[发明专利]一种基于编程模型的快速运动目标检测方法

说明书

技术领域

本发明属于图像处理领域，具体涉及一种基于MapReduce编程模型的快速运动目标检测方法。

背景技术

运动目标检测是智能视频监控系统的一个重要组成部分，也是计算机视觉研究的热点之一，作为运动目标行为识别的前提为监控分析提供对象。帧间差分法是运动目标检测基本的方法之一，将视频理解为图像序列，对两两相邻帧进行差分来获得运动目标的轮廓。这种方法能很好地适用于存在多个运动目标和摄像机移动的情况，对光线等场景变化不敏感，能适应各种动态环境，并且实现逻辑简单，稳定性较好。差分处理的前后帧并不一定是连续时序的视频图像，通过设置固定时间间隔来选取进行差分处理的帧。对于运动过快的检测目标，如果时间间隔设置过大，同一目标在前后两帧中没有重叠，会被检测为两个独立的目标，但是，设置过小的时间间隔又会导致需要处理的图像帧数量大增。目前，大多数帧间差分法是以串行处理图像帧的方式进行分析的，帧数增加势必加大计算量，影响效率。

目前，解决上述快速目标检测问题的方法大致分为两种：一种是在可以容忍的范围内最大程度增大时间间隔，但依然无法避免对运动速度过快的目标检测的失误，而且检测失误对后续监控处理造成的损失是无法预计的；另一种是单方面提高计算机硬件配置，来迎合计算量不断增加的需要。但随着监控视频画质的不断提高计算量也会不断提高，无限制地扩展硬件配置去满足计算需要是不现实的。

所以，有必要提出一种新的技术方案，在有限硬件配置的情况下提高快速运动目标检测的分析效率。

此外，本发明适用于采用大规模数据集的并行运算的MapReduce编程模型，所谓的MapReduce编程模型分为Map(映射)和Reduce(化简)两部分，映射过程是指将一组键值对映射成一组新的键值对，化简过程用于保证所有映射的键值对中每一个共享相同的键组，对映射函数和化简函数进行逻辑定义，即可实现在分布式系统上的并行计算。

发明内容

本发明所要解决的技术问题是：提供一种基于编程模型的快速运动目标检测方法，以实现在有限硬件环境下提高该运动目标检测方法的分析效率，适应图像帧频不断提高的实际需要。

为解决上述技术问题，本发明采用的技术方案为：一种基于编程模型的快速运动目标检测方法，包括如下步骤：

1)按照设定的时间间隔对待处理的视频进行分割提取，获得与该视频相对应的图像帧序列；

2)对得到的图像帧序列按照前后两帧为一组进行数据拆分(分组)，同时对拆分后得到的每一数据片进行差分二值化处理，得到二值化数据片；

3)在步骤2)得到的二值化数据片中，同时对时序上的第一至倒数第二个二值化数据片进行“逻辑与”处理，具体过程为：将每个二值化数据片与在时序上紧随其后的二值化数据片进行“逻辑与”，得到相应的图像；

4)将经过步骤3)处理得到的图像按照时间顺序合并，得到检测出快速运动目标的视频输出。

对经过步骤3)中“逻辑与”处理得到的图像进行滤波处理，以除去图像中的噪声点和目标中的空洞，并将经过滤波处理处理后得到的图像作为步骤4)的输入图像。

所述设定的时间间隔其中：frate为视频帧频(通常为25fps)；n为间隔帧数。

所述的n为1、2或3。

本发明的有益效果为：本发明对三帧差分法进行了分解，从而可以采用适用于大规模数据集的并行运算的MapReduce编程模型，将图像的分析任务分发到对计算配置要求不高的多个节点上同时进行，实现了分布式的计算，节约了分析计算的硬件成本，解决了因设置时间间隔较小、需要计算的图像过多而造成的效率降低问题。此外，对经过步骤3)中“逻辑与”处理得到的图像进行滤波处理，以除去图像中的噪声点和目标中的空洞，并将经过滤波处理处理后得到的图像作为步骤4)的输入图像，提高了画面的质量。另外，适中的时间间隔进一步提高了分析效率。

附图说明

图1为本发明所述的快速运动目标检测方法的方框图。

具体实施方式

下面结合附图，详细描述本发明的具体实施方案。

如图1所示，本发明提供了一种基于MapReduce模型的快速运动目标检测方法，具体包括如下步骤：

1.将待处理的视频文件上传到UNIX/LINUX系统的某一指定路径下，路径将作为文件输入类FileInputFormat中文件路径属性inputPaths的初始值，以便程序查找到输入源进行数据拆分；