固定场景运动目标提取方法及装置的制造方法
【专利摘要】本发明提供了一种固定场景运动目标提取方法及装置包括：S101：在视频流中获取N帧图像，并标记；S102：设定第i帧为目标图像，将其他图像与第i帧图像相减计算差值并取绝对值，得到一组差值图像；S103：将所述差值图像通过一阈值转变为二值图像；S104：针对所有图像对应位置元素累加求和得到一幅累加图像；S105：对所述累加图像上的值进行筛选，选出所有值为N?1的矩阵图像块即为运动目标。通过调节采样帧数，使得算法在提取运动目标的效果及效率方面进行平衡，使得算法能够在适用于多种硬件平台。不受采样帧间隔及顺序的影响，使得算法的更为灵活。能够利用较多图像帧数避免出现目标在所有帧间无错位的情况，极大的提升获取的运动目标的完整性。
【专利说明】
固定场景运动目标提取方法及装置
技术领域
[0001] 本发明实施例涉及视频拍摄技术，尤其涉及视频运动目标的提取方法及装置
【背景技术】
[0002] 目前，从固定场景中提取运动目标是计算机视觉研究的热点和难点。现有技术中， 利用视频的前N帧图像数据对背景建立模型来构建背景图像，通过将当前帧与背景图像作 差值来检测当前图像中的运动目标。该方法需要大量的视频帧才能够将背景的模型建起 来。此外，当第一帧有运行目标时，背景建模会将运动目标作为背景，使得随后若干帧的运 动目标检测精度下降。
[0003] 帧差法是检测运动目标的另一类方法。单独计算视频间的帧差会使目标在运动前 后的位置处均出现明显的运动区域，无法精确估计出运动目标。专利CN103020991B根据将 帧差法与背景建模方法相结合来估计运动目标的位置。两种方法的结合无形中降低了运动 目标的检测效率。专利CN102881025A将当前帧与其前后帧之间作差值，通过差值图像之间 的与操作来获得运动目标。该方法在提取运动目标时，受采样帧数及帧间顺序的影响，无法 很好的提取出运动目标，需要后续进行形态学滤波等操作。
[0004] 综上所述，为了解决上述问题，本专利提出利用帧差二值累积的方法来估计图像 中的运动目标。
【发明内容】
[0005] 本发明的目的在于提供一种固定场景运动目标提取方法及装置，用于可靠高效地 在固定场景中提取运动目标。
[0006] 本发明提供一种固定场景运动目标提取方法，包括:S101:在视频流中获取N帧图 像，并标记;S102:设定第i帧为待估计的目标图像，将其他图像与第i帧图像相减计算差值 并取绝对值，得到一组差值图像;S103:将所述差值图像通过一阈值转变为二值图像;S104: 针对所有图像对应位置元素累加求和得到一幅累加图像;S105:对所述赋值图像上的值进 行筛选，选出所有值为N-I的矩阵图像块即为运动目标。
[0007] 优选地，所述SlOl中，所述N帧图像可以连续采集获取或者间隔采集获取。
[0008] 优选地，所述S102中，所述差值为不同颜色空间的数据。
[0009] 优选地，所述S102中，所述差值为灰度图像。
[0010]优选地，所述S102中，所述差值为图像像素特征间的范数距离。
[0011]本发明还提供一种实施上述固定场景运动目标提取方法的装置，包括：图像采集 单元，在视频流中获取N帧图像，并标记；图像预处理单元，设定第i帧为目标图像，将其他图 像与第i帧图像相减计算差值并取绝对值，得到一组差值图像；图像计算单元，将所述差值 图像通过一阈值转变为二值图像；图像处理单元，针对所有图像对应位置元素累加求和得 到一幅累加图像；目标提取单元，对所述累加图像上的值进行筛选，选出所有值为N-I的矩 阵图像块即为运动目标。
[0012] 优选地，所述图像采集单元中所述N帧图像可以连续采集获取或者间隔采集获取。
[0013] 优选地，所述图像预处理单元中所述差值可以为不同颜色空间的数据。
[0014] 优选地，所述图像预处理单元中所述差值可以为灰度图像。
[0015] 优选地，所述图像预处理单元中所述差值可以为图像像素特征间的范数距离。
[0016] 本发明的有益效果是，通过调节采样帧数，使得算法在提取运动目标的效果及效 率方面进行平衡，使得算法能够在适用于多种硬件平台。不受采样帧间隔及顺序的影响，使 得算法的更为灵活。能够利用较多图像帧数避免出现目标在所有帧间无错位的情况，极大 的提升获取的运动目标的完整性。
【附图说明】
[0017] 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一简单地介绍，显而易见地，下面描述中的附图是本发 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性的前提下，还可以 根据这些附图获得其他的附图。
[0018] 图1为本发明固定场景运动目标提取方法流程示意图；
[0019 ]图2为本发明固定场景运动目标提取装置示意图。
[0020] 附图标记：
[0021] SlOl ~S105 步骤
[0022] 201图像采集单元202图像预处理单元203图像计算单元
[0023] 204图像处理单元205目标提取单元
【具体实施方式】
[0024]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，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他实施例，都属于本发明保护的范围。
[0025] 如图1所示本发明固定场景运动目标提取方法流程示意图，本实例用于用智能提 升终端设备在提取运动目标时的效果，包括:S101:在视频流中获取N帧图像，并标记;S102: 设定第i帧为目标图像，将其他图像与第i帧图像相减计算差值并取绝对值，得到一组差值 图像;S103:将所述差值图像通过一阈值转变为二值图像;S104:针对所有图像对应位置元 素累加求和得到一幅累加图像;S105:对所述累加图像上的值进行筛选，选出所有值为N-I 的矩阵图像块即为运动目标。
[0026] 其中，S101在视频流中获取N帧图像，图像数据集中除当前帧外，至少要有2帧图 像。图像数据的采集可以顺序采集，也可以随机挑选。较多的图像帧数会提取更为精确的运 动目标，但是运算效率会有所下降。可以通过调节帧数在算法精度和效率上进行折中。本领 域技术人员可知，只要N大于等于2都可以实现本发明的目的，达到本发明的技术效果，落入 本发明的保护范围。
[0027] 进一步地，在本实施例中，S102中计算差值的方法有多种。如下给出几种计算差值 方法作为参考，本领域技术人员可知，任何非通过创造性劳动得到的变形都在本发明的保 护范围内。
[0028] 第一种，计算差值可以采用不同颜色空间的数据，例如，采用RGB颜色空间：
[0029] Dij = I Ri-Rj I +1 Gi-Gj I + I Bi-Bj
[0030] 其中，1^表示图像分量数据，61表示图像分量数据，81表示图像分 量数据。
[0031] 第二种，计算差值可以采用灰度图像
[0032] Dij= ISi-Sj
[0033]其中，Si表示第i幅图像Ii的灰度图像，Si = (RAGABi)/^
[0034] 第三种，计算差值可以是图像像素特征间的范数距离。
[0035] Dij(x，y)=| |Fi(x，y)_Fj(x，y) I 丨2
[0036]其中，I I . I |2为L2范数距离，Fi(x，y)为在图像Ii上的一个特征向量。其中，特征向 量的计算方法也有很多，比如计算点(x，y)位置处一个子区域的直方图。
[0037]再进一步优选的实施例中，S103中，通过阈值对差值数据转换成二值数据：
[0038]其中，D^(X，y)为第i帧图像与第j帧图像差值后的图像的（x，y)坐标点处的值，Blj 为对应的二值图像，thr为预先设定的阈值。
[0039]在本发明的另一个实施例中，S104具体为对所有二值图像数据累积：
[0040]
[0041]对于S105中，将上述累积图像Ai中，值为N-I的数据为前景，其余的为背景，故第i 帧图像的运动目标图像为：。即，将所有N-I数值的图像块筛选 出来，即为本发明需要的运动目标。
[0042]本发明的另一个实施例提供一种实施上述固定场景运动目标提取方法的装置，包 括:图像采集单元201，在视频流中获取N帧图像，并标记；图像预处理单元202,设定第i帧为 目标图像，将其他图像与第i帧图像相减计算差值并取绝对值，得到一组差值图像；图像计 算单元203,将所述差值图像通过一阈值转变为二值图像；图像处理单元204,针对所有图像 对应位置元素累加求和得到一累加图像；目标提取单元205,对所述赋值图像上的值进行筛 选，选出所有值为N-I的矩阵图像块即为运动目标。
[0043]其中，图像采集单元201在视频流中获取N帧图像，图像数据集中除当前帧外，至少 要有2帧图像。图像数据的采集可以顺序采集，也可以随机挑选。较多的图像帧数会提取更 为精确的运动目标，但是运算效率会有所下降。可以通过调节帧数在算法精度和效率上进 行折中。本领域技术人员可知，只要N大于等于2都可以实现本发明的目的，达到本发明的技 术效果，落入本发明的保护范围。
[0044] 进一步地，图像预处理单元202中计算差值的方法可以有多种，具体请参见前文中 提到的可以采用不同颜色空间的数据、可以采用灰度图像或可以是图像像素特征间的范数 距离。具体算法不再赘述。
[0045] 另，前文提到的所有步骤的进一步算法，都可以在本装置中的对应单元内实现。具 体为，图像计算单元203可通过阈值对差值数据转换成二值数据。图像处理单元204具体用 于具体为对所有二值图像数据累积成图像A 1。目标提取单元205具体用于将上述累积图像A1 中，值为N-I的数据为前景，其余的为背景，得到第i帧的运动图像。具体算法不再赘述。
[0046] 本发明通过调节采样帧数，使得算法在提取运动目标的效果及效率方面进行平 衡，使得算法能够在适用于多种硬件平台。不受采样帧间隔及顺序的影响，使得算法的更为 灵活。能够利用较多图像帧数避免出现目标在所有帧间无错位的情况，极大的提升获取的 运动目标的完整性。
[0047] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制;尽 管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依 然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进 行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围。
【主权项】
1. 一种固定场景运动目标提取方法，其特征在于，包括： S101:在视频流中获取N帧图像，并标记； S102:设定第i帧为待计算的目标图像，将其他图像与第i帧图像相减计算差值并取绝 对值，得到一组差值图像； S103:将所述差值图像通过一阈值转变为二值图像； S104:针对所有二值图像对应位置元素累加求和得到一幅累加图像； S105:对所述累加图像上的值进行筛选，选出所有值为N-1的矩阵图像块即为运动目 标。2. 根据权利要求1所述的固定场景运动目标提取方法，其特征在于，所述S101中，所述N 帧图像可以连续采集获取或者间隔采集获取。3. 根据权利要求1所述的固定场景运动目标提取方法，其特征在于，所述S102中，所述 差值为不同颜色空间的数据。4. 根据权利要求1所述的固定场景运动目标提取方法，其特征在于，所述S102中，所述 差值为灰度图像。5. 根据权利要求1所述的固定场景运动目标提取方法，其特征在于，所述S102中，所述 差值为图像像素特征间的范数距离。6. -种实施权利要求1所述的固定场景运动目标提取方法的装置，其特征在于，包括： 图像米集单兀，在视频流中获取N帧图像，并标记； 图像预处理单元，设定第i帧为目标图像，将其他图像与第i帧图像相减计算差值并取 绝对值，得到一组差值图像； 图像计算单元，将所述差值图像通过一阈值转变为二值图像； 图像处理单元，针对所有二值图像对应位置元素累加求和得到一幅累加图像； 目标提取单元，对所述赋值图像上的值进行筛选，选出所有值为N-1的矩阵图像块即为 运动目标。7. 根据权利要求6所述的提取装置，其特征在于，所述图像采集单元中所述N帧图像可 以连续采集获取或者间隔采集获取。8. 根据权利要求6所述的提取装置，其特征在于，所述图像预处理单元中所述差值可以 为不同颜色空间的数据。9. 根据权利要求6所述的提取装置，其特征在于，所述图像预处理单元中所述差值可以 为灰度图像。10. 根据权利要求6所述的提取装置，其特征在于，所述图像预处理单元中所述差值可 以为图像像素特征间的范数距离。
【文档编号】G06T7/20GK106056623SQ201610334633
【公开日】2016年10月26日
【申请日】2016年5月18日
【发明人】贺永刚, 邹超洋, 万美君, 朱豪
【申请人】深圳众思科技有限公司