移动检测方法及移动检测系统技术方案

本申请涉及移动检测方法及移动检测系统。移动检测方法包含捕获原始图像；依据原始图像，利用移动检测器检测移动对象图像；依据移动对象图像，由原始图像裁切出对应移动对象图像的子图像；以及将子图像输入至处理器，以判断子图像中的移动对象是否对应检测类别。处理器包含类神经网络。子图像为多边形图像。

【技术实现步骤摘要】
移动检测方法及移动检测系统
本申请描述一种移动检测方法及移动检测系统，尤指一种低运算复杂度及高精确度的移动检测方法及移动检测系统。
技术介绍
随着科技日新月异，现今的图像消费性产品除了提供图像串流(ImageStream)功能外，也配置智能视频分析(IntelligentVideoAnalytics)的功能。智能视频分析的功能可以应用于安全控管。当智能视频分析的功能应用于安全控管时，人形检测(PeopleDetection)是一项重要且不可或缺的技术。图像串流可以输入至处理器中，以判断某些帧的图像内是否有人存在。然而，随着图像的分辨率变高且图像串流的高带宽需求，要达到实时(Real-Time)且准确的人形检测效能并不容易。通常，人形检测的处理时间越短或是越准确，需要庞大的计算量或是将浮点数运算的算法改良(如定点化)。然而，将硬件复杂度的提升或是将算法改良需要额外的设计成本以及测试成本。因此，设计一种可应用于低运算能力的系统(或是嵌入式系统)下，且具有高准确度的人形检测方法，是智慧视频分析领域设计的重要议题。
技术实现思路
本申请一实施例提出一种移动检测方法。移动检测方法包含捕获原始图像，依据原始图像，利用移动检测器检测移动对象图像，依据移动对象图像，由原始图像裁切出对应移动对象图像的子图像，及将子图像输入至处理器，以判断子图像中的移动对象是否对应检测类别。处理器包含类神经网络，且子图像为多边形图像。本申请另一实施例提出一种移动检测系统。移动检测系统包含图像捕获设备、移动检测器、内存及处理器。图像捕获设备用以捕获原始图像。移动检测器耦接于图像捕获设备。内存用以缓存图像数据。处理器耦接于图像捕获设备、移动检测器及内存。在图像捕获设备捕获原始图像后，移动检测器依据原始图像，检测移动对象图像。处理器依据移动对象图像，由原始图像裁切出对应移动对象图像的子图像，并缓存于内存中。处理器判断子图像中的移动对象是否对应检测类别。处理器包含类神经网络，且子图像为多边形图像。附图说明图1为本申请的移动检测系统的实施例的框图。图2为图1的移动检测系统中，图像捕获设备所捕获的原始图像的示意图。图3为图1的移动检测系统中，移动检测器检测原始图像中的移动对象，以产生移动检测图像的示意图。图4为图1的移动检测系统中，产生移动对象图像的示意图。图5为图1的移动检测系统中，由原始图像裁切出对应移动对象图像的子图像的示意图。图6为图1的移动检测系统执行移动检测方法的流程图。具体实施方式图1为移动检测系统100的实施例的框图。移动检测系统100包含图像捕获设备10、移动检测器(MotionDetector)11、内存12及处理器13。图像捕获设备10用以捕获原始图像。图像捕获设备10可为任何具有感光功能的装置，如相机、录像机等等。移动检测器11耦接于图像捕获设备10。移动检测器11可用图像帧差(FrameDifference)程序检测原始图像中的移动对象图像。图像帧差程序可将两帧或多帧的图像进行比对，以取得每一个对象图像的坐标偏移，进而检测移动对象的存在性。移动检测器11也可用背景模型(BackgroundModeling)建立程序，以检测原始图像中的移动对象图像。背景模型建立程序可利用多个图像帧，先产生固定对象所组成的背景模型，再利用像素的色调差距检测移动对象的存在性以及范围。然而，本申请非局限移动检测器11检测移动对象的方法。内存12用以缓存图像数据。内存12可为硬盘、随机存取内存或是闪存等任何数据缓存装置。处理器13耦接于移动检测器11及内存12。在移动检测系统100中，当图像捕获设备10捕获原始图像后，移动检测器11可依据原始图像检测移动对象图像。随后，处理器13可依据移动对象图像，由原始图像裁切出对应移动对象图像的子图像，并将其缓存于内存12中。处理器13可判断子图像中的移动对象是否对应检测类别。在移动检测系统100中，处理器13可包含类神经网络。例如，处理器13可包含卷积神经网络(ConvolutionalNeuralNetworks，CNN)的人形检测器，但非限定于此。由原始图像裁切出的子图像可为多边形图像。因此，移动检测系统100可以视为一个输入输出系统，具有输入原始图像以分析并输出移动对象图像是否存在的信息。移动检测系统100的移动检测方法的细节将于后文描述。图2为移动检测系统100中，图像捕获设备10所捕获的原始图像IMG1的示意图。图像捕获设备10(例如相机)可以捕获街景的原始图像IMG1。原始图像IMG1可包含移动对象ObjA以及非移动对象ObjB。在图2中，原始图像IMG1的移动对象ObjA为自行车(包含骑行者)，非移动对象ObjB可为停泊车辆或是树木等等。图3为移动检测系统100中，移动检测器11检测原始图像IMG1中的移动对象，以产生移动检测图像IMG2的示意图。如前述提及，移动检测器11可依据原始图像IMG1，利用图像帧差程序或是背景模型建立程序检测移动对象图像，细节如下。首先，使用者可以通过处理器13设定移动检测系统100的检测类别，例如设定移动检测系统100执行人形检测。接着，图像捕获设备10可将原始图像IMG1输入至移动检测器11。移动检测器11的信息记录方式可为，将原始图像IMG1分为移动对象图像及背景图像，且移动对象图像属于前景图像(ForegroundImage)。举例而言，移动对象图像IMG2可包含自行车(包含骑行者)的移动对象ObjA'(为了避免混淆，在图3中的代号使用ObjA')，具有第一灰阶度，如白色。背景图像可包含图2中停泊车辆的非移动对象ObjB(为了避免混淆，在图3中的代号使用ObjB')，具有第二灰阶度，如黑色。背景图像映射非移动对象且为单一色调，故背景图像的细节将会被屏蔽。然而，移动检测器11的信息记录方式也非限定于图3中使用黑白两色的像素信息记录方式。移动检测器11使用任何合理的电磁记录方式以区隔移动对象ObjA'与非移动对象ObjB'均属于本申请所揭露的范畴。图4为移动检测系统100中，产生移动检测图像ObjIMG的示意图。如前述提及，移动检测器11的信息记录方式可使用黑白两色的像素信息记录方式。因此图4将承接黑白两色的移动检测图像IMG2续行说明。在移动检测器11检测如图3中的移动对象ObjA'后，可以依据移动对象ObjA'的轮廓，产生多边形(例如矩形)的移动检测图像ObjIMG。换句话说，移动检测图像ObjIMG的边界可依据移动对象ObjA'的轮廓而决定。移动对象ObjA'的范围越大(例如近距离的人或是车)，框选出的移动检测图像ObjIMG的范围也越大。相反的，移动对象ObjA'的范围越小(例如远处的人或是车)，框选出的移动检测图像ObjIMG的范围也越小。并且，移动检测器11产生移动对象图像ObjIMG后，处理器13可以调整移动对象图像ObjIMG的尺寸比例(Resize)。调整移动对象图像ObjIMG的尺寸比例可平衡移动检测系统100执行图像处理的计算复杂度。并且，处理本文档来自技高网...

【技术保护点】
1.一种移动检测方法，包含：/n捕获一原始图像；/n依据该原始图像，利用一移动检测器检测一移动对象图像；/n依据该移动对象图像，由该原始图像裁切出对应该移动对象图像的一子图像；以及/n将该子图像输入至一处理器，以判断该子图像中的一移动对象是否对应一检测类别；/n其中该处理器包含一类神经网络，且该子图像为一多边形图像。/n

【技术特征摘要】
1.一种移动检测方法，包含：
捕获一原始图像；
依据该原始图像，利用一移动检测器检测一移动对象图像；
依据该移动对象图像，由该原始图像裁切出对应该移动对象图像的一子图像；以及
将该子图像输入至一处理器，以判断该子图像中的一移动对象是否对应一检测类别；
其中该处理器包含一类神经网络，且该子图像为一多边形图像。


2.根据权利要求1所述的方法，还包含：
在该移动检测器检测该移动对象图像后，调整该移动对象图像的一尺寸比例；及
将该移动对象图像中的多个像素进行至少一种图像处理，以产生完整且连续的图像信息；
其中该子图像符合移动对象图像的该尺寸比例，且该至少一种图像处理包含一侵蚀处理、一膨胀处理、一连通处理中至少之一者。


3.根据权利要求1所述的方法，其中依据该原始图像，利用该移动检测器检测该移动对象图像包含：
将该原始图像输入至该移动检测器；及
该移动检测器将该图像分为该移动对象图像及一背景图像；
其中该移动对象图像属于一前景图像。


4.根据权利要求3所述的方法，其中该前景图像具有一第一灰阶度，该背景图像具有一第二灰阶度，且该第一灰阶度与该第二灰阶度不同。


5.根据权利要求1所述的方法，还包含：
利用一筛选机制，将该原始图像中对应非检测类别的至少一个移动对象图像过滤；
其中该筛选机制是依据一长宽比和/或该移动对象图像的一默认尺寸范围而设计。...

【专利技术属性】
技术研发人员：詹尚伦，杨朝勋，吴俊樟，陈世泽，
申请(专利权)人：瑞昱半导体股份有限公司，
类型：发明
国别省市：中国台湾;71