[发明专利]响应概率直方图的获取方法、图像处理方法以及装置在审
申请号: | 201910662530.5 | 申请日: | 2019-07-22 |
公开(公告)号: | CN110458045A | 公开(公告)日: | 2019-11-15 |
发明(设计)人: | 李明竹 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 44280 深圳市威世博知识产权代理事务所(普通合伙) | 代理人: | 李庆波<国际申请>=<国际公布>=<进入 |
地址: | 310051浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 概率直方图 加权处理 前景图像 背景概率 直方图 响应 待处理图像 背景图像 图像处理 削弱 跟踪 检测 申请 | ||
本申请公开了一种响应概率直方图的获取方法、图像处理方法以及装置,该响应概率直方图的获取方法包括:确定待处理图像帧的前景概率直方图和背景概率直方图;对前景概率直方图进行加权处理,以得到加权处理后的前景概率直方图;基于加权处理后的前景概率直方图和背景概率直方图,得到响应概率直方图。通过上述方式,削弱背景图像对前景图像的影响,从而使得前景图像更为明显,进而容易实现前景图像的定位、检测或跟踪。
技术领域
本申请涉及安全技术领域,特别是涉及一种响应概率直方图的获取方法、图像处理方法以及装置。
背景技术
智能视频监控是利用计算机视觉技术对输入视频信号进行处理、分析和理解,通过对图像序列的智能分析,实现对监控场景中的感兴趣区域的定位、检测和跟踪等功能。其中目标跟踪是其重要组成部分,目前目标跟踪的主流方法包括深度学习,相关滤波等,DAT(Double Array Trie)是一种现有的目标跟踪方案,由于其使用颜色信息,因此在目标形变和运动模糊情况下具有更好的效果。
现有技术中,DAT中的贝叶斯模型是强制认为目标框中心60%的像素是目标概率更高,其权重是不变的,然而我们跟踪的目标框内除了目标还含有很多背景部分同时在实际工程使用中目标框比实际目标大多少是不一定的,这些背景部分可能干扰最终的跟踪结果。
发明内容
为解决上述问题,本申请提供了一种响应概率直方图的获取方法、图像处理方法以及装置,能够削弱背景图像对前景图像的影响,从而使得前景图像更为明显,进而容易实现前景图像的定位、检测或跟踪。
本申请采用的一个技术方案是:提供一种响应概率直方图的获取方法,该方法包括:确定待处理图像帧的前景概率直方图和背景概率直方图;对前景概率直方图进行加权处理,以得到加权处理后的前景概率直方图;基于加权处理后的前景概率直方图和背景概率直方图,得到响应概率直方图。
其中,确定待处理图像帧的前景概率直方图和背景概率直方图,包括:在待处理图像帧上确定前景图像;对前景图像进行放大处理,以得到背景图像;基于前景图像得到前景概率直方图,以及基于背景图像得到背景概率直方图。
其中,对前景图像进行放大处理,以得到背景图像,包括:对前景图像进行1.8倍至2倍放大处理,以得到背景图像。
其中,对前景概率直方图进行加权处理,以得到加权处理后的前景概率直方图,包括:根据背景概率直方图中的多个概率值,确定概率最小值;基于概率最小值和多个概率值,确定权值向量;基于权值向量对前景概率直方图中的多个概率值进行加权处理,以得到加权处理后的前景概率直方图。
其中,基于概率最小值和多个概率值,确定权值向量,包括:采用以下的公式计算前景直方图的权值向量:pi=min(h(S-O)min/h(S-O)i),i∈{0,B};其中,h(S-O)min为背景概率直方图中的概率最小值,h(S-O)i为背景概率直方图中第i个像素区域的概率值,B为概率直方图中的像素区域的数量。
其中,基于权值向量对前景概率直方图中的多个概率值进行加权处理,以得到加权处理后的前景概率直方图,包括:采用以下公式计算加权处理后的前景概率直方图:hoi'=pi×hoi;其中,hoi为前景概率直方图中第i个像素区域的概率值,pi为前景概率直方图中第i个像素区域的权值。
其中,基于加权处理后的前景概率直方图和背景概率直方图,得到响应概率直方图,包括:采用以下公式计算响应概率直方图:其中,x表示像素,I(x)表示像素x的像素值,P(x∈O)表示像素x是前景的概率,HO表示前景概率直方图,HS-O表示背景概率直方图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910662530.5/2.html,转载请声明来源钻瓜专利网。