一种基于背景像素值差算法的漂浮物检测方法及系统与流程

1.本发明涉及漂浮物检测技术领域，尤其涉及一种基于背景像素值差算法的漂浮物检测方法及系统。


背景技术：

2.由于一些人将垃圾等投入到河道中，使得河道污染严重，河道中的生物也会因此受到影响，对河道污染改善的最直接方式为对河道中的漂浮物进行处理，保持河道水面干净整洁，为了及时对河道中的漂浮物进行处理，需要及时对河道中的漂浮物进行检测，现有技术中，一般采用帧差法对河道中的漂浮物进行识别检测，主要通过在灰度空间下相邻帧图像之间的差异来判断目标物，这种方法被广泛应用到场景较为简单，背景多静态的场景中，然而，对于如水面这种有水纹动态，有复杂光影的场景中会有很高的误检率。


技术实现要素：

3.有鉴于此，本发明提出一种基于背景像素值差算法的漂浮物检测方法及系统，可以解决现有漂浮物检测方法所存在的在动态场景中误判率高的缺陷。
4.本发明的技术方案是这样实现的：
5.一种基于背景像素值差算法的漂浮物检测方法，具体包括以下步骤：
6.步骤s1，构建背景模型；
7.步骤s2，获取河道采样视频，并依据所述河道采样视频获取视频帧图像像素点；
8.步骤s3，依据所述视频帧图像像素点获取背景模型中对应的背景图像像素点；
9.步骤s4，依据背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值；
10.步骤s5，将所述像素差值与预设的阈值进行比较判断，确定所有前景像素点，并依据所述前景像素点确定漂浮物；
11.步骤s6，对背景模型进行更新；
12.步骤s7，对预设的阈值进行更新。
13.作为所述基于背景像素值差算法的漂浮物检测方法的进一步可选方案，所述步骤s1具体包括以下步骤：
14.步骤s11，采集背景图像，从背景图像中获取n帧图像；
15.步骤s12，获取n帧图像中每一个像素点的像素值；
16.步骤s13，依据所述n帧图像和每一个像素点的像素值构建出背景模型。
17.作为所述基于背景像素值差算法的漂浮物检测方法的进一步可选方案，所述步骤s6具体包括以下步骤：
18.步骤s61，依据步骤s5中的判断结果，确定所有水面像素点；
19.步骤s62，获取所有水面像素点的像素值；
20.步骤s63，依据所述所有水面像素点的像素值对背景模型中对应的像素点的像素
值进行替换，从而实现背景模型的更新。
21.作为所述基于背景像素值差算法的漂浮物检测方法的进一步可选方案，所述背景模型更新频率的大小依据背景模型的复杂度确定，具体包括以下步骤：
22.获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
23.依据所述背景模型的复杂度，确定背景模型更新频率的大小。
24.作为所述基于背景像素值差算法的漂浮物检测方法的进一步可选方案，所述预设的阈值依据背景模型的复杂度确定，具体包括以下步骤：
25.获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
26.依据所述背景模型的复杂度，确定预设阈值的大小。
27.一种基于背景像素值差算法的漂浮物检测系统，所述系统包括：
28.构建模块，用于构建背景模型；
29.第一获取模块，用于获取河道采样视频，并依据所述河道采样视频获取视频帧图像像素点；
30.第二获取模块，用于依据所述视频帧图像像素点获取背景模型中对应的背景图像像素点；
31.计算模块，用于依据背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值；
32.判断模块，用于将所述像素差值与预设的阈值进行比较判断，确定所有前景像素点，并依据所述前景像素点确定漂浮物；
33.第一更新模块，用于对背景模型进行更新；
34.第二更新模块，用于对预设的阈值进行更新。
35.作为所述基于背景像素值差算法的漂浮物检测系统的进一步可选方案，所述构建模块包括：
36.采集模块，用于采集背景图像，从背景图像中获取n帧图像；
37.第三获取模块，用于获取n帧图像中每一个像素点的像素值；
38.第一处理模块，用于依据所述n帧图像和每一个像素点的像素值构建出背景模型。
39.作为所述基于背景像素值差算法的漂浮物检测系统的进一步可选方案，所述第一更新模块包括：
40.第四获取模块，用于依据判断模块的判断结果，确定所有水面像素点；
41.第五获取模块，用于获取所有水面像素点的像素值；
42.替换模块，用于依据所述所有水面像素点的像素值对背景模型中对应的像素点的像素值进行替换。
43.作为所述基于背景像素值差算法的漂浮物检测系统的进一步可选方案，所述第一更新模块还包括更新频率确定模块，所述更新频率确定模块包括：
44.第六获取模块，用于获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
45.第二处理模块，用于依据所述背景模型的复杂度，确定背景模型更新频率的大小。
46.作为所述基于背景像素值差算法的漂浮物检测系统的进一步可选方案，所述第二更新模块包括：
47.第七获取模块，用于获取背景模型的复杂度；
48.第三处理模块，用于依据所述背景模型的复杂度，确定预设阈值的大小。
49.本发明的有益效果是：通过采用背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值，并通过像素差值与预设的阈值进行比较判断，确定所有前景像素点，依据所有前景像素点勾勒出漂浮物，能够有更好的准确率和实时性，此外，通过对背景模型进行更新和对预设的阈值进行更新，能够抵御水面动态噪声的干扰，进一步降低误检率和漏检率。
附图说明
50.为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.图1为本发明一种基于背景像素值差算法的漂浮物检测方法的流程示意图；
52.图2为本发明一种基于背景像素值差算法的漂浮物检测系统的组成示意图。
具体实施方式
53.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
54.参考图1-2，一种基于背景像素值差算法的漂浮物检测方法，具体包括以下步骤：
55.步骤s1，构建背景模型；
56.步骤s2，获取河道采样视频，并依据所述河道采样视频获取视频帧图像像素点；
57.步骤s3，依据所述视频帧图像像素点获取背景模型中对应的背景图像像素点；
58.步骤s4，依据背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值；
59.步骤s5，将所述像素差值与预设的阈值进行比较判断，确定所有前景像素点，并依据所述前景像素点确定漂浮物；
60.步骤s6，对背景模型进行更新；
61.步骤s7，对预设的阈值进行更新。
62.在本实施例中，通过采用背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值，并通过像素差值与预设的阈值进行比较判断，确定所有前景像素点，依据所有前景像素点勾勒出漂浮物，能够有更好的准确率和实时性，此外，通过对背景模型进行更新和对预设的阈值进行更新，能够抵御水面动态噪声的干扰，进一步降低误检率和漏检率。
63.需要说明的是，取采样视频，取采样视频帧图像中像素点xi，其像素值为i(xi)，该
像素点xi对应的背景模型像素点的像素值为b(xi)，取当前图像像素点像素值i(xi)和其对应的背景图像像素点像素值b(xi)的差值：d(xi){i(x)，b(xi)}，该差值d(xi){i(x)，b(xi)}如果小于阈值r(xi)，则符合条件。所有符合条件的像素点的数量，记作m，由于在当前图像中，接近背景的像素点数量必然比背景图像中接近背景像素值的像素点数量的最小值还要少，说明其为前景像素点，因此，设定背景图像中接近背景像素值的像素点数量为w。当m《w时，则说明该点xi为前景像素点。
64.优选的，所述步骤s1具体包括以下步骤：
65.步骤s11，采集背景图像，从背景图像中获取n帧图像；
66.步骤s12，获取n帧图像中每一个像素点的像素值；
67.步骤s13，依据所述n帧图像和每一个像素点的像素值构建出背景模型。
68.在本实施例中，采集背景图像，利用n帧图建设背景模型，在采集的n帧图像中，每一个像素点xi的像素点信息b(xi)，则该通道的背景模型可表示为b(xi)＝{b1(xi)，b2(xi)，
……
，bn(xi)}，其中n为采集构建背景的n帧图像，一般取100-200之间。
69.优选的，所述步骤s6具体包括以下步骤：
70.步骤s61，依据步骤s5中的判断结果，确定所有水面像素点；
71.步骤s62，获取所有水面像素点的像素值；
72.步骤s63，依据所述所有水面像素点的像素值对背景模型中对应的像素点的像素值进行替换，从而实现背景模型的更新。
73.在本实施例中，由于水面场景处于动态变化中，因此需不断更新背景模型，以保证算法的持续准确性，具体原理为：在当前视频图像中某一点xb被判断为水面背景，则将该点像素值替换掉其对应的背景模型中随机某一帧的对应点像素值b(xb)，完成一次替换即为一次更新。
74.优选的，所述背景模型更新频率的大小依据背景模型的复杂度确定，具体包括以下步骤：
75.获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
76.依据所述背景模型的复杂度，确定背景模型更新频率的大小。
77.在本实施例中，界定更新频率的大小的关键为场景的复杂程度，即背景模型的复杂度，要衡量背景模型的复杂度，我们通过判断当像素点像素值i(xi)与背景像素点b(xi)的差值大小来衡量，当差值越大时，则背景模型越复杂，因此，当背景模型复杂程度越高，则更新频率越大；背景模型复杂程度越低，则更新频率越小。
78.优选的，所述预设的阈值依据背景模型的复杂度确定，具体包括以下步骤：
79.获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
80.依据所述背景模型的复杂度，确定预设阈值的大小。
81.在本实施例中，前景像素点的预设阈值r(xi)需根据背景模型的复杂程度的变化进行动态调整，当背景模型复杂程度高时，需适当增大预设阈值，防止检测过于灵敏将光影等环境噪声误检为漂浮物，当水面较为平静，环境噪声干扰少时，则预设阈值r(xi)调小，以保障检测的灵敏度。
82.优选的，一种基于背景像素值差算法的漂浮物检测系统，所述系统包括：
83.构建模块，用于构建背景模型；
84.第一获取模块，用于获取河道采样视频，并依据所述河道采样视频获取视频帧图像像素点；
85.第二获取模块，用于依据所述视频帧图像像素点获取背景模型中对应的背景图像像素点；
86.计算模块，用于依据背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值；
87.判断模块，用于将所述像素差值与预设的阈值进行比较判断，确定所有前景像素点，并依据所述前景像素点确定漂浮物；
88.第一更新模块，用于对背景模型进行更新；
89.第二更新模块，用于对预设的阈值进行更新。
90.在本实施例中，通过采用背景像素值差算法，得到视频帧图像像素点和背景图像像素点的像素差值，并通过像素差值与预设的阈值进行比较判断，确定所有前景像素点，依据所有前景像素点勾勒出漂浮物，能够有更好的准确率和实时性，此外，通过对背景模型进行更新和对预设的阈值进行更新，能够抵御水面动态噪声的干扰，进一步降低误检率和漏检率。
91.优选的，所述构建模块包括：
92.采集模块，用于采集背景图像，从背景图像中获取n帧图像；
93.第三获取模块，用于获取n帧图像中每一个像素点的像素值；
94.第一处理模块，用于依据所述n帧图像和每一个像素点的像素值构建出背景模型。
95.优选的，所述第一更新模块包括：
96.第四获取模块，用于依据判断模块的判断结果，确定所有水面像素点；
97.第五获取模块，用于获取所有水面像素点的像素值；
98.替换模块，用于依据所述所有水面像素点的像素值对背景模型中对应的像素点的像素值进行替换。
99.在本实施例中，由于水面场景处于动态变化中，因此需不断更新背景模型，以保证算法的持续准确性，具体原理为：在当前视频图像中某一点xb被判断为水面背景，则将该点像素值替换掉其对应的背景模型中随机某一帧的对应点像素值b(xb)，完成一次替换即为一次更新。
100.优选的，所述第一更新模块还包括更新频率确定模块，所述更新频率确定模块包括：
101.第六获取模块，用于获取视频帧图像像素点和背景图像像素点的像素差值，依据所述像素差值确定背景模型的复杂度；
102.第二处理模块，用于依据所述背景模型的复杂度，确定背景模型更新频率的大小。
103.在本实施例中，界定更新频率的大小的关键为场景的复杂程度，即背景模型的复杂度，要衡量背景模型的复杂度，我们通过判断当像素点像素值i(xi)与背景像素点b(xi)的差值大小来衡量，当差值越大时，则背景模型越复杂，因此，当背景模型复杂程度越高，则更新频率越大；背景模型复杂程度越低，则更新频率越小。
104.优选的，所述第二更新模块包括：
105.第七获取模块，用于获取背景模型的复杂度；
106.第三处理模块，用于依据所述背景模型的复杂度，确定预设阈值的大小。
107.在本实施例中，前景像素点的预设阈值r(xi)需根据背景模型的复杂程度的变化进行动态调整，当背景模型复杂程度高时，需适当增大预设阈值，防止检测过于灵敏将光影等环境噪声误检为漂浮物，当水面较为平静，环境噪声干扰少时，则预设阈值r(xi)调小，以保障检测的灵敏度。
108.以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。