[发明专利]一种运动目标分割方法、装置和系统

说明书

技术领域

本发明涉及监控技术领域，具体涉及一种运动目标分割方法、装置和系统。

背景技术

智能交通监控技术是当前监控领域的其中一种技术，它利用视频图像处理、模式识别和人工智能等技术对摄像机拍摄的图像序列进行分析，实现对交通场景中的车辆和行人等目标的检测、分类和跟踪，并在此基础上对被监控目标的行为进行描述和判别，从而在完成日常管理的同时能对交通事件作出及时反应。

运动目标分割，也称为运动目标检测，是从视频或图像序列中，采取一定的方法从中检测并确定运动物体的像素位置，然后根据运动像素的集合确定运动物体的区域的一种技术。现有的运动目标分割分为两种情况，一种是静态场景的运动目标分割；另一种是动态场景的运动目标分割。目前静态场景的运动目标分割方法主要包括基于混合高斯模型（GMM，Gaussian Mixture Model）的运动目标分割方法、基于码本（CodeBook）模型的运动目标分割方法、基于贝叶斯公式（Bayes）决策的运动目标分割方法、以及基于内核密度估计（KDE，Kernel Density Estimation）的非参数背景模型的运动目标分割等。

在对现有技术的研究和实践过程中，本发明的发明人发现，上述几种静态场景的运动目标分割方法虽然各有优点，但也各有不足，例如，当场景比较复杂或前景颜色和背景颜色较为接近时，基于Bayes决策的分割方法并不能提取完整的运动目标，导致分割效果不佳；而对于基于混合高斯模型的方法来说，该方法虽然对背景的变化具有一定鲁棒性，但对噪声点的抑制能力较差，而且运行速度也较慢；而基于内核密度估计的非参数背景模型的分割方法，则因为需要保存大量的计算数据，所以计算开销很大。因此，现有技术还没有一种可以同时解决上述问题的运动目标分割方法。

发明内容

本发明实施例提供一种运动目标分割方法、装置和系统，可以增强噪声点的抑制能力、提高运行速度和分割效果的同时，减少计算开销。

一种运动目标分割方法，包括：

获取视频图像；

根据所述视频图像确定当前需要处理的帧；

对所述当前需要处理的帧进行前处理，得到前处理后图像，所述前处理包括滤波和红绿蓝（RGB，Red-Green-Blue）三通道分离；

获取像素点模型，所述像素点模型采用所述视频图像的第一帧所对应的前处理后图像进行初始化；

根据所述像素点模型对所述前处理后图像进行运动目标分割，得到分割后的运动目标。

可选的，其中，所述对所述当前需要处理的帧进行前处理，得到前处理后图像具体可以包括：

对所述当前需要处理的帧进行滤波，得到滤波后图像；

对所述滤波后图像进行RGB三通道分离，分别得到三个单色图像，将得到的三个单色图像作为前处理后图像，所述三个单色图像包括红色通道图像、绿色通道图像和蓝色通道图像。

可选的，所述根据所述像素点模型对所述前处理后图像进行运动目标分割，得到分割后的运动目标具体可以包括：

分别计算三个单色图像中的同一个位置的像素点A的像素值，与所述像素点A所对应的像素点模型中所有像素值的欧式距离，得到第一欧式距离集合、第二欧式距离集合和第三欧式距离集合，其中，第一欧式距离集合为红色通道图像对应的欧式距离集合，第二欧式距离集合为绿色通道图像对应的欧式距离集合，第三欧式距离集合为蓝色通道图像对应的欧式距离值集合；

确定第一欧式距离集合中欧式距离小于设定阈值的元素的个数、第二欧式距离集合中欧式距离小于设定阈值的元素的个数、以及第三欧式距离集合中的欧式距离小于设定阈值的元素的个数中至少有一个小于预置的个数上限时，确定所述像素点A为前景；

确定第一欧式距离集合中欧式距离小于设定阈值的元素个数、第二欧式距离集合中欧式距离小于设定阈值的元素个数、以及第三欧式距离集合中的欧式距离小于设定阈值的元素个数，均大于等于预置的元素个数上限时，确定所述像素点A为背景，在前景图像中置像素点A的像素值为0，并根据像素点A的像素值更新像素点模型。

其中，所述根据像素点A的值更新像素点模型，具体可以为：

利用像素点A的值替换掉像素点A所对应的像素点模型中的任意一个像素值，以及，

利用像素点A的值替换掉像素点A的邻域像素点所对应的像素点模型中的任意一个像素值。

此外，采用所述视频图像的第一帧所对应的前处理后图像对像素点模型进行初始化的方法具体可以包括：