[发明专利]一种静态前景检测和跟踪方法

说明书

技术领域

本发明涉及一种静态前景检测和跟踪方法，属于图像处理领域和计算机视觉领域。

背景技术

1、关于静态前景检测相关技术

所谓前景检测，就是将目标物体对应的区域从图像序列中提取出来，针对具体的交通监控来说，就是将场景中的行人和车辆等从监控图像序列中分离出来。目前前景检测算法大体上可以分为三类：（1）背景差分法，（2）时间差分法，（3）光流法。从实时监控的角度出发，一般采用背景差分方法来提取前景。

运动前景检测的一般方法是先对背景图像进行建模，通过背景差分方法得到前景图像，然后去除掉前景图像中的背景扰动和阴影，就能较准确地提取出前景目标来。再通过对前景物体进行基于BLOB块的跟踪，得到前景的运动信息，从而判断前景物体是否是运动物体（Stauffer, C; Grimson, W. E. L.  “Adaptive background mixture models for real-time tracking,” Proc. of CVPR 1999, vol. 2, pp.2246-2252.）。这种方法也可以用于静态前景检测，但是该方法对于光线噪声的抗干扰能力不强，而且静态前景会随着背景模型的更新而被更新到背景中去，不能被稳定地检测出来，此外当目标物体发生遮挡时，该方法的检测准确率大大降低。   

Porikli（Porikli, F.; Ivanov, Y.; Haga, T. “Robust Abandoned Object Detection Using Dual Foregrounds”, Journal on Advances in Signal Processing, art.30, 11 pp., 2008.）提出了利用双背景模型的方法，该方法基于不同帧率的背景差分分别对图像帧进行前景提取，这两种背景差分方法都是基于混合高斯模型，把其中一个模型用于短检测模型，即每帧更新，另一个模型用于长检测模型，即每n帧更新一次，短背景模型更新快，场景的改变能更快地反映在背景模型中，而长背景模型，以一个较低的学习率来适应场景的变化，因此将由两个背景模型得到的前景掩码进行对比，若某个前景在长前景掩码中存在，而在短前景掩码中不存在，则该物体可能为静态前景物体。双背景模型能够利用长背景模型，减慢更新率，从而在一定程度上解决静态前景容易融入到背景模型中去的问题，而利用短背景模型，又能实现背景的实时更新，但是长背景模型的更新慢这个特点决定了该模型会引入大量光线噪声，从而导致误检测率升高。

Liao,H-H（Liao, H-H.; Chang, J-Y.; Chen, L-G.”A localized Approach to abandoned luggage detection with Foreground-Mask sampling”, Proc. of AVSS 2008, pp. 132-139.）提出基于前景掩码采样的方法，即在背景差分的基础上得到前景图像序列，然后对前景图像序列进行采样，对采样来的每6个样本的二值化前景掩码图进行相与，利用相与的结果来决定前景掩码S中像素点的值，S上的每一个点，若为白色的点（值为1），则表明该点在过去的30秒钟内一直存在，并且很有可能是静态物体。该方法利用静态物体一直存在于前景中的特点，对前景掩码图像进行采样，并通过对采样的图像进行统计来分析图像中某一点是否属于静态前景。其实质是利用了静态前景的位置特征不变这一特点。这种方法能在很大程度上检测出静态前景，但这个方法的不足之处于，它没有解决如何才能让静态前景不会随着时间的变化融入到背景图像中去从而得到稳定的而且噪声小的前景图像的问题。

发明内容

本发明提供了一种背景模型非实时更新的技术，解决静态前景容易更新到背景模型中的问题。此外，还提供了一种基于静态前景的位置特征和光线噪声随机分布特点的静态前景提取方法；具有稳定检测出静态前景、最大程度地消除光线噪声并从有前景中判断出静态前景的优势。

本发明技术方案是：

一种静态前景检测和跟踪方法，其方法步骤如下：

①实时数据流的接收；②背景模型的建立；③前景检测；④目标跟踪；⑤事件判定；⑥图像保存。

所述的实时数据流的接收，是通过高清网络摄像机采集监控现场的实时流数据；数据流经过网络传输到达本地计算机；本地计算机利用libvlc接口函数实现对数据流的解码、复用；最后将数据流变成可操作的图像数据类型。