一种完整图形提取方法技术

本发明专利技术提供了一种完整图形提取方法，包括：获取拍摄的视频帧序列；基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像；按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞；所述目标背景图像的选取与光照时间段、光照强度段、分辨率有关；所述判断阈值与所述视频帧序列中前景图像对应的物体的运动状态和时间有关。本发明专利技术能够快速准确的得到视频画面中的非背景图像的准确形状，从而便于后续的进一步处理，智能性高，获取的图形准确度高，具备广阔的应用前景。

A Complete Graphics Extraction Method

【技术实现步骤摘要】
一种完整图形提取方法
本专利技术涉及图像处理领域，尤其涉及一种完整图形提取方法。
技术介绍
智能监控系统是采用图像处理、模式识别和计算机视觉技术，通过在监控系统中增加智能视频分析模块，借助计算机强大的数据处理能力过滤掉视频画面无用的或干扰信息、自动识别不同物体，分析抽取视频源中关键有用信息，快速准确的定位事故现场，判断监控画面中的异常情况，并以最快和最佳的方式发出警报或触发其它动作，从而有效进行事前预警，事中处理，事后及时取证的全自动、全天候、实时监控的智能系统。现有技术中智能监控已经取得了广泛的应用，但是从流动的视频帧中提取图像，以及对提取的图像进行自动化的处理的相关技术还不甚成熟，因此难以实现完全的自动化，还需依赖人工肉眼的识别。鉴于自动进行图像处理的相关技术不甚成熟，基于图像处理技术进行自动报警的误报率较高，并且难以获取嫌疑目标的准确轮廓和精准位置。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种完整图形提取方法。本专利技术具体是以如下技术方案实现的：一种完整图形提取方法，包括：获取拍摄的视频帧序列；基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像；按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞；所述目标背景图像的选取与光照时间段、光照强度段、分辨率有关；所述判断阈值与所述视频帧序列中前景图像对应的物体的运动状态和时间有关。进一步地，所述按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞包括：获取当前时刻前景图像中像素I(x,y)和其对应的目标背景图像B(x,y)的像素差值L(x,y)＝I(x,y)-B(x,y)；获取当前时刻的异常空洞判断阈值T(x,y)；若所述像素差值大于所述判断阈值，则判定所述像素属于异常空洞。进一步地，目标背景图像B(x,y)与异常空洞判断阈值T(x,y)都与时间相关，并满足公式：其中γ是不随时间改变的常量，可以基于经验进行设定。进一步地，在获取像素差值之前，还包括：获取预设的多向参数集，所述向参数集记录了光照时间段、光照强度段、分辨率和异常空洞判断基础阈值之间的对应关系。进一步地，预先得到了所述拍摄设备拍摄位置对应的多向映射图集。所述多向映射图集记录了在没有行人的情况下，不同光照时间段、不同光照强度段和不同分辨率的场景下得到的图像，并将所述图像作为背景图。进一步地，Bt(x,y),Tt(x,y)的初始值分别为根据当前的光照时间段、光照强度段和拍摄的设备从所述多向映射图集中选择目标背景图，以及根据当前的光照时间段、光照强度段和拍摄的设备从多向参数集选择的异常空洞判断基础阈值。进一步地，根据上述标目标背景图像B(x,y)、异常空洞判断阈值T(x,y)与时间的关系可知，在前景图像对应物体发生运动的时候目标背景图像B(x,y)、异常空洞判断阈值T(x,y)内容不变，而前景图像对应物体是静止的时候目标背景图像B(x,y)、异常空洞判断阈值T(x,y)内容会进行更新；若在目标背景图像B(x,y)、异常空洞判断阈值T(x,y)更新的过程中发生了光照时间段、光照强度段或拍摄的设备的变化，则目标背景图像B(x,y)、异常空洞判断阈值T(x,y)将被重新初始化。本专利技术实施例详细给出了一种完整图形提取方法，并给出了对其进行异常空洞填充的详细技术方案，能够快速准确的得到视频画面中的非背景图像的准确形状，从而便于后续的进一步处理，比如对其进行识别和基于识别结果的监控。本专利技术智能性高，获取的图形准确度高，具备广阔的应用前景。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。图1是本专利技术实施例提供的一种完整图形提取方法流程图；图2是本专利技术实施例提供的神经网络构建方法流程图；图3是本专利技术实施例提供的神经网络生成参数生成神经网络方法流程图；图4是本专利技术实施例提供的根据预设生成规则以所述基础神经元为聚类中心生成神经网络方法流程图；图5是本专利技术实施例提供的计算所述神经网络的状态变换矩阵流程图；图6是本专利技术实施例提供的一种去除阴影的方法流程图；图7是本专利技术实施例提供的一种异常空洞判断方法方法流程图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。本专利技术提供一种完整图形提取方法，如图1所示，所述方法包括：S101.获取拍摄的视频帧序列。具体地，本专利技术实施例中视频帧序列可以从球机、枪机等现有拍摄设备获取，所述拍摄设备固定在某个具体位置，其拍摄角度也不随时间变化。具体地，所述视频帧序列为由颜色向量构成的序列，所述颜色向量为RGB向量空间的向量。S102.基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像。S103.按照预设阴影去除方法去除所述前景图像中的阴影。S104.判断所述前景图像中由前景图像提取步骤所造成的异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞。具体地，所述前景图像提取步骤即为步骤S102。由于前景图像提取，在某些场景下可能产生空洞，即使改进前景提取方法也难以彻底消除这种空洞。这种空洞不同于前景图像中物体自带的空洞，是一种异常空洞，这种异常空洞是应该被填充的；相应的，物体自带的空洞不需要被填充，而如何区分异常空洞是一个需要被解决的问题，本专利技术实施例具体给出了一种异常空洞的判断方法，将在后续详述。具体地，所述异常空洞填充方法可以使用现有技术。前景图像的提取过程受到光照，背景扰动等诸多复杂因素的影响，因此，本专利技术实施例优选采用神经网络对视频帧序列提取前景图像，以大数据训练为基础提升提取过程的鲁棒性。对神经网络的训练过程大同小异，可以参考现有技术，因此，本专利技术实施例不做赘述。不同的神经网络在机器学习过程中的表现有所不同，为了适应本专利技术实施例的具体需求，本专利技术实施例优选提供一种具体地神经网络。本专利技术实施例构建的神经网络具备下述特征：所述神经网络满足下述公式x(n+1)＝W1u(n+1)+W2x(n)+W3y(n)；其中，x、y分别为输入和输出，W1,W2,W3分别为所述神经网络当前输入、当前神经网络状态、当前本文档来自技高网...

【技术保护点】
1.一种完整图形提取方法，其特征在于，包括：获取拍摄的视频帧序列；基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像；按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞；所述目标背景图像的选取与光照时间段、光照强度段、分辨率有关；所述判断阈值与所述视频帧序列中前景图像对应的物体的运动状态和时间有关。

【技术特征摘要】
1.一种完整图形提取方法，其特征在于，包括：获取拍摄的视频帧序列；基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像；按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞；所述目标背景图像的选取与光照时间段、光照强度段、分辨率有关；所述判断阈值与所述视频帧序列中前景图像对应的物体的运动状态和时间有关。2.根据权利要求1所述的方法，其特征在于：所述按照目标背景图像和判断阈值判断所述前景图像中是否存在异常空洞包括：获取当前时刻前景图像中像素I(x,y)和其对应的目标背景图像B(x,y)的像素差值L(x,y)＝I(x,y)-B(x,y)；获取当前时刻的异常空洞判断阈值T(x,y)；若所述像素差值大于所述判断阈值，则判定所述像素属于异常空洞。3.根据权利要求2所述的方法，其特征在于：目标背景图像B(x,y)与异常空洞判断阈值T(x,y)都与时间相关，并满足公式：其中γ是不随时间改变的常量，可以基于经验进行设定。4.根据权利要求2所述的方法，其特征在于：在获取像素差值之前，还包括：获取预设的多向参数集，所述向参数集记录了光照时间段、光照强度段、分...

【专利技术属性】
技术研发人员：金涛，江浩，
申请(专利权)人：杭州铭智云教育科技有限公司，
类型：发明
国别省市：浙江,33