一种运动检测方法和装置制造方法及图纸

本发明专利技术公开了一种运动检测方法，包括：获取检测场景的深度图像，建立并初始化该深度图像的背景模型，根据该背景模型确定该深度图像中的运动对象像素点。本发明专利技术同时公开了一种运动检测装置，包括：深度图像获取模块和运动检测模块。本发明专利技术大大减少了运动检测的计算量，同时减少了光照、阴影对运动检测结果的影响，提高了运动检测的精确度。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体涉及一种运动检测方法和装置。技术背景运动检测技术是智能视频监控、基于困像的三维对象建模、基于视觉的 人机交互等系统中应用的一项基本技术。运动检测算法的效果直接影响着这些系统应用的后续操作。例如在智能视频监控系统中，需要对某些物体的 行为进行分析判断，这就首先需要检测出该物体是否已经出现，而检测的主 要依据就是该物体是否运动。在检测到运动对象后，开始对该运动对象进行 跟踪，从而得到该运动对象的高级行为分析结果。在运动检测中，阴影的问 题也是需要充分考虑到的，因为在运动检测技术中，运动物体的轮廓是非常 关键的。其一，物体的轮廓与物体的形状密切相关，而在识别物体如人、 其它动物、车辆等的属性时，物体的形状将是一个非常重要的线索；其二， 在后续的跟踪步骤中，需要对物体提取进一步的特征如直方图特征，而特 征提取的范围是由物体的轮廓来限定的。另外，如果运动物体的阴影与其本 身是分离的，那么其阴影如果符合一定的要求则可能被看作是一个新的对 象，这时就会出现虛警，并且影响被监控对象的计数。因此，在运动检测中， 一方面要考虑把所有符合要求的运动物体都要检测出来，另一方面还需要把 阴影部分从运动部分排除出去。目前的运动检测算法主要有背景减除算法、多帧差分算法、光流算法等。 去阴影算法分为基于模型的方法和基于特征的方法。通常先采用运动检测算 法检测出困像中的运动部分，再依据阴影检测算法确定运动部分中哪些为阴 影。阴影检测算法的主要思想是从图像的RGB颜色空间提取出色彩和亮度两个分量，而阴影一般符合亮度比背景暗，而色彩分量不变的特征，据此特 征，分别对色彩和亮度两个分量设置门限值，在该门限范围内的像素点即为 阴影部分。该技术的缺点是运动检测与阴影去除无法同时进行，必须在得到运动 部分后，再将阴影当作非运动区域去除，从而增大了运算量。同时，在某些 情况下，要为阴影检测设定一个固定的门限值，并不能保证在任何情况下该 门限值都能符合实际情况，例如光照充分与光照较弱两种情况下，阴影的 门限值应该是不同的，这就导致该算法没有普遍适应性。
技术实现思路
本专利技术提供一种运动检测方法及装置，以减少运动检测的计算量。 本专利技术的技术方案是这样实现的一种运动检测方法，包括获取检测场景的深度图像，建立并初始化该深 度图像的背景模型，根据该背景模型确定该深度图像中的运动对象像素点。一种运动检测装置，包括深度图像获取模块和运动检测模块，其中深度图像获取模块，用于获取检测场景的深度图像；运动检测模块，用于建立所述深度图像的背景模型，从所述深度图像获取 模块读取深度图像的各像素点，根据该背景模型确定该深度图像的运动对象像 素点。与现有技术相比，本专利技术通过获取检测场景的深度图像，并建立深度图 像的背景模型来进行运动检测，由于深度图像的每个像素点只包含一个像素 值，因此与现有的通过对彩色图像建立背景模型进行运动检测的方法相比， 本专利技术可大大减少了运动检测的计算量；同时，由于深度图像与环境光照和 阴影无关，因此本专利技术不需进行去阴影操作，进一步减少了运动检测的计算 量，提高了运动检测的效率，也避免了光照、阴影对运动检测结果的影响， 提高了运动检测的精确度。附图说明图1为本专利技术实施例一提供的运动检测的流程图；图2为本专利技术实施例二提供的运动检测的流禪闺；图3为本专利技术实施例提供的对彩色图像进行运动检测的流程图；图4为本专利技术实施例一提供的实现运动检测的装置组成图；图5为本专利技术实施例二提供的实现运动检测的装置组成图。具体实施方式下面结合附图及具体实施例对本专利技术再作进一步详细的说明。 图1是本专利技术实施例一提供的运动检测的流程图，如图l所示，其具体 步骤如下步骤101:获取检测场景的深度图像。深度图像与环境光照和阴影无关，深度图像的像素点清晰地表达了景物 的表面几何形状。深度图像获取方式分为主动式和被动式两种，主动式主要 通过向目标发射能量束如激光、电磁波、超声波等，并检测回波得到；被 动式通过传感器主要利用周围环境条件成像。在本专利技术中，针对不同的应用环境可以采用不同的方式获取深度图像。 例如在日常的开放的视频监控系统中，为了避免阳光等强光源的影响，可 以采用主动方式获取深度图像。在本实施例中所采集的深度图像只需反映检 测对象间的相对深度关系即可，不需对深度图像获取装置进行标定。步骤102:建立深度图像的混合高斯背景模型，并初始化各高斯分量的 权重、均值和方差。深度图像的每个像素符合由K个高斯函数组合而成的混合分布。设第《,'=1，2，...，《)个高斯分量的均值和方差分别是//,和07,，各高斯分量的权重为w,。在初始化时，可选择第 一 桢深度图像中的各像素点的值作为该像素点对应的第一个高斯分量的均值，将其它高斯分量的均值设为0,将第一个高斯分量的权重设为1,其它高斯分量的权重设为0,各高斯分量的方差可根据经验 设定。K值为预先设定的，通常为3 7。步骤103:按照混合高斯背景模型中各高斯分量的权重与方差的比值即 w,/ct,.的从大到小，对各高斯分量进行排序。步骤104:计算^argmin^w,.〉:T),即从排序后的第一个高斯分量开始，依次将各高斯分量相加，当所得和值大于T时停止相加，得到参与相加 运算的高斯分量的个数B。 T为预先设定的值。步骤105:选择排序后位于最前面的B个高斯分量作为当前像素点的背 景高斯分布。步骤106:对于选定的B个高斯分量，对每个高斯分量判断 —-^|<^7力'=1，2，...，￡)是否成立，若是，执行步骤107;否则，执行步骤109。r为预先设定的常数，表示当前像素点与当前高斯背景像素点的偏离程 度，可根振实际情况设定，通常可设为3。步骤107:判定该像素点为背景，根据^,-(l-p);v,+^更新//,,根据a,, = (1 — p)cr,,—' + / (x — cr,,)更新o,， 其中/ = ， = Z w,iV(;c,//,,<r, M),!' = 1，2,...，K。其中，//,.,表示更新后的第!'个高斯分量的均值，表示更新前的第/个高斯分量的均值；cr,，(表示更新后的第,'个高斯分量的方差， _,表示更新前 的第/个高斯分量的方差；^(^//,,,—1，^,—,)表示第/个高斯分量函数。步骤108:根据w,, =(1-00 —1+ ^(/ = 1二..，尺)更新^,转至步骤IIO。 其中， 表示更新后的第/个高斯分量的权重， -,表示更新前的第/个 高斯分量的权重，为预先设定的学习速率。若卜-;/,卜w,成立，m,,=i;否则，M,, =0。步骤109:判定该像素点为前景即运动对象，以当前像素点的值替换当 前混合高斯背景模型中权重与方差之比最小的高斯分量的均值，以预先设定 的初始权重和初始方差替换该高斯分量的当前权重与方差。步骤110:判断当前帧深度图像是否检测完毕，若是，根据该帧深度图 像中确定为前景的像素点确定运动对象；否则，转至步骤103处理下一个像 素点。由于深度图像的每个像素点只包含一个像素值，因此与现有的通过对彩 色图像建立背景模型进行运动检测的方法相比，本专利技术实施例可大大减少运 动检测的计算量；同时，由于深度图像与环境光照和阴影无关，因此本专利技术本文档来自技高网...

【技术保护点】
一种运动检测方法，其特征在于，包括：获取检测场景的深度图像，建立并初始化该深度图像的背景模型，根据该背景模型确定该深度图像中的运动对象像素点。

【技术特征摘要】
1. 一种运动检测方法，其特征在于，包括获取检测场景的深度图像，建立并初始化该深度图像的背景模型，根据该背景模型确定该深度图像中的运动对象像素点。2、 如权利要求l所述的方法，其特征在于，所述背景模型为混合高斯背景 模型。3、 如权利要求2所述的方法，其特征在于，所述根据该背景模型确定该深 度图像中的运动对象像素点包括按照混合高斯背景模型中各高斯分量的权重与方差的比值的从大到小，对 各高斯分量进行排序，从排序后的第一个高斯分量开始，依次将各高斯分量的 权重相加，当所得和值大于预设值时停止相加；判断在参与相加运算的高斯分量中，是否存在满足当前像素点的值与该 高斯分量的均值之差的绝对值小于该高斯分量的方差与预定常数的乘积的高斯 分量，若存在，则判定当前像素点为背景；若不存在，判定当前像素点为运动 对象。4、 如权利要求3所述的方法，其特征在于，所述判定当前像素点为背景之 后，进一步包括根据预设的学习速率及当前像素点的值更新当前混合高斯背景模型。5、 如权利要求4所述的方法，其特征在于，所述更新当前混合高斯背景模 型包括根据^-(l-p)/v, + px更新各高斯分量的均值，根据 =(1-/9)0,M+/ (x-o,)更新各高斯分量的方差，根据w,, =0-a)w,M+M,,更 新各高斯分量的权重，《其中，/ = <^(x)， /jW-Zw^O^/VpCJ,,—,), ,' = 1,2..，《；A,表示更新后的第! 个高斯分量的均值，/V,表示更新前的第, 个高斯分量的均值； 表示更新后的第,'个高斯分量的方差， —,表示更新前的第/个 高斯分量的方差；w,.,表示更新后的第z'个高斯分量的权重，气,一,表示更新前 的第；个高斯分量的权重；《为预设的学习速率，x为当前像素点的值； iV(;c,A,cr,)表示第/个高斯分量的函数表达式；K为高斯分量的数目；当第/个 高斯分量满足当前像素点的值与该高斯分量的均值之差的绝对值小于该高 斯分量的方差与预定常数的乘积时，M,,,=l;否则，M,,,=0。6、 如权利要求3所述的方法，其特征在于，所述判定当前像素点为运动对 象之后，进一步包括以当前像素点的值更新当前混合高斯背景模型中权重与方差的比值最小的 高斯分量的均值，以预设的初始权重和初始方差替换该高斯分量的当前权重与 方差。7、 如权利要求l所述的方法，其特征在于，所述获取检测场景的深度图像 的同时进一步包括获取检测场景的彩色图像；且所述方法进一步包括对该彩色图像进行运动检测，对于每个像素点， 判断彩色图像的运动检测结果和深度图像的运动检测结果是否都为运动对象， 若是，判定该像素点为运动对象；否则，判定该像素点为背景。8、 一种运动检测装置，其特征在于，包括深度图像获取模块和运动检测 模块，其中深度图像获取模块，用于获取检测场景的深度图像；运动检测模块，用于建立所述深度图像的背景模型，从所述深度图像获取 模块读取深度图像的各像素点，根据该背景模型确定该深度图像的运动对象像 素点。9、 如权利要求8所述的装置，其特征在于，所述运动检测模块包括 背景模型建立模块、背景分布确定模块和检测模块，其中背景模型建立模块，用于建立并初始化深度图像的混合高斯背景模型；背景分布确定模块，用于按照从背景模型建立模块读取的各高斯分量的 权重与方差之比的从大到小，对各高斯分量进行排序，从排序后的第一个高 斯分量开始，依次将各高斯分量的权重相加，当所得和值大于预定值时停止相加，并将参与相加运算的高斯分量标识发送给检测模块；检测模块，用于从背景模型建立模块读取背景分布确定模块发来的高斯 分量标识对应的各高斯分量的均值和方差，判断从深度图像获取模块读取的 当前像素点是否满足像素点的值与所述其中一个高斯分...

【专利技术属性】
技术研发人员：左坤隆，杨海钦，陈海，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：94[中国|深圳]