專利名稱：一種圖像檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種圖像檢測方法及裝置。
背景技術(shù)：
圖像運動目標(biāo)檢測是智能視頻監(jiān)控領(lǐng)域的重要研究方向，而背景建模作為運動檢測中應(yīng)用最廣的一種方法，是計算機(jī)視覺中十分關(guān)鍵的部分，背景與前景的有效分割對后續(xù)的目標(biāo)跟蹤、物體識別、行為分類等高層處理起著決定性的影響。然而，背景建模方法對場景光照變化較為敏感，包括長時有規(guī)律的變化，如樹葉搖晃、早晚更替等，和短時隨機(jī)變化，諸如天氣、運動物體等。目前，背景建模的研究主要從像素時域統(tǒng)計和空域紋理分析兩個方面展開，基于像素時域分布統(tǒng)計的方法，諸如混合高斯模型及其改進(jìn)方法，能夠較好地適應(yīng)長時有規(guī)律 的光照變化，但由于該模型假設(shè)觀測的時間序列中每一像素點相互獨立，對細(xì)微的光照或短時光照的變化很敏感，檢測效果不夠理想?；诳沼虻谋尘澳Ｐ?，如局部二元圖(LBP)，Radial Reach濾波器，由于使用了局部區(qū)域內(nèi)不變的空間域紋理特征，在短時光照變化下魯棒性較好，但如果只是局部區(qū)域內(nèi)部分像素點發(fā)生改變時，這時提取的特征便不能滿足空域不變性，檢測的效果會受到較大影響，而這種情況在室外視頻中往往比較常見?，F(xiàn)有技術(shù)中的中心對稱局部二值模式(CSLBP)紋理模型，在應(yīng)用于背景建模時，CSLBP相比LBP特征維數(shù)更低，抗噪聲能力更強，便于實時運算。但CSLBP局限于考慮對短時光照變化的魯棒性，未能考慮紋理的時域分布特性對背景建模的重要影響，且當(dāng)長時光照變化導(dǎo)致局部區(qū)域內(nèi)部分像素點發(fā)生改變時，CSLBP不能滿足空域不變性，故在復(fù)雜光照變化場景下，尤其是短時光照變化與長時光照變化并存的時候，CSLBP不能滿足背景建模的需要。

發(fā)明內(nèi)容
本發(fā)明實施例提供了一種圖像檢測方法及裝置，用以提高圖像運動目標(biāo)檢測的檢測率和準(zhǔn)確率，使得在復(fù)雜光照變化場景下，同樣可以很準(zhǔn)確地檢測到運動目標(biāo)。本發(fā)明實施例提供的一種圖像檢測方法包括根據(jù)圖像的灰度變化趨勢建模得到混合時空背景模型；采集圖像，利用所述混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像本發(fā)明實施例提供的一種圖像檢測裝置包括圖像獲取單元，用于獲取圖像；運動目標(biāo)檢測單元，用于利用預(yù)先設(shè)置的混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像；其中，所述混合時空背景模型，是預(yù)先根據(jù)圖像的灰度變化趨勢建模得到的。本發(fā)明實施例，根據(jù)圖像的灰度變化趨勢建模得到混合時空背景模型；采集圖像，利用所述混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像，從而提高圖像運動目標(biāo)檢測的檢測率和準(zhǔn)確率，使得在復(fù)雜光照變化場景下，同樣可以很準(zhǔn)確地檢測到圖像中的運動目標(biāo)。


圖I為本發(fā)明實施例提供的圖像檢測方法的流程示意圖；圖2為本發(fā)明實施例提供的混合時空背景模型的建模方法的流程示意圖；圖3為本發(fā)明實施例提供的ST-CSLBP算子描述圖；圖4-a為當(dāng)前幀輸入圖像，圖4-b為基于顏色的混合高斯模型的檢測結(jié)果，圖4_c為基于空間模型的檢測結(jié)果，圖4-d為通過本發(fā)明實施例提供的混合時空背景建模方法得到的檢測結(jié)果；圖5為本發(fā)明實施例提供的混合時空背景建模方法與其他方法的準(zhǔn)確率與檢索率的比較示意圖；圖6-a至圖6-f為本發(fā)明實施例提供的測試結(jié)果示意圖；圖7為本發(fā)明實施例提供的圖像檢測裝置的結(jié)構(gòu)示意圖。
具體實施例方式本發(fā)明實施例提供了一種圖像檢測方法及裝置，用以提高圖像運動目標(biāo)檢測的檢測率和準(zhǔn)確率，使得在復(fù)雜光照變化場景下，同樣可以很準(zhǔn)確地檢測到運動目標(biāo)。為了解決復(fù)雜光照變化場景下的運動目標(biāo)檢測的準(zhǔn)確性問題，本發(fā)明實施例提供了一種基于時空-中心對稱局部二值模式(ST-CSLBP)的混合時空背景模型及其建模方法，通過采用混合時空背景模型對圖像進(jìn)行運動目標(biāo)檢測，可以在長時光照變化與短時光照變化的場景下均能準(zhǔn)確分割出運動物體。

參見圖1，本發(fā)明實施例提供的一種圖像檢測方法，包括步驟S101、采集圖像；S102、利用預(yù)先設(shè)置的混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像；其中，所述混合時空背景模型，是預(yù)先根據(jù)圖像的灰度變化趨勢建模得到的。較佳地，參見圖2，本發(fā)明實施例提供的預(yù)先設(shè)置混合時空背景模型的步驟包括S201、確定基于指數(shù)平滑和光照變化的像素預(yù)測值；S202、將像素預(yù)測值和CSLBP算子融合，得到ST-CSLBP算子；S203、計算基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖；S204、構(gòu)建基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的混合時空背景模型。本發(fā)明實施例提供的一種基于ST-CSLBP的混合時空背景建模方法,設(shè)計了一種全新的時空對稱ST-CSLBP算子，以同時融合時間預(yù)測和空域紋理信息；然后，構(gòu)建基于ST-CSLBP直方圖，得到基于ST-CSLBP直方圖的混合時空背景模型，以融合時域分布統(tǒng)計法和空域背景各自的優(yōu)勢。具體包括建立基于指數(shù)平滑和光照變化的像素值預(yù)測，給出像素亮度值在時域上的分布趨勢，且在考慮像素的空域紋理信息的同時，融入紋理的時域分布特性，設(shè)計包含空域和時域信息的紋理描述算子ST-CSLBP，能夠很好地適應(yīng)短時光照變化，包括區(qū)域內(nèi)只有部分像素點發(fā)生變化的情況，同時兼?zhèn)淞?CSLBP良好的抗噪能力；以上述得到的ST-CSLBP算子作為輸入數(shù)據(jù)，計算基于ST-CSLBP直方圖分布，用Kunback-Leible (簡稱KL)散度來度量不同直方圖之間在統(tǒng)計上的相似程度，通過預(yù)設(shè)閾值判定是否匹配，并構(gòu)建基于ST-CSLBP直方圖的混合時空背景模型，融合時域分布統(tǒng)計法和空域背景各自的優(yōu)勢，以同時適應(yīng)長時光照以及短時光照的變化。下面對上述混合時空背景模型的建模步驟分別展開說明。步驟S201 :考慮到光照變化是逐步按比例增加的，在預(yù)測更新時考慮比例變化趨勢分量，并結(jié)合指數(shù)預(yù)測，得到當(dāng)前圖像的像素預(yù)測值；對于每一樣本圖像的每一像素點，執(zhí)行下列操作指數(shù)預(yù)測，用于對時序數(shù)據(jù)進(jìn)行平滑或預(yù)測，最基本的形式如公式(I)所示
mt = β xt+(I-β(I)其中，mt表示t時刻圖像(當(dāng)前樣本圖像)的當(dāng)前像素點的狀態(tài)估計值(可以看作是一個中間變量KiV1表示t-Ι時刻圖像(前一樣本圖像)的該像素點的狀態(tài)估計值，Xt表示t時刻圖像的該像素點的像素觀測值，β表示平滑系數(shù)，其取值可以為O. I或O. 2等，β值越大，則說明mt與xt的相關(guān)性越大，β值越小，則說明mt與mt-i的相關(guān)性越大。公式(I)僅僅適用于沒有變化趨勢的時序圖像數(shù)據(jù)。考慮到光照變化是逐步按比例增加的，在預(yù)測更新時考慮光照按照比例變化的趨勢，則像素預(yù)測值的計算如公式(2)所示
I — P
權(quán)利要求
1.一種圖像檢測方法，其特征在于，該方法包括 根據(jù)圖像的灰度變化趨勢建模得到混合時空背景模型； 采集圖像，利用所述混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像。
2.根據(jù)權(quán)利要求I所述的方法，其特征在于，所述根據(jù)圖像的灰度變化趨勢建模得到混合時空背景模型，包括 確定基于指數(shù)平滑和光照變化的像素預(yù)測值； 將像素預(yù)測值和中心對稱局部二值模式CSLBP算子融合，得到時空-中心對稱局部二值模式ST-CSLBP算子； 計算基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖； 構(gòu)建基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的混合時空背景模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，利用如下公式確定所述像素預(yù)測值
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，利用如下公式將像素預(yù)測值和CSLBP算子融合，得到ST-CSLBP算子
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述構(gòu)建基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的混合時空背景模型，包括 確定基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的相似度； 根據(jù)相似度，判斷基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖與背景模型中的直方圖是否匹配，如果是，該像素點作為背景像素，否則將該像素點作為前景像素。
6.一種圖像檢測裝置，其特征在于，該裝置包括 圖像獲取單元，用于獲取圖像； 運動目標(biāo)檢測單元，用于利用預(yù)先設(shè)置的混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像；其中，所述混合時空背景模型，是預(yù)先根據(jù)圖像的灰度變化趨勢建模得到的。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述運動目標(biāo)檢測單元，包括 混合時空背景模型單元，用于確定基于指數(shù)平滑和光照變化的像素預(yù)測值；將像素預(yù)測值和中心對稱局部二值模式CSLBP算子融合，得到時空-中心對稱局部二值模式ST-CSLBP算子；計算基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖；構(gòu)建基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的混合時空背景模型； 檢測單元，用于利用混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述混合時空背景模型單元，利用如下公式確定所述像素預(yù)測值
9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述混合時空背景模型單元，利用如下公式將像素預(yù)測值和CSLBP算子融合，得到ST-CSLBP算子
10.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述混合時空背景模型單元，確定基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖的相似度；根據(jù)相似度，判斷基于ST-CSLBP算子的每一像素點對應(yīng)的直方圖與背景模型中的直方圖是否匹配，如果是，該像素點作為背景像素，否則將該像素點作為前景像素。
全文摘要
本發(fā)明公開了一種圖像檢測方法及裝置，用以提高圖像運動目標(biāo)檢測的檢測率和準(zhǔn)確率，使得在復(fù)雜光照變化場景下，同樣可以很準(zhǔn)確地檢測到運動目標(biāo)。本發(fā)明提供的一種圖像檢測方法包括采集圖像，利用預(yù)先設(shè)置的混合時空背景模型，對圖像進(jìn)行運動目標(biāo)檢測，確定目標(biāo)圖像；其中，所述混合時空背景模型，是預(yù)先根據(jù)圖像的灰度變化趨勢建模得到的。
文檔編號G06T7/20GK102855634SQ201110176980
公開日2013年1月2日 申請日期2011年6月28日 優(yōu)先權(quán)日2011年6月28日
發(fā)明者付強, 李勃, 張震瑋, 陳啟美, 何軍, 江登表 申請人:中興通訊股份有限公司