[发明专利]智能视频监控中的路面图像提取方法及装置

说明书

技术领域

本发明涉及智能视频监控领域，尤其涉及一种路面图像提取技术。

背景技术

智能视频监控(Intelligent Video Surveillance，IVS)是基于计算机视觉技术对监控场景的视频图像进行分析，提取监控场景中的关键信息，并形成相应事件和告警的监控方式。智能视频监控技术借助计算机强大的数据处理功能，对视频图像中的海量数据进行高速分析，过滤掉监控者不关心的信息，而为监控者提供有用的关键信息。

智能视频监控以数字化、网络化视频监控为基础，是一种高端的视频监控应用。监控场景中的背景图像是指静止背景组成的图像，例如，从摄像头捕获的视频流中提取出的一帧图像包括在公路上行驶的汽车，公路、以及公路两旁的树木、房屋等，如果对该帧图像进行背景图像的提取，则提取出的背景图像由去除汽车之后的公路、房屋、树木等组成。也可以采取二值化图像的方式区分静止背景和运动目标，例如可以用白色的像素点(像素值为1)表示汽车等运动目标，黑色的像素点(像素值为0)表示公路、房屋、树木等静止背景。

以智能视频监控的一个重要分支智能交通监控为例，说明智能视频监控中提取背景图像的作用。智能交通监控在路面交通管理、汽车辅助驾驶系统和自动导航系统等诸多方面发挥着极其重要的作用。在智能交通监控中提取出背景图像，一方面，可以作为进行运动目标检测的基础，提取出监控路面上运动的车辆；另一方面，可以通过对背景图像的分析，确定车辆的运动范围、确定车道线的位置，对于交通监控、车辆速度统计、智能驾驶、车辆数目统计等有着重要的意义。

现有技术中主要使用时间差分法和背景差分法提取背景图像。

时间差分法(Temporal Difference)，又称为帧间差分法，利用背景图像中像素点的像素值和位置都不变的基本假设提取背景图像。时间差分法有多种实现方法，其中一种是在连续的视频图像，也称为视频流，或者图像序列的各帧图像之间进行绝对差分运算，算法流程如图1所示，一个视频流或者图像序列中的两帧图像f_k和f_k-1进行绝对差分运算得到差分图像D_k，再对差分图像进行阈值化处理得到二值化图像，然后使用数学形态学方法对二值化图像进行滤波处理得到R_k，然后进行连通性分析，例如填充前景区域中的空洞，同时去除面积较小的孤立区域、非连通区域等，最后进行判别，只保留连通区域中面积大于给定面积阈值的连通部分，从而提取出背景图像。

背景差分法(Background Subtraction)利用当前帧图像f_k与平均背景图像b_k-1进行差分运算，从而提取出背景图像。背景差分法的算法流程如图2所示，与时间差分法的算法流程基本一致，不再一一赘述。

现有技术中，主要是通过对输入的一系列图像进行简单的差分运算提取背景图像，提取效率低，提取出的背景图像精确度差，无法准确区分运动目标的运动区域和非运动区域，甚至在背景环境较复杂的情况下可能会发生错误。例如对于智能交通监控来说，现有技术主要是通过常用的各种运动检测的方法估计背景图像再检测出路面上的车辆，然后再进行车道线检测、车辆速度估计、车辆大小估计等后续操作，这些方法对于监控视野中只有一条车道的情况比较有效，但是如果视野中有多条车道，这些方法的效率就会比较低，甚至出现错误。

发明内容

本发明提供了一种智能视频监控中的路面图像提取方法及装置，用以准确确定监控场景中运动目标的运动区域。

本发明提供了一种智能视频监控中的路面图像提取方法，包括：

获取视频流中的输入图像，根据获取的输入图像生成背景图像；

根据所述背景图像检测从所述视频流中获取的输入图像中的运动像素点，生成运动目标图像；

统计所生成的运动目标图像帧数，并根据每一帧运动目标图像中的运动像素点，分别统计各像素点属于运动像素点的次数；

当所生成的运动目标图像帧数达到设定帧数时，确定统计次数大于第一阈值的像素点组成运动目标的运动区域，并根据背景图像和确定出的运动区域生成路面图像。

该路面图像提取方法中，所述根据获取的输入图像生成背景图像，包括：

建立初始化背景图像，初始化背景图像中各像素点的像素值均为0；

对当前帧输入图像与其前一帧输入图像进行绝对差分运算，得到第一差分图像；

对所述第一差分图像进行阈值化处理和滤波处理，得到二值前景图像；