[发明专利]一种运动检测方法和装置

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种运动检测方法和装置。

背景技术

运动检测技术是智能视频监控、基于图像的三维对象建模、基于视觉的人机交互等系统中应用的一项基本技术。运动检测算法的效果直接影响着这些系统应用的后续操作。例如：在智能视频监控系统中，需要对某些物体的行为进行分析判断，这就首先需要检测出该物体是否已经出现，而检测的主要依据就是该物体是否运动。在检测到运动对象后，开始对该运动对象进行跟踪，从而得到该运动对象的高级行为分析结果。在运动检测中，阴影的问题也是需要充分考虑到的，因为在运动检测技术中，运动物体的轮廓是非常关键的。其一，物体的轮廓与物体的形状密切相关，而在识别物体如：人、其它动物、车辆等的属性时，物体的形状将是一个非常重要的线索；其二，在后续的跟踪步骤中，需要对物体提取进一步的特征如：直方图特征，而特征提取的范围是由物体的轮廓来限定的。另外，如果运动物体的阴影与其本身是分离的，那么其阴影如果符合一定的要求则可能被看作是一个新的对象，这时就会出现虚警，并且影响被监控对象的计数。因此，在运动检测中，一方面要考虑把所有符合要求的运动物体都要检测出来，另一方面还需要把阴影部分从运动部分排除出去。

目前的运动检测算法主要有背景减除算法、多帧差分算法、光流算法等。去阴影算法分为基于模型的方法和基于特征的方法。通常先采用运动检测算法检测出图像中的运动部分，再依据阴影检测算法确定运动部分中哪些为阴影。阴影检测算法的主要思想是从图像的RGB颜色空间提取出色彩和亮度两个分量，而阴影一般符合亮度比背景暗，而色彩分量不变的特征，据此特征，分别对色彩和亮度两个分量设置门限值，在该门限范围内的像素点即为阴影部分。

该技术的缺点是：运动检测与阴影去除无法同时进行，必须在得到运动部分后，再将阴影当作非运动区域去除，从而增大了运算量。同时，在某些情况下，要为阴影检测设定一个固定的门限值，并不能保证在任何情况下该门限值都能符合实际情况，例如：光照充分与光照较弱两种情况下，阴影的门限值应该是不同的，这就导致该算法没有普遍适应性。

发明内容

本发明提供一种运动检测方法及装置，以减少运动检测的计算量。

本发明的技术方案是这样实现的：

一种运动检测方法，包括：获取检测场景的深度图像，建立并初始化该深度图像的背景模型，根据该背景模型确定该深度图像中的运动对象像素点。

一种运动检测装置，包括：深度图像获取模块和运动检测模块，其中：

深度图像获取模块，用于获取检测场景的深度图像；

运动检测模块，用于建立所述深度图像的背景模型，从所述深度图像获取模块读取深度图像的各像素点，根据该背景模型确定该深度图像的运动对象像素点。

与现有技术相比，本发明通过获取检测场景的深度图像，并建立深度图像的背景模型来进行运动检测，由于深度图像的每个像素点只包含一个像素值，因此与现有的通过对彩色图像建立背景模型进行运动检测的方法相比，本发明可大大减少了运动检测的计算量；同时，由于深度图像与环境光照和阴影无关，因此本发明不需进行去阴影操作，进一步减少了运动检测的计算量，提高了运动检测的效率，也避免了光照、阴影对运动检测结果的影响，提高了运动检测的精确度。

附图说明

图1为本发明实施例一提供的运动检测的流程图；

图2为本发明实施例二提供的运动检测的流程图；

图3为本发明实施例提供的对彩色图像进行运动检测的流程图；

图4为本发明实施例一提供的实现运动检测的装置组成图；

图5为本发明实施例二提供的实现运动检测的装置组成图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图1是本发明实施例一提供的运动检测的流程图，如图1所示，其具体步骤如下：

步骤101：获取检测场景的深度图像。

深度图像与环境光照和阴影无关，深度图像的像素点清晰地表达了景物的表面几何形状。深度图像获取方式分为主动式和被动式两种，主动式主要通过向目标发射能量束如：激光、电磁波、超声波等，并检测回波得到；被动式通过传感器主要利用周围环境条件成像。

在本发明中，针对不同的应用环境可以采用不同的方式获取深度图像。例如：在日常的开放的视频监控系统中，为了避免阳光等强光源的影响，可以采用主动方式获取深度图像。在本实施例中所采集的深度图像只需反映检测对象间的相对深度关系即可，不需对深度图像获取装置进行标定。