移动物体检测方法与电路系统技术方案

一种移动物体检测方法与电路系统，在方法中，当感知到一场景内有移动物体时，即取得连续帧影像，将各帧影像分割为多个区块，再逐帧计算各区块的亮度与色度，以与背景模型比对得出差异，据此识别各帧影像中的动态事件，当有动态事件时，可根据检测到有动态事件的一或多个区块，建立感兴趣区域，接着针对感兴趣区域检测其中的移动物体，其中可以采用神经网络演算的智能模型计算各帧影像中有移动物体机率的信任分数，以信任分数比对一判断门限，据此检测移动物体

【技术实现步骤摘要】
移动物体检测方法与电路系统


[0001]说明书公开一种检测移动物体的技术，其中特别涉及一种建立背景模型检测动态事件，再利用神经网络技术执行移动物体检测的方法与电路系统
。

技术介绍

[0002]现有识别移动物体的方法包括利用光遮断原理的红外光感测器实现移动感测，还可通过影像识别技术解析一个空间内的影像与光影变化，借此识别其中移动物体
。
[0003]其中利用影像变化识别移动物体的影像识别技术，现有技术包括先建立一个背景模型，也就是环境中固定不变的影像，在监视过程中录制此环境的连续影像，通过强大的影像处理电路逐帧
(frame)
与此背景模型比对，再根据连续帧的影像变化识别出移动物体
。
[0004]更者，即便影像中持续没有检测出任何动态信息，但需要识别影像中特定的物体，例如通常不会长时间维持静止的人，当通过人形识别技术识别出影像中的人时，即可触发信息，不过，如果是人形立牌，这样的立牌可能会导致持续触发错误的信息
。
因此需要更为有效而准确的识别技术才能避免检测错误的问题
。
[0005]现有技术在影像处理电路中植入神经网络技术
(Neural Network)
，使得相关影像处理电路通过神经网络运算更有智慧地判断出环境中的移动物体，还能通过检测影像变化判断后续执行的动作
。
[0006]利用神经网络演算法执行物体识别时，需要输入符合神经网络演算法中的模型所需的影像大小才能有效进行识别
。r/>举例来说，若模型设计是需要1：1比例的影像，但相机获取到的影像比例为
16
：9，在影像转换的过程会因为影像变形而导致识别率下降的问题
。
[0007]再者，需要识别的物体在移动或转动的过程中，难以保证每种姿态都能被类神经网络演算法建制的模型准确识别，因此同样物体所识别出的信任分数可能会忽高忽低，若设置固定的信任分数门限，当物体在连续帧间移动时可能导致难以持续被追踪
。
[0008]从以上描述可以理解到神经网络演算法可以有效执行物体识别，但现有的方法仍面临一些困难，其中还因神经网络运算需要大量的运算资源，使得利用电池作为电源的感测装置中的微控制器会面临到严重的耗电问题
。

技术实现思路

[0009]为了能有效过滤掉产生误判的信息，以及增加对特定目标的识别率，公开书提出一种移动物体检测方法与电路系统，其中利用神经网络运算方式识别影像中的移动物体，并采用动态调整门限的机制，能准确判断移动物体，并进行持续追踪
。
[0010]根据移动物体检测方法的实施例，方法运行于一电路系统中，其中先通过摄影机取得一场景的连续帧影像，在识别各帧影像中的动态事件时，可将各帧影像分割为多个区块，再逐帧计算各区块的亮度与色度，再比对背景模型，取得差异后可据此识别出是否有动态事件
。
[0011]当识别出各帧影像中的动态事件时，继续根据检测到有动态事件的一或多个区
块，建立感兴趣区域
(ROI)
，即针对此感兴趣区域检测移动物体
。
其中，若检测到移动物体，可根据移动物体的位置与影像特征更新感兴趣区域，使在后续帧影像中根据更新后的感兴趣区域检测移动物体；若没有检测到移动物体，即清除存储在一存储器中的感兴趣区域的记录
。
[0012]根据一实施例，所述电路系统由一集成电路实作，设有运算电路，当采用电路系统的电子系统根据移动感知器感知到场景内的动态事件时，即触发电子系统中的摄影机拍摄场景以取得连续帧影像
。
当识别出动态事件时，即触发电路系统中的运算电路执行检测各帧影像的移动物体的流程
。
[0013]进一步地，所述移动物体可为一人形移动物体，运算电路运行神经网络演算法训练得出人形识别模型，据此执行人形识别
。
当于感兴趣区域中检测人形移动物体时，以人形识别模型计算各帧影像中有人形移动物体的机率的信任分数，以此信任分数比对一判断门限，确认人形移动物体
。
[0014]优选地，当检测到人形移动物体时，可降低判断门限，以免较高门限而过滤掉应该有人形移动物体的影像
。
[0015]进一步地，在逐帧识别各帧影像中的动态事件的步骤中，将各帧影像分割为多个区块之后，取得各区块的亮度与色度的影像特征，根据前后帧的亮度与色度值建立所述的背景模型，再逐帧计算各区块的亮度与色度与背景模型的差异值，经比对一门限后，确认动态事件
。
[0016]优选地，所述背景模型以色度与亮度值表示，背景模型的更新的方式包括，当前帧影像的色度与亮度值与背景模型的色度与亮度值采用比例计算，得到更新后的背景模型
。
[0017]进一步地，在初始化背景模型的步骤中，需确认该帧影像中的自动曝光数值是否稳定，若自动曝光数值不稳定，需待取得具有稳定自动曝光数值的影像，待自动曝光数值稳定，根据该帧影像色度与亮度的信息初始化背景模型
。
[0018]为使能更进一步了解本专利技术的特征及
技术实现思路
，请参阅以下有关本专利技术的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本专利技术加以限制
。
附图说明
[0019]图1显示应用移动物体检测方法的电子系统实施例示意图；
[0020]图2显示运行移动物体检测方法的各阶段示意图；
[0021]图3显示移动物体检测方法的实施例流程图；
[0022]图4显示动态事件检测实施例流程图；
[0023]图5显示影像经分割后以各区块影像信息判断动态事件的实施例示意图；
[0024]图
6A
至图
6C
显示通过影像裁切直接取得符合模型所需影像大小的实施例示意图；以及
[0025]图7显示动态修正判断门限的实施例流程
。
[0026]符号说明
[0027]100
：控制电路
[0028]101
：移动感知器
[0029]103
：摄影机
[0030]105
：电路系统
[0031]107
：运算电路
[0032]109
：输出电路
[0033]201
：移动感知阶段
[0034]203
：动态事件检测阶段
[0035]205
：人形识别阶段
[0036]207
：应用阶段
[0037]500
：区块影像
[0038]61
：原始影像
[0039]63
：区域影像
[0040]63
’
：裁切后的影像
[0041]步骤
S301
～
S325
移动物体检测流程
[0042]S301
接收影像
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种移动物体检测方法，运行于一电路系统中，包括：取得一场景的连续帧影像；识别各帧影像中的一动态事件，其中将各帧影像分割为多个区块，再逐帧计算各区块的亮度与色度与一背景模型的差异，以识别出该动态事件；当识别出各帧影像中的该动态事件时，根据检测到有该动态事件的一或多个区块，建立一感兴趣区域；以及针对一或多帧影像的该感兴趣区域检测一移动物体；其中，若检测到该移动物体，根据该移动物体的位置与影像特征更新该感兴趣区域，使在后续帧影像中根据更新后的该感兴趣区域检测该移动物体；若没有检测到该移动物体，即清除存储在一存储器中的该感兴趣区域的记录
。2.
如权利要求1所述的移动物体检测方法，其中该电路系统由一集成电路实作，设有一运算电路，当采用该电路系统的一电子系统根据一移动感知器感知到该场景内的该动态事件时，触发该电子系统中的一摄影机拍摄该场景以取得该连续帧影像
。3.
如权利要求2所述的移动物体检测方法，其中，当识别出该动态事件时，即触发该电路系统中的该运算电路执行检测各帧影像的该移动物体的流程
。4.
如权利要求3所述的移动物体检测方法，其中该移动物体为一人形移动物体，该运算电路运行一神经网络演算法训练得出一人形识别模型，据此执行人形识别
。5.
如权利要求4所述的移动物体检测方法，其中，还包括将该一或多帧影像进行裁切，使得各帧影像经过裁切调整符合该人形识别模型所需大小的影像，或调整各帧影像比例以符合该人形识别模型所需大小
。6.
如权利要求4所述的移动物体检测方法，其中，于该感兴趣区域中检测该人形移动物体时，以该人形识别模型计算各帧影像中有该人形移动物体的一信任分数，以该信任分数比对一判断门限，该判断门限为动态修正，其中，当检测到该人形移动物...

【专利技术属性】
技术研发人员：郭俊仪，吴俊贤，
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：