一种变化区域检测方法及装置制造方法及图纸

本申请提供了一种变化区域检测方法及装置，包括：获取场景的深度视频图像，所述深度视频图像包括深度信息；使用所述深度视频图像每帧的深度信息更新预先建立的第一周期深度背景模型和第二周期深度背景模型；所述第一周期比所述第二周期长；比较所述第一周期深度背景模型和所述第二周期深度背景模型，得到像素点变化大于预设第一阈值的点的集合；根据所述点的集合得到连通区域，将所述连通区域与预设第二阈值相比，检测得到变化区域。由于本申请是获取包括深度信息的深度视频图像，利用场景的深度信息对预先建立的深度背景模型进行更新，通过比较两个深度背景模型中像素点变化来检测得到变化区域，无需预先在场景中安装传感器，通用性更强。

【技术实现步骤摘要】

本申请涉及计算机视觉
，尤其涉及一种变化区域检测方法及装置。
技术介绍
随着计算机视觉技术的不断发展，越来越多的应用场景需要进行三维变化检测。 精确的三维长效变化检测有其重要的应用意义，尤其是在一些涉及安全和敏感信息的设备 上，例如：银行的ATM机，当插卡处、出钞口被加装异物时，及时的检测并报警可以避免财产 损失。 目前的变化检测方法，主要是利用特定的传感器，例如：在敏感区域安装特殊的感 应器，当感应到该区域被覆盖或遮挡一定时间后报警，但这种方式的扩展性和通用性均不 强。 现有技术不足在于： 现有的变化检测方法利用预先安装的传感器进行检测，通用性较弱。
技术实现思路
本申请实施例提出了一种变化区域检测方法及装置，以解决现有技术中变化检测 方法利用预先安装的传感器进行检测，通用性较弱的技术问题。 本申请实施例提供了一种变化区域检测方法，包括如下步骤： 获取场景的深度视频图像，所述深度视频图像包括深度信息； 使用所述深度视频图像每帧的深度信息更新预先建立的第一周期深度背景模型 和第二周期深度背景模型；所述第一周期比所述第二周期长； 比较所述第一周期深度背景模型和所述第二周期深度背景模型，得到像素点变化 大于预设第一阈值的点的集合； 根据所述点的集合得到连通区域，将所述连通区域与预设第二阈值相比，检测得 到变化区域。 本申请实施例提供了一种变化区域检测装置，包括： 获取模块，用于获取场景的深度视频图像，所述深度视频图像包括深度信息； 更新模块，用于使用所述深度视频图像每帧的深度信息更新预先建立的第一周期 深度背景模型和第二周期深度背景模型；所述第一周期比所述第二周期长； 比较模块，用于比较所述第一周期深度背景模型和所述第二周期深度背景模型， 得到像素点变化大于预设第一阈值的点的集合； 检测模块，用于根据所述点的集合得到连通区域，将所述连通区域与预设第二阈 值相比，检测得到变化区域。 有益效果如下： 本申请实施例所提供的变化区域检测方法及装置，由于本申请实施例中是获取包 括深度信息的深度视频图像，利用场景的深度信息对预先建立的第一周期深度背景模型和 第二周期深度背景模型进行更新，通过比较两个深度背景模型中像素点变化来检测得到变 化区域，无需预先在场景中安装传感器，从而可以简单方便的检测出场景内的变化区域，通 用性更强。【附图说明】 下面将参照附图描述本申请的具体实施例，其中： 图1示出了本申请实施例中变化区域检测方法实施的流程示意图； 图2示出了本申请实施例中具体场景示意图； 图3示出了本申请实施例中变化区域检测装置的结构示意图。【具体实施方式】 为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性 实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是 所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互 相结合。 专利技术人在专利技术过程中注意到： 对于变化检测方法还可以利用基于颜色的视频分析技术，但该方法只使用传感器 的彩色信息，对光照变化的稳定性较差，当光照突然发生变化时，会产生大量误检前景，从 而会因为光照变化而造成误检。因此，当前景和背景十分相似时，基于颜色的视频分析技术 进行变化检测的方法准确率较低。 针对上述不足，本申请实施例提出了一种变化区域检测方法及装置，通过RGBD传 感器，充分利用传感器获得深度信息，实现计算机视觉的长效三维变化检测，下面进行说 明。 图1示出了本申请实施例中变化区域检测方法实施的流程示意图，如图所示，所 述变化区域检测方法可以包括如下步骤： 步骤101、获取场景的深度视频图像，所述深度视频图像包括深度信息； 步骤102、使用所述深度视频图像每帧的深度信息更新预先建立的第一周期深度 背景模型和第二周期深度背景模型；所述第一周期比所述第二周期长； 步骤103、使用所述深度图像每帧的深度信息更新所述第一周期深度背景模型和 所述第二周期深度背景模型； 步骤104、比较所述第一周期深度背景模型和所述第二周期深度背景模型，得到像 素点变化大于预设阈值的点的集合； 步骤105、根据所述点的集合得到连通区域，将所述连通区域与预设第二阈值相 比，检测得到变化区域。 具体实施中，可以通过场景的监控摄像头采集场景信息，所述摄像头可以为RGBD 传感器，通过所述RGBD传感器可以获取到场景的深度视频图像，所述深度视频图像中即可 以包括图像颜色信息，还可以包括各个像素点的深度信息。 根据所述深度视频图像进行背景建模，建立两个深度背景模型，具体为：第一周期 深度背景模型和第二周期深度背景模型。其中，第一周期深度背景模型可以指利用长时间 段内的样本统计信息的背景表示，第二周期深度背景模型可以指利用短时间段内样本统计 信息的背景表示。所述第一周期深度背景模型和所述第二周期深度背景模型可以分别称为 第一周期深度背景模型和第二周期深度背景模型，所述第一周期比所述第二周期长；例如： 第一周期深度背景模型可以为以1分钟为周期的样本进行建模，即，1分钟采集一次视频图 像进行建模；第二周期深度背景模型可以为以1秒为周期的样本进行建模，即，1秒钟采集 一次视频图像进行建模。 在建立深度背景模型之后，可以使用获取到的深度视频图像中每帧的深度信息来 更新所述第一周期深度背景模型和所述第二周期深度背景模型。具体更新时，可以在第一 周期（长计时周期）内更新所述第一周期深度背景模型，在第二周期（短计时周期）内更 新所述第二周期背景模型。例如：假设第一周期深度背景模型是以每1分钟采集的样本建 立的，那么在更新所述第一周期深度背景模型时可以以1分钟为周期进行；假设第二周期 深度背景模型是以每1秒钟采集的样本建立的，那么在更新所述第二周期深度背景模型时 可以以1秒钟为周期进行。 本申请实施例可以利用具有不同更新频率的两个混合高斯模型进行背景建模，分 别对应第一周期背景模型和第二周期背景模型。其中一个背景模型的更新频率较快，对应 第二周期背景模型；另一个背景模型的更新频率较慢，对应第一周期背景模型。 通过比较所述第一周期深度背景模型和所述第二周期深度背景模型，即可根据深 度信息中每个点的变化情况，得到变化大的点的集合，所述变化大的点可以为大于预设阈 值的点。 根据这些变化大的点的集合，可以得到所述视频图像的连通区域，将所述连通区 域与预设第二阈值相比，即可确定哪些区域是变化区域。当所述连通区域的面积大于预设 第二阈值时，则可以判定该区域为变化区域。 本申请实施例中，使用RGBD传感器得到场景的深度图像，利用混合高斯模型进行 背景建模，建立的深度背景模型包括第一周期背景模型和第二周期背景模型；将接收的每 帧深度信息用于更新第一周期背景模型和第二周期背景模型，比较第一周期背景模型和第 二周期背景模型，根据深度信息中每个点的变化情况，得到变化大的点的集合，从这个集合 中得到连通区域，由此，检测出变化的区域。 由于本申请实施例中是获取包括深度信息的深度视频图像，利用场景的深度信息 进行检测，通过比较两个深度背景模型中像素点变化来检测得到变化区域，无需预先在场 景中安装传感器，从而可以简单方便的检测出场景内所有变化区域，通用性更强。 除此之外，本文档来自技高网...

【技术保护点】
一种变化区域检测方法，其特征在于，包括如下步骤：获取场景的深度视频图像，所述深度视频图像包括深度信息；使用所述深度视频图像每帧的深度信息更新预先建立的第一周期深度背景模型和第二周期深度背景模型；所述第一周期比所述第二周期长；比较所述第一周期深度背景模型和所述第二周期深度背景模型，得到像素点变化大于预设第一阈值的点的集合；根据所述点的集合得到连通区域，将所述连通区域与预设第二阈值相比，检测得到变化区域。

【技术特征摘要】

【专利技术属性】
技术研发人员：李斌，赵勇，程士庆，张永杰，
申请(专利权)人：北京格灵深瞳信息技术有限公司，
类型：发明
国别省市：北京;11