一种前景检测的方法、装置和系统制造方法及图纸

本发明专利技术提出了一种前景的检测方法，包括：S1.连续采集被监控区域的视频图像，得到多帧视频图像；S2.对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；S3.判断所述的时间值是否小于规定的临界值；S4.确定为背景像素并对所述的背景像素进行建模；S5.确定为前景像素并对所述的前景进行建模，形成初始前景图像；S6.将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。本发明专利技术还公开了前景检测装置和系统。本发明专利技术的前景检测方法，装置和系统能针对不同的运动前景，使用不同的学习率，节省计算资源，具有良好的适应性和实时性。

【技术实现步骤摘要】

本专利技术涉及监控领域，特别涉及一种前景检测方法、装置和系统。
技术介绍
近年来，随着计算机视觉和人工智能领域相关技术的发展，基于智能视频分析的前景算法大量涌现。所谓的前景检测，就是将目标物体对应的区域从图像序列监控序列中提取出来，针对具体的交通监控来说，就是将场景中的行人和车辆等从监控中的行人和车辆等从监控图像序列中分离出来。目前前景测算法大体上可以分为三类(I)背景差分法；时间差分法；(3)光流法。从实时监控的角度出发，一般采用背景差分方法来提取前景。基于帧间差分的方法是利用帧间图像亮度差的绝对值来分析视频和图像序列的 运动特性，从而确定图像中有无物体运动。其检测是基于背景像素点的灰度值和位置都保持不变这一基本原则进行的。最简单的帧间差分是先对视频相邻两帧进行绝对差分，然后将各个像素点的差分值和某一阈值函数相比较。如果大于该阈值，则存在运动，反之不存在运动。帧间差分方法运算复杂度低，但存在几个问题首先，检测出的目标包括两帧中变化的信息，这样会存在较多的目标点，检测出来的目标比实际目标范围更大；其次，两帧间目标重叠的部分不易检测出来；再次，当前景物体的部分区域与背景有相同或相似的灰度值时，将导致运动目标的部分区域无法检测。基于背景差的方法是目前前景目标分割中最常用的方法，因为它能给前景提供最完全的特征，在这点上其他方法是无法匹敌的。它是利用当前图像与背景图像的差分来检测运动区域的一种技术。运用背景差法首先要根据场景情况建立一个合适的背景模型，然后基于背景模型从当前帧中提取前景，最常用的方法是利用当前图像和背景相减来获取前景。对背景差法而言，研究重点集中在两个问题上，一个是如何建立最能表示场景的背景模型，另一个是由于背景差法对场景变化很敏感，所以在场景发生变化时，如何保持和更新模型使检测结果仍然准确。但现有的前景检测针对不同的场景使用同一更新率，即浪费系统计算资源，又没良好的适应性和实时性。
技术实现思路
本专利技术提出一种前景检测方法、装置和系统，解决了节省系统计算资源，具有良好的适应性和实时性的问题。本专利技术的技术方案是这样实现的本专利技术公开了一种前景检测方法，包括SI.连续采集被监控区域的视频图像，得到多帧视频图像；S2.对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；S3.判断所述的时间值是否小于规定的临界值，若是，进入步骤S4，若非，进入步骤S5 ；S4.确定为背景像素并对所述的背景像素进行建模；S5.确定为前景像素并对所述的前景进行建模，形成初始前景图像；S6.将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。在本专利技术所述的前景检测方法中，所述的建模是通过混合高斯模型进行建模。在本专利技术所述的前景检测方法中，所述的被监控区域包括车站、广场、港口。 在本专利技术所述的前景检测方法中，所述的步骤SI及步骤S2间还包括S11，抛弃错误帧的步骤，所述的错误帧包括黑屏、雪花、移位。本专利技术公开了一种前景检测装置，用于实现上述的方法，包括视频图像采集单元，用于连续采集被监控区域的视频图像，得到多帧视频图像；边缘轮廓图获取单元，与所述的视频图像采集单元相连，用于对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；临界值判断单元，与所述的边缘轮廓图获取单元相连，用于判断所述的时间值是否小于规定的临界值；背景建模单元，与所述的临界值判断单元相连，用于确定为背景像素并对所述的背景像素进行建模；前景建模单元，与所述的临界值判断单元相连，用于确定为前景像素并对所述的前景进行建模，形成初始前景图像；前景图像分成单元，与所述的前景建模单元相连，用于将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。在本专利技术所述的前景检测装置中，所述的建模是通过混合高斯模型进行建模。在本专利技术所述的前景检测装置中，所述的场景包括车站、广场、港口。在本专利技术所述的前景检测装置中，所述的视频图像采集单元及边缘轮廓图获取单元之间还包括错误帧处理单元，用于抛弃错误帧，所述的错误帧包括黑屏、雪花、移位。本专利技术公开了一种前景检测的系统，包括至少一个摄像机，与所述的摄像机相连的服务器，与所述的服务器相连的数据库，与所述的服务器相连的控制单元以及显示器，所述的控制单元包括上述的前景检测装置。在本专利技术所述的前景检测的系统中，所述的摄像机与所述的服务器通过以太网、3G、GPRS网络相连。实施本专利技术的一种前景检测方法、装置和系统，具有以下有益的技术效果针对不同的运动前景，使用不同的学习率，节省计算资源，具有良好的适应性和实时性。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性的前提下，还可以根据这些附图获得其他的附图。图I是本专利技术一种前景检测的方法流图；图2是本专利技术一种前景检测的装置构造框图；图3是本专利技术一种前景检测的系统架构图。具体实施例方式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作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术的较佳实施例，一种前景检测方法，包括 SI.连续采集被监控区域的视频图像，得到多帧视频图像；S2.对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值；通常，背景像素停留时间较长，前景像素停留时间较短。或者说，在某像素点的位置，出现时间越长的颜色，其模型代表背景的可能性越大。S3.判断所述的时间值是否小于规定的临界值，若是，进入步骤S4，若非，进入步骤S5 ； S4.确定为背景像素并对所述的背景像素进行建模；S5.确定为前景像素并对所述的前景进行建模，形成初始前景图像；建模是通过混合高斯模型进行建模。混合高斯模型(GMM)通过多个高斯模型来表征图像中各像素点的值，能更准确地对每个像素点进行建模，在一般的运动检测中，用新获得的每一帧图像来更新混合高斯模型，用当前获得的每个像素点与混合高斯模型匹配，如果匹配成功则为背景点，否则为前景点。本技术方案在前景建模阶段，在前景建立后并不进行实时更新，而是根据实际情况设定一定的时间段进行再次建模，通常，对于人流量很大的地段，我们每隔I分钟重新建模一次。S6.将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。在此，学习率指的是，依据已有的前景旧有的视频图像，如果没有变化，则“学习”过来，保留原有的前景图像，如广场中，长时间，如10分钟没有人流或物体经过，则学习过来旧有的图像，如果有变化，则从旧前景上重新建模加以更新。举例来说，一个广场，需要学习率大的，是入口处、出口处、售票处，而对于广场的景观，如喷泉等处，需要的学习率稍低。其中，被监控区域包括车站、广场、港口。进一步地，步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前景检测的方法，包括 51.连续采集被监控区域的视频图像，得到多帧视频图像； 52.对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点停留的在多帧缘轮廓图的时间值； 53.判断所述的时间值是否小于规定的临界值，若是，进入步骤S4，若非，进入步骤S5； 54.确定为背景像素并对所述的背景像素进行建模； 55.确定为前景像素并对所述的前景进行建模，形成初始前景图像； 56.将所述的初始前景图像分成多个的活动区域，所述的多个的活动区域对应多个不同的学习率。2.根据权利要求I所述的前景检测的方法，其特征在于，所述的建模是通过混合高斯模型进行建模。3.根据权利要求I所述的前景检测的方法，其特征在于，所述的被监控区域包括车站、广场、港口。4.根据权利要求I所述的前景检测的方法，其特征在于，所述的步骤SI及步骤S2间还包括S11，抛弃错误帧的步骤，所述的错误帧包括黑屏、雪花、移位。5.一种前景检测装置，用于实现权利要求I所述的方法，其特征在于，包括 视频图像采集单元，用于连续采集被监控区域的视频图像，得到多帧视频图像； 边缘轮廓图获取单元，与所述的视频图像采集单元相连，用于对每帧视频图像进行检测，获得边缘轮廓图，对所述的边缘轮廓图像素点进行统计，计算像素点...

【专利技术属性】
技术研发人员：郑长春，徐名剑，
申请(专利权)人：深圳市贝尔信智能系统有限公司，
类型：发明
国别省市：