本发明专利技术公开了一种运动检测方法，包括：将训练用的背景图像序列的当前训练区域序列表示为一个高阶张量；对所述张量进行高阶奇异值分解，得到所述张量的张量子空间；利用所述张量子空间对当前待检图像的对应待检区域进行运动检测。此外，本发明专利技术还公开了一种运动检测装置、以及背景模型建立方法和装置。本发明专利技术所公开的技术方案能够提高运动检测的准确性。
【技术实现步骤摘要】
本专利技术涉及运动检测技术，尤其涉及一种运动检测方法和装置、以及背 景模型建立方法和装置。
技术介绍
运动检测(Motion Detection )是计算机视觉(Computer Vision )研究的 重要领域，在视频监控和智能交通等领域有着广泛的应用。目前的运动检测 方法主要包括基于像素点的检测方法和基于区域的检测方法。现有技术中，基于像素点的检测方法，如混合高斯运动检测方法(MoG ), 仅仅独立考虑每个像素点的信息而忽略了图像区域中的各个像素点之间的 相关性，丟失了很多有价值的信息；并且通常对所有像素点都进行处理，运 算量大，不利于实时应用。基于区域的检测方法，如特征背景方法(Eigen Background),先收集训练背景图像，然后使用主分量分析(也称主成分分 析，PCA)技术提取背景图像的特征来描述背景，但PCA技术忽略了训练背景图像序列的时间特性，因此训练得到的背景模型失去了背景图像序列时 间上的特征，进而影响了运动检测的准确性。
技术实现思路
有鉴于此，本专利技术中一方面提供一种运动检测方法和装置，另一方面提 供一种背景模型建立方法和装置，以提高运动检测的准确性。 本专利技术所提供的运动检测方法，包括A、 将训练用的背景图像序列的当前训练区域序列表示为 一个高阶张量；B、 对所述张量进行高阶奇异值分解，得到所述张量的张量子空间；C、 利用所述张量子空间对当前待检图像的对应待检区域进行运动检测。6较佳地，所述步骤C包括 '从所述训练用的背景图像序列的当前训练区域序列中选取一个训练区域作为当前基准区域，或将所述当前训练区域序列中对应像素点的均值所构成的均值图像区域作为基准区域；计算所述基准区域在所述张量子空间上的投影，得到第 一投影；计算当前待检图像的对应待检区域在所述张量子空间上的投影，得到第二投影；计算所述第一投影和第二投影之间的距离值，将所述距离值与设定的条件 进行匹配，根据匹配结果确定运动目标是否出现。 较佳地，确定所述条件的方法包括分别计算当前训练区域序列中每个训练区域在所述张量子空间上的投影， 得到对应的一组投影；分别计算该组投影中每个投影与所述第一投影之间的距离，得到对应的一 组距离值；估计该组距离值的均值/Z和均方差CT,将(//-30"，//+3(7)作为所述条件；所述将距离值与设定的条件进行匹配，根据匹配结果确定运动目标是否出 现包括判断所述距离值是否位于所述(//-30"，//+3力之内，如果是，则确定没 有出现运动目标；否则，确定出现运动目标。较佳地，所述条件为阈值T1;所述将距离值与设定的条件进行匹配，根据匹配结果确定运动目标是否出 现包括判断所述距离值是否小于所述阈值Tl,如果是，则确定没有出现运动 目标；否则，确定出现运动目标。较佳地，所述步骤C包括计算当前待检图像的对应待检区域在所述张量子空间上的投影，利用得到 的投影进行图像重建，得到当前待检图像的对应待检区域的重建区域；计算当前待检图像的对应待检区域与其重建区域之间的距离值，将所述距离值与设定的条件进行匹配，根据匹配结果确定运动目标是否出现。较佳地，所述条件为阈值T2;所述将距离值与设定的条件进行匹配，根据匹配结果确定运动目标是否出 现包括判断所述距离值是否小于所述阈值T2，如果是，则确定没有出现运动 目标；否则，确定出现运动目标。较佳地，所述当前训练区域为整个背景图像区域，或将背景图像划分为 多个图像块之后当前图像块所对应的图像区域；所述对应待检区域为与当前训练区域相对应的整个当前待检图像，或将 当前待检图像划分为多个待检图像块之后与当前训练区域相对应的当前待检图 像块所对应的图像区域。较佳地，所述步骤A之前，进一步包括对训练用的背景图像序列中的每 幅背景图像进行预处理；所述步骤C之前，进一步包括对当前待检图像进行预处理。较佳地，所述当前训练区域为将背景图像划分为多个图像块之后当前图 像块所对应的区域；所述对应待检区域为将当前待检图像划分为多个待检图像块之后与当前 训练区域相对应的当前待检图像块所对应的区域；所述步骤C之后，进一步包括将所述待检区域的像素点根据检测结果设置为预定的运动或背景对应的像 素值；在对当前待检图像的每个待检区域完成运动检测后，将设置了运动或背 景像素值的当前待检图像的每个待检区域进行拼接，将拼接结果作为当前待 检图像的运动检测结果。本专利技术所提供的背景模型建立方法，包括将训练用的背景图像序列的当前训练区域序列表示为 一个高阶张量； 对所述张量进行高阶奇异值分解，得到所述张量的张量子空间； 利用所述张量子空间表示每个训练区域，得到训练后的对应区域背景模8型。本专利技术所提供的运动检测装置，包括张量子空间计算单元，用于将训练用的背景图像序列的当前训练区域序列 表示为一个高阶张量，对所述张量进行高阶奇异值分解，得到所述张量的张量子空间；运动检测单元，用于利用所述张量子空间对当前待检图像的对应待检区域进4于运动;f企测。较佳地,.所述运动检测单元包括基准区域确定单元，用于从所述训练用的背景图像序列的当前训练区域序 列中选取一个训练区域作为基准区域，或将所述当前训练区域序列中对应像素 ,*的均值所构成的均值图像作为基准区域；投影计算单元，用于计算所述基准区域在所述张量子空间上的投影，得到 第一投影；计算当前待检图像的对应待检区域在所述张量子空间上的投影，得 到第二投影；第一结果确定单元，用于计算所述第一投影和第二投影之间的距离值，将 所述第一投影和第二投影之间的距离值与设定的条件进行匹配，根据匹配结果 确定运动目标是否出现。较佳地，所述运动检测单元包括图像重建单元，用于计算当前待检图像的对应待检区域在所述张量子空间 上的投影，利用得到的投影进行图像重建，得到当前待检图像的对应待检区域 的重建区域；第二结果确定单元，用于计算当前待检图像的对应待检区域与其重建区 域之间的距离值，将所述距离值与设定的条件进行匹配，根据匹配结果确定 运动目标是否出现。本专利技术所提供的背景模型建立装置，包括张量子空间计算单元，用于将训练用的背景图像序列的当前训练区域序列 表示为一个高阶张量，对所述张量进行奇异值分解，得到所述张量的张量子空间；背景模型构造单元，用于利用所述张量子空间表示每个训练区域，得到 训练后的对应区域背景模型。从上述方案可以看出，本专利技术中基于张量分析的方法，将收集的背景图 像序列或其划分为图像块之后的每个图像块序列表示为一个高阶张量，并计 算该张量的张量子空间，利用该张量子空间对当前待检图像或其划分为图像 块之后的对应待检图像块进行运动检测。由于高阶张量包含有背景图像序列 时间上的特性，因此基于这种张量分析的运动检测不仅提取了背景图像的空 间特性，还提取了背景图像的时间特性，由于充分考虑了背景图像的时空特 性，因此基于这种张量分析的运动检测提高了运动检测的准确性。附图说明图1为本专利技术实施例中运动4企测方法的示例性流程图2为本专利技术实施例中张量A的示意图3为本专利技术实施例中张量A的各模式示意图4为本专利技术实施例中张量A的各模式展开示意图5为本专利技术实施例中运动检测装置的示例性结构图6a和图6b为图5所示装置中运动检测单元的结构示意图7为本专利技术实施例中背景模型的建立装置的示例性结构图。具体实施例方式为了将背景图像本文档来自技高网...
【技术保护点】
一种运动检测方法，其特征在于，该方法包括： Ａ、将训练用的背景图像序列的当前训练区域序列表示为一个高阶张量； Ｂ、对所述张量进行高阶奇异值分解，得到所述张量的张量子空间； Ｃ、利用所述张量子空间对当前待检图像的对应待检区域进行运动检测 。
【技术特征摘要】
【专利技术属性】
技术研发人员：王磊，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。