[发明专利]检测图像序列中的特定对象的装置、方法和视频摄像设备

说明书

技术领域

本发明属于模式识别领域，涉及图像处理和计算机视觉等技术，更具体而言，涉及用于检测图像序列中的特定对象的装置、方法和相应的视频摄像设备。

背景技术

对于视频图像序列中的特定对象进行检测往往具有重大价值。例如，如果特定对象是遗弃物，则这种遗弃物的检测对于维护公共场所的安全有重要意义。这里所说的遗弃物检测是指检测那些被人有意丢弃、投放在公共场所或某些要害部位，可能装有爆炸物品的背包、公文包等。通常恐怖分子在放置这样的包裹后，通过定时或遥控的方式来引爆装在包中的炸弹。这种作案手段成本低、危害大、防范和侦破难度高，逐渐成为犯罪分子进行爆炸袭击的主要方式之一。类似的案件层出不穷，如2004年的西班牙马德里连环爆炸案；2005年英国伦敦和利物浦的爆炸案等等。目前主要基于视频进行遗弃物检测，在检测过程中，利用现场安装的视频监控设备，通过对摄制到的视频图像序列中的图像内容进行分析来探测遗弃物检测事件的发生。

已经有较多方法对基于视频的遗弃物检测进行了研究，但目前类似的方法一般需要检测出场景中的运动对象，然后跟踪所有运动对象，分析是否有运动对象从另一个对象上分开并保持静止一段时间，据此来检测遗弃物。例如，在作者为J.Martinez del Rincon，Jorge Jomez J.Elias Herrero，和Carlos Orrite Urunela，名称为“Automatic left luggage detection and tracking using multi-camera UKF”(IEEE International Workshop on Performance Evaluation in Tracking and Surveillance(PETS)，2006)的文献中所描述的方法，利用背景建模的方法检测出运动对象，并用卡尔曼滤波方法跟踪每个运动对象，最后基于一定的规则判断是否有特定对象(即，遗弃物)被遗弃。这些方法都需要跟踪过程，而真实场景往往比较复杂，想要跟踪所有的运动对象是非常困难的。因此，这类方法的准确性较差，难以实用。发明名称为“一种无需跟踪过程的遗弃物检测方法”，公开号为CN101635026A，公开日为2010年1月27日的中国专利申请虽然提出了一种无需跟踪过程的遗弃物检测方法，但是该方法并没有考虑到真实场景中的许多难点，比如遮挡等等，因此该方法的误报和漏报很多。

发明内容

鉴于上述情况，亟待提供一种高效和准确地检测图像序列中的特定对象(例如遗弃物)的解决方案。

本发明的实施例提供了用于检测图像序列中特定对象的装置和方法。这种装置和方法无需跟踪过程，通过实时判断图像序列的场景中误报发生概率高的区域(即，误报高发区域)并对该误报高发区域建模，并基于此来确定通过前景模板的差分获得的疑似对象区域是否为误报高发区域或者是否与之匹配，进而实现特定对象的检测。这种装置和方法能够提高特定对象检测处理的鲁棒性，而且可以大量减少误报，显著改善对象检测的精确性。

具体而言，本发明的实施例提供一种用于检测图像序列中的特定对象的装置，包括：

疑似对象区域检测单元，其被配置成针对包括预定时间间隔内的多帧图像的图像序列、利用背景建模来构建该图像序列中每一帧图像的前景模板，并对所构建的前景模板进行帧间差分处理；

误报高发区域建模单元，其被配置成在疑似对象区域检测单元通过帧间差分处理检测到至少一个疑似对象区域的情况下，将该至少一个疑似对象区域中满足预定条件的区域确定为误报高发区域，并针对所确定的误报高发区域进行建模以便构建误报高发区域模型，以及，基于所构建的误报高发区域模型来生成误报高发区域模型库；以及

后处理单元，其被配置成在疑似对象区域检测单元通过帧间差分处理检测到至少一个疑似对象区域的情况下，将上述至少一个疑似对象区域中未被确定为是误报高发区域的每一个疑似对象区域与误报高发区域模型库中相应的模型进行匹配，并且基于未匹配疑似对象区域序列来检测特定对象。其中，该未匹配疑似对象区域序列包括不与误报高发区域模型库中任何模型相匹配的所有未匹配疑似对象区域。并且，后处理单元还被配置成在疑似对象区域检测单元通过帧间差分处理没有检测到疑似对象区域的情况下，确定在图像序列中不存在特定对象。

本发明的实施例还提供一种用于检测图像序列中的特定对象的方法，包括：

利用背景建模来构建包括预定时间间隔内的多帧图像的图像序列中每一帧图像的前景模板，并对所构建的前景模板进行帧间差分处理；