[发明专利]一种前景识别方法

说明书

技术领域

本发明涉及计算机视觉领域，具体来说，涉及一种前景识别方法。

背景技术

在计算机视觉领域，对视频进行分析处理之前，一般需要对视频序列进行预处理，即对视频进行前景提取。目前，主要的提取方法有以下几种：光流法、帧差法、背景减除法、高斯混合模型法、Vibe算法，然而，不管是上述哪一种方法，其在实际应用时，均是仅仅将视频序列中的所有运动物体提取出来，而并没有对分离出来的运动物体进行“解读”，例如，分离出来的运动物体中可能有部分是研究人员并不感兴趣的，进而就导致了提取出的前景过于复杂且不够精确。

针对现有相关技术中的前景提取或识别方法仅仅是将视频序列中的所有物体提取出来，而并没有对分离出来的运动物体进行“解读”的技术问题，目前尚未提出有效的解决方案。

发明内容

针对现有相关技术中的上述技术问题，本发明提出一种前景识别方法和装置。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种前景识别方法。

该前景识别方法包括：

对预先配置的视频图像进行分析，确定所述视频图像中每个轮廓的移动路径；

根据预先配置的所述视频图像的初始前景识别区域、以及每个轮廓的移动路径，确定所述视频图像的最终前景识别区域；

根据确定出的所述最终前景识别区域，对所述视频图像进行前景识别。

另外，该前景识别方法还包括：预先配置所述视频图像的初始前景识别区域；其中，所述初始前景识别区域的形状为正四边形，并且，该正四边形的长度和宽度分别小于所述视频图像边界的长度和宽度。

可选的，所述初始前景识别区域的长度和宽度分别为所述视频图像边界的长度和宽度的三分之一。

其中，在根据预先配置的所述视频图像的初始前景识别区域、以及每个轮廓的移动路径，确定所述视频图像的最终前景识别区域时，可对经过所述初始前景识别区域的轮廓移动路径和非经过所述初始前景识别区域的轮廓移动路径进行分析，确定与所述经过初始前景识别区域的轮廓移动路径相交或不相交的所有非经过所述初始前景识别区域的轮廓移动路径；并对确定出的上述所有非经过所述初始前景识别区域的轮廓移动路径进行分析，确定该所有非经过初始前景识别区域的轮廓移动路径中具有重复出现的轮廓移动路径；同时对确定出的具有重复出现的轮廓移动路径进行分析，确定所述具有重复出现的轮廓移动路径中的最小横坐标或纵坐标，并根据该最小横坐标或纵坐标，确定所述视频图像的最终前景识别区域。

其中，在根据所述具有重复出现的轮廓移动路径中的最小横坐标或纵坐标，确定所述视频图像的最终前景识别区域时，可对所述最小横坐标或纵坐标所处的轮廓移动路径、以及所述初始前景识别区域的边界进行分析，确定与所述最小横坐标或纵坐标所处的轮廓移动路径距离最近的所述初始前景识别区域的边界；对确定出的所述初始前景识别区域的边界进行分析，确定该边界的横坐标或纵坐标；并将该边界的横坐标或纵坐标与所述具有重复出现的轮廓移动路径中的最小横坐标和纵坐标进行比较；在比较结果为所述具有重复出现的轮廓移动路径中的最小横坐标或纵坐标高于所述边界的横坐标或纵坐标的情况下，将所述边界平移至该最小横坐标或纵坐标的位置处，作为所述视频图像的最终前景识别区域的边界。

此外，在根据所述具有重复出现的轮廓移动路径中的最小横坐标或纵坐标，确定所述视频图像的最终前景识别区域时，在比较结果为所述具有重复出现的轮廓移动路径中的最小横坐标或纵坐标低于所述边界的横坐标或纵坐标的情况下，可将所述边界作为所述视频图像的最终前景识别区域的边界。

另外，该前景识别方法还包括：在确定所述视频图像中每个轮廓的移动路径之前，确定每个轮廓的焦点信息，并对所述每个轮廓的焦点信息进行聚类，确定所述视频图像的噪声与非噪声的分离阈值；根据确定出的所述分离阈值，对所述视频图像进行去噪声处理。

与此对应的，在对预先配置的视频图像进行分析，确定所述视频图像中每个轮廓的移动路径时，则是对预先配置的视频图像进行分析，确定所述视频图像中非噪声轮廓的移动路径。

本发明的有益效果：通过预先配置的初始前景识别区域以及视频图像中每个轮廓的移动路径，来确定视频图像的最终前景识别区域，从而有效的将视频图像的前景识别区域缩小至视频图像中每个轮廓出现频率较高的区域中，进而有效的提高了前景识别的精确度，避免识别出的前景过于繁琐与复杂。

附图说明