[发明专利]一种目标检测方法和装置

说明书

技术领域

本发明涉及智能视频分析技术，特别涉及一种目标检测方法和装置。

背景技术

智能视频分析是指利用图像处理、计算机视觉以及模式识别等技术，对输入的视频图像中的目标，如车辆或人等进行检测、跟踪，并对其行为进行理解和描述，如根据运动轨迹进行目标的行为分析，结合设置的行为规则输出告警信息等。其中，对目标进行检测是智能视频分析中的一个重要环节，检测结果的准确与否将直接影响到后续处理是否能够顺利进行。

目前，比较常用的目标检测方法为基于背景减除的目标检测方法，即通过分析当前图像与背景图像之间的差异来进行检测。但是，这种方法很容易受到干扰，如当背景中存在树叶摆动、雨雪，或水波等时，就会导致检测结果不准确，如可能检测到虚假目标等。

发明内容

有鉴于此，本发明的主要目的在于提供一种目标检测方法，能够提高检测结果的准确性。

本发明的另一目的在于提供一种目标检测装置，能够提高检测结果的准确性。

为达到上述目的，本发明的技术方案是这样实现的：

一种目标检测方法，包括：

A、当第一帧图像输入时，为图像中的每个像素点分别创建一个背景模型，并初始化每个背景模型；

B、针对后续输入的每帧图像中的每个像素点，分别根据其灰度值以及前一帧图像中同一坐标位置的像素点的灰度值对其对应的背景模型进行更新，并根据更新结果确定出该像素点为前景点还是背景点；

C、利用确定出的前景点和背景点得到一个以上前景团块，将前景团块作为检测到的目标。

一种目标检测装置，包括：

第一处理模块，用于当第一帧图像输入时，为图像中的每个像素点分别创建一个背景模型，并初始化每个背景模型；

第二处理模块，用于针对后续输入的每帧图像中的每个像素点，分别根据其灰度值以及前一帧图像中同一坐标位置的像素点的灰度值对其对应的背景模型进行更新，并根据更新结果确定出该像素点为前景点还是背景点；

第三处理模块，用于利用确定出的前景点和背景点得到一个以上前景团块，将前景团块作为检测到的目标。

可见，采用本发明所述方案，为每个像素点分别建立一个背景模型，并根据实际情况对各背景模型进行动态更新，从而能够较好地反映出背景中的变化情况，进而克服了由于背景中存在干扰而可能导致的检测到虚假目标等问题，提高了检测结果的准确性；另外，本发明所述方案只需存储背景模型等信息，不会占用太多的内存空间，而且检测过程实现起来简单方便，处理速度很快，可满足实时性等方面的需求。

附图说明

图1为本发明目标检测方法实施例的流程图。

图2为本发明中的背景模型的数据结构示意图。

图3为本发明中确定出的前景点和背景点的示意图。

图4为本发明中得到的各前景团块的示意图。

图5为本发明目标检测装置实施例的组成结构示意图。

具体实施方式

针对现有技术中存在的问题，本发明中提出一种改进后的目标检测方案，能够提高检测结果的准确性。

为使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案进行详细说明。

图1为本发明目标检测方法实施例的流程图。如图1所示，包括以下步骤：

步骤11：当第一帧图像输入时，为图像中的每个像素点分别创建一个背景模型，并初始化每个背景模型。

在实际的智能视频分析系统中，输入的各帧图像的大小都是相同的，比如均为640×480，那么，针对这640×480个像素点，分别为其创建一个背景模型。假设坐标为(x，y)的像素点的灰度值为Y，那么其对应的背景模型可表示为bg_model(x，y)。

每个背景模型中均包括三个子模型sub_model[3]，为表述方便，分别将其称为子模型1、子模型2和子模型3，进一步地，每个子模型中均包括均值(mean)、方差(variance)、出现频率(freq)和出现时长(time)四个变量。其中，均值表示子模型的平均分布位置；方差表示子模型的分布范围；出现频率表示子模型在时序上出现的频率；出现时长表示子模型从首次出现到当前帧的时间长度(帧数)。图2为本发明中的背景模型的数据结构示意图。