一种面向监视场景的视频图像焦点区域分割方法技术

本发明专利技术公开了一种面向监视场景的视频图像焦点区域分割方法，该面向监视场景的视频图像焦点区域分割方法包括：通过视频图像中与焦点区域特性匹配的底层像素特征，分割出候选区域；对候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从候选区域中提取监视视频焦点区域。

A Focus Region Segmentation Method of Video Image for Surveillance Scene

The invention discloses a video image focus area segmentation method for surveillance scene. The video image focus area segmentation method for surveillance scene includes: dividing candidate areas by the bottom pixel features matching the characteristics of the focus area in the video image; detecting the motion of the candidate areas to determine the static state. Regional and dynamic regions, as well as static regions are processed by color features and local entropy, and dynamic regions are shaded to extract surveillance video focus regions from candidate regions.

【技术实现步骤摘要】
一种面向监视场景的视频图像焦点区域分割方法
本专利技术涉及检测
，具体涉及一种面向监视场景的视频图像焦点区域分割方法。
技术介绍
监视视频中包含了很多信息，但并非所有信息都是需要关注的，视频中可能只有部分区域具有较高的价值和重要性。目前，在图像压缩和检索等领域应用较多的感兴趣区域(regionofinterest，ROI)提取技术，能将图像中人们感兴趣的区域提取出来。常用的基于ROI的视频图像分割方法可以分为半自动分割和自动分割，半自动分割方法需要通过人机交互指定初始分割区域，分割质量较好，但是该方法依赖于人机交互，主观性较强，应用局限性较大；自动分割方法采用计算机视觉算法实现视频图像分割，然而面向视频的ROI提取在监视视频领域的应用研究较少，且往往只针对特定的场景(如特定的街道等)，大部分把有先验知识的预先指定目标(如人脸、车辆等)作为感兴趣区域或本质上就是运动对象的检测。所以ROI提取方法以人为先决条件，其目标类型因人而异，主观性很强，不适用于大部分监视场景。
技术实现思路
本专利技术的目的在于提供一种面向监视场景的视频图像焦点区域分割方法，用以解决现有技术中存在的问题。为实现上述目的，本专利技术的技术方案为一种面向监视场景的视频图像焦点区域分割方法，该面向监视场景的视频图像焦点区域分割方法包括：通过视频图像中与焦点区域特性匹配的底层像素特征，分割出候选区域；对候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从候选区域中提取监视视频焦点区域。可选的，对候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从候选区域中提取监视视频焦点区域，包括；提取候选区域中的N帧视频图像，根据帧间差分法构建背景；对候选区域根据背景减除法确定动态区域和静态区域；在静态区域，根据颜色特征，提取静态区域中的前景颜色区域R1，以及根据局部熵检测，提取静态区域的局部熵值超过自适应阈值的区域R2，并将区域R2映射到前景颜色区域中，计算前景颜色区域R1中与区域R2重叠的像素数目SumL与不重叠的像素数目SumN，并计算它们的比值β；其中，自适应阈值是根据最大类间方差法获得；在动态区域，根据动态区域的边缘检测二值图、运动点的灰度值和在HSV颜色空间的饱和度S分量对动态区域进行消影；将动态区域与静态区域分割结果组成视频图像分割算法，从候选区域中提取视频图像焦点区域。可选的，提取候选区域中的N帧视频图像，根据帧间差分法构建背景，包括：获取N帧视频图像中第i帧视频图像和第(i-1)帧视频图像在像素点(x,y)的灰度值；计算像素点(x,y)在p个灰度类中的每一灰度类的平均值；若第i帧视频图像在像素点(x,y)的平均灰度值与第(i-1)帧视频图像在像素点(x,y)的平均灰度值的差值的绝对值小于阈值，则将第i帧视频图像在像素点(x,y)的灰度类和第(i-1)帧视频图像在像素点(x,y)的灰度类合并为灰度值一致区间，并计算灰度值一致区间的平均灰度值；选择像素数最大的灰度值一致区间，将像素数最大的灰度值一致区间的平均灰度值最为像素点(x,y)的背景灰度值。可选的，根据背景减除法确定动态区域和静态区域，包括：将第i帧视频图像和背景图像进行差分，得到差分图像，并差分图像进行二值化得到二值图像Ti；当差分图像的像素值大于判定阈值ti时，确定像素点(x,y)为运动像素点，当差分图像的像素值小于或等于判定阈值ti时，确定像素点(x,y)为静态像素点。可选的，根据动态区域的边缘检测二值图、运动点的灰度值和在HSV颜色空间的饱和度S分量对动态区域进行消影，包括：对动态区域进行灰度梯度的边缘检测，并形成边缘二值图Gi；将二值图像Ti映射到边缘二值图中Gi，将在边缘二值图Gi轮廓内的二值图像Ti亮点为运动像素点；当像素点(x,y)在边缘二值图Gi轮廓外的二值图像Ti亮点区域中，且像素点(x,y)的饱和度低于饱和度阈值，以及像素点(x,y)的灰度值Ii(x,y)比背景值小，确定像素点(x,y)属于运动目标的阴影像素点。可选的，该面向监视场景的视频图像焦点区域分割方法，还包括：更新背景图像Bi+1：其中，a为更新系数，变化范围从0～1。可选的，在静态区域，该面向监视场景的视频图像焦点区域分割方法，还包括：当每一个前景颜色区域R1中与区域R2重叠的像素数目SumL与不重叠的像素数目SumN的比值β大于设定的阈值Thβ，则将前景颜色区域R1、区域R2合并为R3。可选的根据颜色特征，提取静态区域中的前景颜色区域R1，包括：利用S分量和V分量将第i帧视频图像分割成灰色区域和彩色区域；将灰色区域中的每一灰度点的V分量进行模糊C均值聚类FCM；根据彩色区域中的每一彩色点对应七彩色在光谱中的波长，采用H分量的非均匀量化方法，将H分量按照区间：H∈(330,22]；H∈(22,45]；H∈(45,70]；H∈(70,155]；H∈(155,186]；H∈(186,278]；H∈(278,330]分成七类颜色，分别对应红、橙、黄、绿、青、蓝、紫；通过像素点(x,y)对应的颜色类别li(x,y)，提取静态区域中的前景颜色区域R1；其中，第i帧视频图像中的像素点(x,y)包括L＝Ci+7种颜色类，li(x,y)∈{1,2,L,Ci+7}。本专利技术具有如下优点：本专利技术实施例提供的一种面向监视场景的视频图像焦点区域分割方法，通过运动特征、颜色特征、纹理特征和形状特征的提取分析和多特征融合，把对视频监视和分析有用的信息量较大的焦点区域识别出来。附图说明图1为本专利技术实施例提供了一种面向监视场景的视频图像焦点区域分割方法的流程图。图2为本专利技术实施例提供的视频图像分割算法的流程图。具体实施方式以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。实施例1图1为本专利技术实施例提供了一种面向监视场景的视频图像焦点区域分割方法的流程图。如图1所示，该面向监视场景的视频图像焦点区域分割方法包括以下步骤：步骤S101：通过视频图像中与焦点区域特性匹配的底层像素特征，分割出候选区域。在步骤S101之前，还可对视频图像进行预处理，例如降噪处理，然后根据焦点区域特性匹配的底层像素特征(颜色特征、动态区域、静态区域和图像局部熵)，从视频图像中分割颜色特征、动态区域、静态区域和图像局部熵对应的候选区域。步骤S102：对候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从候选区域中提取监视视频焦点区域。具体包括：步骤S1021：提取候选区域中的N帧视频图像，根据帧间差分法构建背景。步骤S1021，具体包括：第一步：提取N帧视频图像中第i帧视频图像和第(i-1)帧视频图像，并进行差分运算；通过下式得到图像中的动态区域和静态区域：其中，ξ为判定是否为动态区域和静态区域的阈值，Ii(x,y)表示在这N帧图像中第i帧像素点(x,y)处的灰度值。当ai(x,y)＝1时，Ii(x,y)与Ii-1(x,y)灰度不一致，将其灰度值归为两类；当ai(x,y)＝0时，Ii(x,y)与Ii-1(x,y)灰度一致，将其灰度值归为一类。第二步：计算点(x,本文档来自技高网...

【技术保护点】
1.一种面向监视场景的视频图像焦点区域分割方法，其特征在于，所述方法包括：通过视频图像中与焦点区域特性匹配的底层像素特征，分割出候选区域；对所述候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从所述候选区域中提取监视视频焦点区域。

【技术特征摘要】
1.一种面向监视场景的视频图像焦点区域分割方法，其特征在于，所述方法包括：通过视频图像中与焦点区域特性匹配的底层像素特征，分割出候选区域；对所述候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从所述候选区域中提取监视视频焦点区域。2.根据权利要求1所述的方法，其特征在于，所述对所述候选区域进行运动检测，确定静态区域和动态区域，以及通过颜色特征和局部熵对静态区域处理，并对动态区域进行消影处理，从而从所述候选区域中提取监视视频焦点区域，包括；提取所述候选区域中的N帧视频图像，根据帧间差分法构建背景；对所述候选区域根据背景减除法确定动态区域和静态区域；在静态区域，根据颜色特征，提取所述静态区域中的前景颜色区域R1，以及根据局部熵检测，提取所述静态区域的局部熵值超过自适应阈值的区域R2，并将区域R2映射到所述前景颜色区域中，计算前景颜色区域R1中与区域R2重叠的像素数目SumL与不重叠的像素数目SumN，并计算它们的比值β；其中，所述自适应阈值是根据最大类间方差法获得；在动态区域，根据动态区域的边缘检测二值图、运动点的灰度值和在HSV颜色空间的饱和度S分量对动态区域进行消影；将动态区域与静态区域分割结果组成视频图像分割算法，从所述候选区域中提取视频图像焦点区域。3.根据权利要求2所述的方法，其特征在于，所述提取所述候选区域中的N帧视频图像，根据帧间差分法构建背景，包括：获取N帧视频图像中第i帧视频图像和第(i-1)帧视频图像在像素点(x,y)的灰度值；计算像素点(x,y)在p个灰度类中的每一灰度类的平均值；若第i帧视频图像在像素点(x,y)的平均灰度值与第(i-1)帧视频图像在像素点(x,y)的平均灰度值的差值的绝对值小于阈值，则将第i帧视频图像在像素点(x,y)的灰度类和第(i-1)帧视频图像在像素点(x,y)的灰度类合并为灰度值一致区间，并计算灰度值一致区间的平均灰度值；选择像素数最大的灰度值一致区间，将像素数最大的灰度值一致区间的平均灰度值最为像素点(x,y)的背景灰度值。4.根据权利要求3所述的方法，其特征在于，根据背景减除法确定动态区...

【专利技术属性】
技术研发人员：张旭，齐宁，安辉耀，吴凯，
申请(专利权)人：中国人民解放军六一零六二部队科技装备处，
类型：发明
国别省市：北京,11