一種靜止物體檢測方法和裝置的製作方法

2023-07-09 08:00:16

專利名稱：一種靜止物體檢測方法和裝置的製作方法
技術領域：
本發明涉及智能視頻監控技術，特別涉及一種靜止物體檢測方法和裝置。
背景技術：
現有智能視頻監控技術中，靜止物體檢測是其中一個非常重要且廣為應用的技 術，很多場合下，比如停車檢測(檢測有沒有違規停車的車輛)、車輛拋撒物檢測(檢測某些 特定的場合，如隧道裡是否有往來車輛拋撒的雜物等)以及安全區域遺留物檢測(檢測某 些安全禁區內是否有可疑物品)等均需要用到靜止物體檢測技術。 現有靜止物體檢測技術的實現多通過對圖像特徵進行提取，然後對提取出的圖像 特徵進行時間軸上的分析來實現。比如，提取連續多幅圖像的灰度直方圖，通過對這連續多 幅圖像的灰度直方圖的變化情況進行分析，確定是否存在靜止物體。但上述特徵提取方式 通常都是基於圖像的灰度值來進行的，而圖像的灰度值可能會受到光照等因素的影響，因 此可能會導致特徵提取不準確，進而導致檢測效果不理想。

發明內容
有鑑於此，本發明的主要目的在於提供一種靜止物體檢測方法，能夠提高靜止物 體檢測的準確性。 本發明的另一 目的在於提供一種靜止物體檢測裝置，能夠提高靜止物體檢測的準 確性。 為達到上述目的，本發明的技術方案是這樣實現的 —種靜止物體檢測方法，預先建立背景模型，當需要進行靜止物體檢測時，該方法 包括 根據所述背景模型，確定採集到的每幅原始圖像中的目標物體所在區域；
確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如果是，則按 採集先後順序，對所述N幅原始圖像中的每兩幅相鄰原始圖像，分別進行以下處理計算每 幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域方差對交互方差進行 歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度； 如果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的 情況，則確定所述區域X中的目標物體為靜止物體；所述N和M均為大於1的正整數，且N 大於M。 所述建立背景模型包括分別獲取慢背景圖像以及快背景圖像，將所述慢背景圖 像和快背景圖像進行融合，得到所述背景模型； 其中，所述獲取慢背景圖像包括連續採集A幅原始圖像，將所述A幅原始圖像的 相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間 位置的各像素點組成一幅圖像，該圖像即為所述慢背景圖像；所述A為大於1的正整數；
所述獲取快背景圖像包括連續採集B幅原始圖像，將所述B幅原始圖像的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的 各像素點組成一幅圖像，該圖像即為所述快背景圖像；所述B為大於1的正整數；
其中，所述A幅原始圖像中的每兩幅相鄰原始圖像的採集時間間隔大於所述B幅 原始圖像中的每兩幅相鄰原始圖像的採集時間間隔。 該方法進一步包括對所述慢背景圖像和快背景圖像進行實時更新，並利用更新 後的慢背景圖像和快背景圖像對所述背景模型進行更新； 其中，所述對慢背景圖像進行更新包括利用排序後處於同一位置的各像素點分 別組成一幅圖像，得到A幅重組圖像，將由排序後處於第一位的各像素點組成的重組圖像 丟棄，並將新採集到的第A+1幅原始圖像與A-1幅重組圖像中的相同位置上的像素點按灰 度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素點組成一幅 圖像，將該圖像作為更新後的慢背景圖像； 所述對快背景圖像進行更新包括按採集時間先後順序，將最先採集到的一幅原
始圖像丟棄，並將新採集到的第B+l幅原始圖像與已有的B-l幅原始圖像中的相同位置上
的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像
素點組成一幅圖像，將該圖像作為更新後的快背景圖像。
該方法進一步包括對採集到每幅原始圖像進行預處理。 所述根據所述背景模型，確定採集到的每幅原始圖像中的目標物體所在區域包 括 將採集到的每幅原始圖像中的每個像素點與所述背景模型中的相同位置的像素 點進行相減，得到每幅原始圖像的差分圖像； 將每幅差分圖像進行二值化處理，並對每幅二值化處理後的圖像進行形態學濾 波，根據形態學濾波後的圖像確定目標物體所在區域。
所述計算每幅原始圖像在區域X內的交互方差之前，進一步包括對每幅原始圖 像的區域X內的各像素點的灰度值進行量化處理，量化到指定等級。
所述計算每幅原始圖像在區域X內的交互方差包括 分別統計每幅原始圖像及其相鄰的原始圖像在區域X內的每個灰度值的鏈碼，所 述鏈碼是指每個灰度值對應的像素點位置； 分別確定每幅原始圖像的區域X內的每個灰度值的鏈碼對應的像素點位置在相 鄰的原始圖像中的取值，並計算對應的取值的方差；將每個灰度值對應的方差進行相加，得 到交互方差。 所述確定區域X中的目標物體為靜止物體之後，進一步包括向工作人員進行報 警，並在當報警解除後，將所述區域X作為背景更新到所述背景模型中。
—種靜止物體檢測裝置，包括
建立單元，用於建立背景模型； 第一確定單元，用於根據所述背景模型，確定採集到的每幅原始圖像中的目標物 體所在區域； 第二確定單元，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到目 標物體，如果是，則按照採集先後順序，對所述N幅原始圖像中的每兩幅相鄰原始圖像，分 別進行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測 度；如果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的情況， 則確定所述區域X中的目標物體為靜止物體；所述N和M均為大於1的正整數，且N大於M。
所述建立單元包括 第一獲取子單元，用於連續採集A幅原始圖像，將所述A幅原始圖像的相同位置上
的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像
素點組成一幅圖像，該圖像即為所述慢背景圖像，所述A為大於1的正整數； 第二獲取子單元，用於連續採集B幅原始圖像，將所述B幅原始圖像的相同位置上
的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像
素點組成一幅圖像，該圖像即為所述快背景圖像；所述B為大於l的正整數；其中，所述A幅
原始圖像中的每兩幅相鄰原始圖像的採集時間間隔大於所述B幅原始圖像中的每兩幅相
鄰原始圖像的採集時間間隔； 融合子單元，用於將所述慢背景圖像和快背景圖像進行融合，得到所述背景模型。
所述第一獲取子單元進一步用於，對所述慢背景圖像進行更新，包括利用排序後 處於同一位置的各像素點分別組成一幅圖像，得到A幅重組圖像，將由排序後處於第一位 的各像素點組成的重組圖像丟棄，並將新採集到的第A+1幅原始圖像與A-1幅重組圖像中 的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中 間位置的各像素點組成一幅圖像，將該圖像作為更新後的慢背景圖像； 所述第二獲取子單元進一步用於，對所述快背景圖像進行更新，包括按採集時間 先後順序，將最先採集到的一幅原始圖像丟棄，並將新採集到的第B+1幅原始圖像與已有 的B-l幅原始圖像中的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排 序，利用排序後處於中間位置的各像素點組成一幅圖像，將該圖像作為更新後的快背景圖 像； 所述融合單元在確定出所述第一獲取子單元或所述第二獲取子單元發生更新時，
利用更新結果對所述背景模型進行更新。 所述第一確定單元包括 第三獲取子單元，用於將採集到的每幅原始圖像中的每個像素點與所述背景模型 中的相同位置的像素點進行相減，得到每幅原始圖像的差分圖像； 第一處理子單元，用於將每幅差分圖像進行二值化處理，並對每幅二值化處理後
的圖像進行形態學濾波，根據形態學濾波後的圖像確定目標物體所在區域。 所述第二確定單元包括 判斷子單元，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標 物體，如果是，則通知第二處理子單元； 所述第二處理子單元，用於針對所述N幅原始圖像中的每兩幅相鄰原始圖像，分 別進行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的 區域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測 度；如果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的情況， 則確定所述區域X中的目標物體為靜止物體；其中，所述交互方差的計算方式包括分別統 計每幅原始圖像及其相鄰的原始圖像在區域X內的每個灰度值的鏈碼，所述鏈碼是指每個灰度值對應的像素點位置；分別確定每幅原始圖像的區域X內的每個灰度值的鏈碼對應的 像素點位置在相鄰的原始圖像中的取值，並計算對應的取值的方差；將每個灰度值對應的 方差進行相加，得到交互方差。 所述第二處理子單元進一步用於，對每幅原始圖像的區域X內的各像素點的灰度 值進行量化處理，量化到指定等級，計算量化後的每幅原始圖像在區域X內的交互方差以 及區域方差。 所述第二處理子單元進一步用於，當確定所述區域X中的目標物體為靜止物體 後，向工作人員進行報警，並在當報警解除後，將所述區域X作為背景更新到所述背景模型 中。 可見，採用本發明的技術方案，主要基於方差來進行靜止物體的檢測，即與圖像中 各像素點的灰度值沒有直接關係，而是與灰度值的分布情況有關，所以相比於現有技術，本 發明所述方案受光照等因素的影響較小，從而可使得靜止物體檢測結果更為準確；而且，本 發明所述方案可對背景模型進行實時更新，從而進一步提高了靜止物體檢測的準確性。


圖1為本發明方法實施例的流程圖。
圖2為本發明裝置實施例的組成結構示意圖。
具體實施例方式
針對現有技術中存在的問題，本發明中提出一種全新的靜止物體檢測方案，即預 先建立背景模型，當需要進行靜止物體檢測時，首先根據所述背景模型，確定採集到的每幅 原始圖像中的目標物體所在區域；然後，確定是否在連續N幅原始圖像中的同一區域X內均 檢測到目標物體，如果是，則按照採集先後順序，對所述N幅原始圖像中的每兩幅相鄰原始 圖像，分別進行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計 算出的區域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相 似度測度；如果所述連續N幅原始圖像中，出現M次相似度測度大於預先設置的閾值的情 況，則確定區域X中的目標物體為靜止物體，N和M均為大於1的正整數，N大於M。
由於本發明所述方案主要基於方差來進行靜止物體的檢測，即與圖像中各像素點 的灰度值沒有直接關係，而是與灰度值的分布情況有關，所以相比於現有技術，受光照等因 素的影響較小，從而可使得靜止物體檢測的結果更為準確。 另外，本發明所述方案中還提出了一種利用慢背景圖像和快背景圖像進行融合的
方式來建立背景模型的方法，並根據慢背景圖像和快背景圖像的不同特點，採用不同的更
新方法，進而對背景模型進行更新，以便進一步提高靜止物體檢測的準確性。 為使本發明的目的、技術方案及優點更加清楚明白，以下參照附圖並舉實施例，對
本發明作進一步地詳細說明。 圖1為本發明方法實施例的流程圖。如圖1所示，包括以下步驟
步驟11 :建立背景模型。 本步驟，分別獲取慢背景圖像和快背景圖像，然後，將慢背景圖像與快背景圖像進 行融合，得到背景模型，如何進行融合為本領域公知，不再贅述。
其中，慢背景圖像的獲取方式可以是連續採集A幅原始圖像，A為大於1的正整 數，比如10 20幅，將這A幅原始圖像的相同位置上的像素點按灰度值由大到小或由小到 大的順序進行排序，利用排序後處於中間位置的各像素點組成一幅圖像，該圖像即為慢背 景圖像。在採集到每幅原始圖像時，還可先對其進行一些預處理，比如平滑等，以減少噪聲。
舉例說明，假設共採集了 11幅原始圖像，每幅原始圖像的大小分別為10X5(實際 圖像的大小遠大於10X5，此處僅為了表述方便)，將這11幅原始圖像中的(l，l)位置上的 ll個像素點按灰度值由小到大的順序進行排序，同樣，對(1，2)、 (1，3)、 (1，4)、 (1，5)、 (2，
1)，......， (10，5)等位置上的像素點也按照上述方式進行排序；之後，利用每次排序後處
於中間位置，即第6位的各像素點組成一幅圖像，將所組成的圖像作為慢背景圖像。 另外，有可能採集的圖像數為偶數，比如10幅，那麼可將排序後的第5或第6位作
為中間位置，或者，將兩個位置上的灰度值進行平均，將平均值賦給慢背景圖像，總之，具體
實現方式不限，可根據實際需要靈活設置。 同樣，獲取快背景圖像的方式可以是連續採集B幅原始圖像，將這B幅原始圖像
的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中
間位置的各像素點組成一幅圖像，該圖像即為快背景圖像，B為大於1的正整數。 可以看出，快背景圖像的獲取方式與慢背景圖像的獲取方式是一樣的，但通常，慢
背景圖像獲取過程中所用到的原始圖像的採集時間間隔大於快背景圖像獲取過程中所用
到的原始圖像的採集時間間隔，這是因為慢背景的變化比較慢，所以可間隔較長時間採集
一次新圖像。A和B的取值可以相同，也可以不同，不作限制。 後續，還可實時對上述慢背景圖像以及快背景圖像進行更新，並且，如果慢背景圖 像和快背景圖像中有一個進行了更新，則相應地更新背景模型。慢背景圖像和快背景圖像 可採用不同的更新方式。 其中，慢背景圖像的更新方式可以為利用排序後處於同一位置的各像素點分別 組成一幅圖像，即利用排序後處於第一位的各像素點組成一幅圖像，利用排序後處於第二 位的各像素點組成一幅圖像，依次類推，從而得到A幅重組圖像；將由排序後處於第一位的 各像素點組成的重組圖像丟棄，並將新採集到的第A+l幅原始圖像與A-l幅重組圖像中的 相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間 位置的各像素點組成一幅圖像，將該圖像作為更新後的慢背景圖像。由於所述A-1幅重組 圖像中的各位置上的像素點的灰度值的順序都是已經排好的，所以再次排序時，只需將新 採集的第A+l幅原始圖像中每個像素點上的灰度值按大小插入到對應的位置即可。
快背景圖像的更新方式可以是按採集時間先後順序，將最先採集到的一幅原始 圖像丟棄，並將新採集到的第B+l幅原始圖像與已有的B-1幅原始圖像中的相同位置上的 像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素 點組成一幅圖像，將該圖像作為更新後的快背景圖像。由於快背景變化較快，所以直接將最 先採集的一幅原始圖像丟棄即可。
步驟12 :根據背景模型，確定採集到的每幅原始圖像中的目標物體所在區域。
本步驟中，首先將採集到的每幅原始圖像中的每個像素點與背景模型中的相同位 置的像素點進行相減，得到每幅原始圖像的差分圖像；然後，將每幅差分圖像進行二值化處 理，並對每幅二值化處理後的圖像進行形態學濾波，即先腐蝕後膨脹，以去除可能存在的噪聲；之後，根據形態學濾波後的圖像確定目標物體所在區域。如何進行二值化、形態學濾波 以及確定目標物體所在區域等均為本領域公知，不再贅述。 步驟13 :確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如 果是，則按照採集先後順序，對N幅原始圖像中的每兩幅相鄰原始圖像，分別進行以下處 理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域方差對交 互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度。
需要說明的是，這裡所提到的同一區域，並不是一定要完全相同，只要誤差在允許 的範圍內即可。本步驟中，確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標 物體，如何確定為現有技術，如果不是，則認為檢測到的目標物體為運動物體，不用理會，否 則，說明其有可能為靜止物體，並通過以下方式來進行進一步地判斷。 為減少計算量並減少噪聲幹擾，可首先對每幅原始圖像的區域X內的各像素點的 灰度值進行量化處理，即將256級量化到指定等級，比如16、32或64等；然後，針對每兩幅 相鄰原始圖像(為表述方便，以下分別稱為圖像A和圖像B)，分別進行以下處理
計算圖像A和圖像B在區域X內的交互方差和區域方差，利用計算出的區域方差 對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為圖像A和圖像B中的 目標物體的相似度測度。所述歸一化即指用圖像A的交互方差除以圖像A的區域方差，用 圖像B的交互方差除以圖像B的區域方差。 交互方差的計算方式為分別統計圖像A和圖像B在區域X內的每個灰度值的鏈 碼，所述鏈碼是指每個灰度值對應的像素點位置；分別確定圖像A和圖像B的區域X內的每 個灰度值的鏈碼對應的像素點位置在相鄰原始圖像中的取值，並計算對應的取值的方差； 將每個灰度值對應的方差進行相加，得到交互方差。 舉例說明，假設圖像A中的區域X中共涉及到了 10個灰度值，其中一個灰度值230 對應的像素點(即圖像A的區域X中取值為250的像素點)的位置為(30,31)、 (50,56)、 (50，57)，此位置信息即為灰度值230的鏈碼，而圖像B中的(30， 31) 、 (50， 56) 、 (50， 57)這 三個位置上的像素點的灰度值的方差即為灰度值230對應的方差；按照同樣的方式計算出 其它9個灰度值的方差，將10個方差相加，得到的結果即為圖像A在區域X內的交互方差。 同樣，可計算出圖像B在區域X內的交互方差。區域方差即指圖像A和圖像B在各自的區 域X內的IO個像素點的灰度值方差。 步驟14 :如果連續N幅原始圖像中，出現M次相似度測度大於預先設置的閾值的 情況，則確定區域X中的目標物體為靜止物體。 M的取值可根據實際需要而定，通常要大於N的取值的二分之一。如果M次出現兩
個相鄰原始圖像的目標物體的相似度測度大於閾值，則認為區域X中的目標物體為靜止物 體，否則，為運動物體。 對於確定為靜止物體的目標物體，後續可通過已有方式進行報警，這樣，工作人員 即可及時對該靜止物體按照預定方式進行檢查，比如在安全區域遺留物體檢測應用中，檢 查該靜止物體是否為安全物體，如果是，則可將報警解除，並可將該靜止物體所在的區域X 作為背景更新到背景模型中，這樣處理的好處在於，對於已經確定為安全物體的靜止物體， 如果不將其更新到背景模型中，那麼在下一次檢測時，還會檢測到該靜止物體，相應地，還 會進行報警，那麼工作人員就需要再次重複上述檢查等過程，從而增加了工作人員的工作負荷。 基於上述方法，圖2為本發明裝置實施例的組成結構示意圖。如圖2所示，包括
建立單元21，用於建立背景模型； 第一確定單元22，用於根據背景模型，確定採集到的每幅原始圖像中的目標物體 所在區域； 第二確定單元23，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到 目標物體，如果是，則按照採集先後順序，對N幅原始圖像中的每兩幅相鄰原始圖像，分別 進行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區 域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度； 如果連續N幅原始圖像中，出現M次相似度測度大於預先設置的閾值的情況，則確定區域X 中的目標物體為靜止物體；N和M均為大於1的正整數，N大於M。
其中，建立單元21中包括 第一獲取子單元211，用於連續採集A幅原始圖像，將A幅原始圖像的相同位置上 的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像 素點組成一幅圖像，該圖像即為慢背景圖像，A為大於1的正整數； 第二獲取子單元212，用於連續採集B幅原始圖像，將B幅原始圖像的相同位置上 的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像 素點組成一幅圖像，該圖像即為快背景圖像；B為大於1的正整數；其中，A幅原始圖像中的 每兩幅相鄰原始圖像的採集時間間隔大於B幅原始圖像中的每兩幅相鄰原始圖像的採集 時間間隔； 融合子單元213，用於將慢背景圖像和快背景圖像進行融合，得到背景模型。
第一獲取子單元211可進一步用於，對慢背景圖像進行更新，包括利用排序後處 於同一位置的各像素點分別組成一幅圖像，得到A幅重組圖像，將由排序後處於第一位的 各像素點組成的重組圖像丟棄，並將新採集到的第A+1幅原始圖像與A-l幅重組圖像中的 相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間 位置的各像素點組成一幅圖像，將該圖像作為更新後的慢背景圖像； 第二獲取子單元212可進一步用於，對快背景圖像進行更新，包括按採集時間先
後順序，將最先採集到的一幅原始圖像丟棄，並將新採集到的第B+1幅原始圖像與已有的
B-l幅原始圖像中的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，
利用排序後處於中間位置的各像素點組成一幅圖像，將該圖像作為更新後的快背景圖像； 融合單元213在確定出第一獲取子單元211或第二獲取子單元212發生更新時，
利用更新結果對背景模型進行更新。 另外，第一確定單元22中可具體包括 第三獲取子單元221，用於將採集到的每幅原始圖像中的每個像素點與背景模型 中的相同位置的像素點進行相減，得到每幅原始圖像的差分圖像； 第一處理子單元222，用於將每幅差分圖像進行二值化處理，並對每幅二值化處理 後的圖像進行形態學濾波，根據形態學濾波後的圖像確定目標物體所在區域。
第二確定單元23中可具體包括 判斷子單元231，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如果是，則通知第二處理子單元232 ; 第二處理子單元232，用於針對N幅原始圖像中的每兩幅相鄰原始圖像，分別進行 以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域方 差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度；如果 連續N幅原始圖像中，出現M次相似度測度大於預先設置的閾值的情況，則確定區域X中 的目標物體為靜止物體；其中，交互方差的計算方式包括分別統計每幅原始圖像及其相 鄰的原始圖像在區域X內的每個灰度值的鏈碼，所述鏈碼是指每個灰度值對應的像素點位 置；分別確定每幅原始圖像的區域X內的每個灰度值的鏈碼對應的像素點位置在相鄰的原 始圖像中的取值，並計算對應的取值的方差；將每個灰度值對應的方差進行相加，得到交互 方差。 第二處理子單元232還可進一步用於，對每幅原始圖像中的區域X內的各像素點 的灰度值進行量化處理，量化到指定等級，計算量化後的每幅原始圖像在區域X內的交互 方差以及區域方差，以及當確定區域X中的目標物體為靜止物體後，向工作人員進行報警， 並在當報警解除後，將X作為背景更新到背景模型中。 圖2所示裝置實施例的具體工作流程請參照圖1所示方法實施例中的相應說明， 此處不再贅述。 總之，採用本發明的技術方案，主要基於方差來進行靜止物體的檢測，即與圖像中
各像素點的灰度值沒有直接關係，而是與灰度值的分布情況有關，所以相比於現有技術，本
發明所述方案受光照等因素的影響較小，從而可使得靜止物體檢測結果更為準確；而且，本
發明所述方案可對背景模型進行實時更新，從而進一步提高了靜止物體檢測的準確性。 綜上所述，以上僅為本發明的較佳實施例而已，並非用於限定本發明的保護範圍。
凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的
保護範圍之內。
權利要求
一種靜止物體檢測方法，其特徵在於，預先建立背景模型，當需要進行靜止物體檢測時，該方法包括根據所述背景模型，確定採集到的每幅原始圖像中的目標物體所在區域；確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如果是，則按照採集先後順序，對所述N幅原始圖像中的每兩幅相鄰原始圖像，分別進行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度；如果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的情況，則確定所述區域X中的目標物體為靜止物體；所述N和M均為大於1的正整數，且N大於M。
2. 根據權利要求1所述的方法，其特徵在於，所述建立背景模型包括分別獲取慢背景 圖像以及快背景圖像，將所述慢背景圖像和快背景圖像進行融合，得到所述背景模型；其中，所述獲取慢背景圖像包括連續採集A幅原始圖像，將所述A幅原始圖像的相同 位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置 的各像素點組成一幅圖像，該圖像即為所述慢背景圖像；所述A為大於1的正整數；所述獲取快背景圖像包括連續採集B幅原始圖像，將所述B幅原始圖像的相同位置上 的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像 素點組成一幅圖像，該圖像即為所述快背景圖像；所述B為大於1的正整數；其中，所述A幅原始圖像中的每兩幅相鄰原始圖像的採集時間間隔大於所述B幅原始 圖像中的每兩幅相鄰原始圖像的採集時間間隔。
3. 根據權利要求2所述的方法，其特徵在於，該方法進一步包括對所述慢背景圖像和 快背景圖像進行實時更新，並利用更新後的慢背景圖像和快背景圖像對所述背景模型進行 更新；其中，所述對慢背景圖像進行更新包括利用排序後處於同一位置的各像素點分別組 成一幅圖像，得到A幅重組圖像，將由排序後處於第一位的各像素點組成的重組圖像丟棄， 並將新採集到的第A+1幅原始圖像與A-1幅重組圖像中的相同位置上的像素點按灰度值由 大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素點組成一幅圖像， 將該圖像作為更新後的慢背景圖像；所述對快背景圖像進行更新包括按採集時間先後順序，將最先採集到的一幅原始圖像丟棄，並將新採集到的第B+l幅原始圖像與已有的B-1幅原始圖像中的相同位置上的像 素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素點 組成一幅圖像，將該圖像作為更新後的快背景圖像。
4. 根據權利要求1、2或3所述的方法，其特徵在於，該方法進一步包括對採集到每幅 原始圖像進行預處理。
5. 根據權利要求1、2或3所述的方法，其特徵在於，所述根據所述背景模型，確定採集到的每幅原始圖像中的目標物體所在區域包括將採集到的每幅原始圖像中的每個像素點與所述背景模型中的相同位置的像素點進 行相減，得到每幅原始圖像的差分圖像；將每幅差分圖像進行二值化處理，並對每幅二值化處理後的圖像進行形態學濾波，根 據形態學濾波後的圖像確定目標物體所在區域。
6. 根據權利要求1、2或3所述的方法，其特徵在於，所述計算每幅原始圖像在區域X內 的交互方差之前，進一步包括對每幅原始圖像的區域X內的各像素點的灰度值進行量化 處理，量化到指定等級。
7. 根據權利要求1、2或3所述的方法，其特徵在於，所述計算每幅原始圖像在區域X內 的交互方差包括分別統計每幅原始圖像及其相鄰的原始圖像在區域X內的每個灰度值的鏈碼，所述鏈 碼是指每個灰度值對應的像素點位置；分別確定每幅原始圖像的區域X內的每個灰度值的鏈碼對應的像素點位置在相鄰的 原始圖像中的取值，並計算對應的取值的方差；將每個灰度值對應的方差進行相加，得到交互方差。
8. 根據權利要求1、2或3所述的方法，其特徵在於，所述確定區域X中的目標物體為靜 止物體之後，進一步包括向工作人員進行報警，並在當報警解除後，將所述區域X作為背 景更新到所述背景模型中。
9. 一種靜止物體檢測裝置，其特徵在於，包括 建立單元，用於建立背景模型；第一確定單元，用於根據所述背景模型，確定採集到的每幅原始圖像中的目標物體所 在區域；第二確定單元，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物 體，如果是，則按照採集先後順序，對所述N幅原始圖像中的每兩幅相鄰原始圖像，分別進 行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域 方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度；如 果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的情況，則確定 所述區域X中的目標物體為靜止物體；所述N和M均為大於1的正整數，且N大於M。
10. 根據權利要求9所述的裝置，其特徵在於，所述建立單元包括 第一獲取子單元，用於連續採集A幅原始圖像，將所述A幅原始圖像的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素點 組成一幅圖像，該圖像即為所述慢背景圖像，所述A為大於1的正整數；第二獲取子單元，用於連續採集B幅原始圖像，將所述B幅原始圖像的相同位置上的像 素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位置的各像素點 組成一幅圖像，該圖像即為所述快背景圖像；所述B為大於1的正整數；其中，所述A幅原始 圖像中的每兩幅相鄰原始圖像的採集時間間隔大於所述B幅原始圖像中的每兩幅相鄰原 始圖像的採集時間間隔；融合子單元，用於將所述慢背景圖像和快背景圖像進行融合，得到所述背景模型。
11. 根據權利要求io所述的裝置，其特徵在於，所述第一獲取子單元進一步用於，對所述慢背景圖像進行更新，包括利用排序後處於 同一位置的各像素點分別組成一幅圖像，得到A幅重組圖像，將由排序後處於第一位的各 像素點組成的重組圖像丟棄，並將新採集到的第A+l幅原始圖像與A-l幅重組圖像中的相 同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用排序後處於中間位 置的各像素點組成一幅圖像，將該圖像作為更新後的慢背景圖像；所述第二獲取子單元進一步用於，對所述快背景圖像進行更新，包括按採集時間先後 順序，將最先採集到的一幅原始圖像丟棄，並將新採集到的第B+1幅原始圖像與已有的B-1幅原始圖像中的相同位置上的像素點按灰度值由大到小或由小到大的順序進行排序，利用 排序後處於中間位置的各像素點組成一幅圖像，將該圖像作為更新後的快背景圖像；所述融合單元在確定出所述第一獲取子單元或所述第二獲取子單元發生更新時，利用 更新結果對所述背景模型進行更新。
12. 根據權利要求9、 10或11所述的裝置，其特徵在於，所述第一確定單元包括 第三獲取子單元，用於將採集到的每幅原始圖像中的每個像素點與所述背景模型中的相同位置的像素點進行相減，得到每幅原始圖像的差分圖像；第一處理子單元，用於將每幅差分圖像進行二值化處理，並對每幅二值化處理後的圖 像進行形態學濾波，根據形態學濾波後的圖像確定目標物體所在區域。
13. 根據權利要求9、10或11所述的裝置，其特徵在於，所述第二確定單元包括 判斷子單元，用於確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如果是，則通知第二處理子單元；所述第二處理子單元，用於針對所述N幅原始圖像中的每兩幅相鄰原始圖像，分別進 行以下處理計算每幅原始圖像在區域X內的交互方差以及區域方差，利用計算出的區域 方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度；如 果所述連續N幅原始圖像中，出現M次所述相似度測度大於預先設置的閾值的情況，則確定 所述區域X中的目標物體為靜止物體；其中，所述交互方差的計算方式包括分別統計每幅 原始圖像及其相鄰的原始圖像在區域X內的每個灰度值的鏈碼，所述鏈碼是指每個灰度值 對應的像素點位置；分別確定每幅原始圖像的區域X內的每個灰度值的鏈碼對應的像素點 位置在相鄰的原始圖像中的取值，並計算對應的取值的方差；將每個灰度值對應的方差進 行相加，得到交互方差。
14. 根據權利要求13所述的裝置，其特徵在於，所述第二處理子單元進一步用於，對每 幅原始圖像的區域X內的各像素點的灰度值進行量化處理，量化到指定等級，計算量化後 的每幅原始圖像在區域X內的交互方差以及區域方差。
15. 根據權利要求13所述的裝置，其特徵在於，所述第二處理子單元進一步用於，當確 定所述區域X中的目標物體為靜止物體後，向工作人員進行報警，並在當報警解除後，將所 述區域X作為背景更新到所述背景模型中。
全文摘要
本發明公開了一種靜止物體檢測方法和裝置，預先建立背景模型，當需要進行靜止物體檢測時，根據背景模型，確定採集到的每幅原始圖像中的目標物體所在區域；確定是否在連續N幅原始圖像中的同一區域X內均檢測到目標物體，如果是，則針對這N幅原始圖像中的每兩幅相鄰原始圖像，分別進行以下處理計算每幅原始圖像在區域X內的交互方差和區域方差，利用計算出的區域方差對交互方差進行歸一化，將兩個歸一化結果進行求和，將和的倒數作為相似度測度；如果連續N幅原始圖像中，出現M次相似度測度大於預先設置的閾值的情況，則確定區域X中的目標物體為靜止物體。應用本發明所述方案，能夠提高靜止物體檢測的準確性。
文檔編號G06T7/00GK101751669SQ20091024333
公開日2010年6月23日 申請日期2009年12月17日 優先權日2009年12月17日
發明者諶安軍 申請人:北京中星微電子有限公司