[发明专利]一种图像检测方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像检测方法及装置。

背景技术

图像运动目标检测是智能视频监控领域的重要研究方向，而背景建模作为运动检测中应用最广的一种方法，是计算机视觉中十分关键的部分，背景与前景的有效分割对后续的目标跟踪、物体识别、行为分类等高层处理起着决定性的影响。然而，背景建模方法对场景光照变化较为敏感，包括长时有规律的变化，如树叶摇晃、早晚更替等，和短时随机变化，诸如天气、运动物体等。

目前，背景建模的研究主要从像素时域统计和空域纹理分析两个方面展开，基于像素时域分布统计的方法，诸如混合高斯模型及其改进方法，能够较好地适应长时有规律的光照变化，但由于该模型假设观测的时间序列中每一像素点相互独立，对细微的光照或短时光照的变化很敏感，检测效果不够理想。基于空域的背景模型，如局部二元图(LBP)，Radial Reach滤波器，由于使用了局部区域内不变的空间域纹理特征，在短时光照变化下鲁棒性较好，但如果只是局部区域内部分像素点发生改变时，这时提取的特征便不能满足空域不变性，检测的效果会受到较大影响，而这种情况在室外视频中往往比较常见。

现有技术中的中心对称局部二值模式(CSLBP)纹理模型，在应用于背景建模时，CSLBP相比LBP特征维数更低，抗噪声能力更强，便于实时运算。但CSLBP局限于考虑对短时光照变化的鲁棒性，未能考虑纹理的时域分布特性对背景建模的重要影响，且当长时光照变化导致局部区域内部分像素点发生改变时，CSLBP不能满足空域不变性，故在复杂光照变化场景下，尤其是短时光照变化与长时光照变化并存的时候，CSLBP不能满足背景建模的需要。

发明内容

本发明实施例提供了一种图像检测方法及装置，用以提高图像运动目标检测的检测率和准确率，使得在复杂光照变化场景下，同样可以很准确地检测到运动目标。

本发明实施例提供的一种图像检测方法包括：

根据图像的灰度变化趋势建模得到混合时空背景模型；

采集图像，利用所述混合时空背景模型，对图像进行运动目标检测，确定目标图像

本发明实施例提供的一种图像检测装置包括：

图像获取单元，用于获取图像；

运动目标检测单元，用于利用预先设置的混合时空背景模型，对图像进行运动目标检测，确定目标图像；其中，所述混合时空背景模型，是预先根据图像的灰度变化趋势建模得到的。

本发明实施例，根据图像的灰度变化趋势建模得到混合时空背景模型；采集图像，利用所述混合时空背景模型，对图像进行运动目标检测，确定目标图像，从而提高图像运动目标检测的检测率和准确率，使得在复杂光照变化场景下，同样可以很准确地检测到图像中的运动目标。

附图说明

图1为本发明实施例提供的图像检测方法的流程示意图；

图2为本发明实施例提供的混合时空背景模型的建模方法的流程示意图；

图3为本发明实施例提供的ST-CSLBP算子描述图；

图4-a为当前帧输入图像，图4-b为基于颜色的混合高斯模型的检测结果，图4-c为基于空间模型的检测结果，图4-d为通过本发明实施例提供的混合时空背景建模方法得到的检测结果；

图5为本发明实施例提供的混合时空背景建模方法与其他方法的准确率与检索率的比较示意图；

图6-a至图6-f为本发明实施例提供的测试结果示意图；

图7为本发明实施例提供的图像检测装置的结构示意图。

具体实施方式

本发明实施例提供了一种图像检测方法及装置，用以提高图像运动目标检测的检测率和准确率，使得在复杂光照变化场景下，同样可以很准确地检测到运动目标。

为了解决复杂光照变化场景下的运动目标检测的准确性问题，本发明实施例提供了一种基于时空-中心对称局部二值模式(ST-CSLBP)的混合时空背景模型及其建模方法，通过采用混合时空背景模型对图像进行运动目标检测，可以在长时光照变化与短时光照变化的场景下均能准确分割出运动物体。

参见图1，本发明实施例提供的一种图像检测方法，包括步骤：

S101、采集图像；

S102、利用预先设置的混合时空背景模型，对图像进行运动目标检测，确定目标图像；

其中，所述混合时空背景模型，是预先根据图像的灰度变化趋势建模得到的。

较佳地，参见图2，本发明实施例提供的预先设置混合时空背景模型的步骤包括：