应性和实时性的问题。

本发明的技术方案是这样实现的：

本发明公开了一种前景检测方法，包括：

S1.连续采集被监控区域的视频图像，得到多帧视频图像；

S2.对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；

S3.判断所述的时间值是否小于规定的临界值，若是，进入步骤S4，若非，进入步骤S5；

S4.确定为背景像素并对所述的背景像素进行建模；

S5.确定为前景像素并对所述的前景进行建模，形成初始前景图像；

S6.将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。

在本发明所述的前景检测方法中，所述的建模是通过混合高斯模型进行建模。

在本发明所述的前景检测方法中，所述的被监控区域包括：车站、广场、港口。

在本发明所述的前景检测方法中，所述的步骤S1及步骤S2间还包括S11，抛弃错误帧的步骤，所述的错误帧包括：黑屏、雪花、移位。

本发明公开了一种前景检测装置，用于实现上述的方法，包括：

视频图像采集单元，用于连续采集被监控区域的视频图像，得到多帧视频图像；

边缘轮廓图获取单元，与所述的视频图像采集单元相连，用于对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；

临界值判断单元，与所述的边缘轮廓图获取单元相连，用于判断所述的时间值是否小于规定的临界值；

背景建模单元，与所述的临界值判断单元相连，用于确定为背景像素并对所述的背景像素进行建模；

前景建模单元，与所述的临界值判断单元相连，用于确定为前景像素并对所述的前景进行建模，形成初始前景图像；

前景图像分成单元，与所述的前景建模单元相连，用于将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。

在本发明所述的前景检测装置中，所述的建模是通过混合高斯模型进行建模。

在本发明所述的前景检测装置中，所述的场景包括：车站、广场、港口。

在本发明所述的前景检测装置中，所述的视频图像采集单元及边缘轮廓图获取单元之间还包括错误帧处理单元，用于抛弃错误帧，所述的错误帧包括：黑屏、雪花、移位。