[发明专利]边缘支持背景建模的ROI监控视频提取平台

说明书

本发明把主要应用场景定位于监控视频环境，提出边缘检测驱动背景建模的ROI提取平台，第一部分是基于边缘检测的ROI提取方法，第二部分是基于背景建模的ROI提取方法，鉴于边缘检测支持的ROI提取方法过分依赖于边缘信息，当目标边缘信息不足时容易造成漏检；而基于背景建模的ROI提取方法在光照变化或目标长时间静止时，不能构建准确的背景模型，容易把静止的目标误判为背景，造成误检和漏检，为弥补各自的不足，通过一种加权融合增强互补法，将两者无缝结合，能克服单个ROI提取方法的缺点，在光照变化、目标静止或边缘不明显等严苛条件下，该平台使得ROI提取的准确性得到进一步的提升，提取效率进一步提高，更符合实际应用需要。

技术领域

本发明涉及一种ROI监控视频提取平台，特别涉及一种边缘支持背景建模的ROI监控视频提取平台，属于监控视频提取技术领域。

背景技术

兴趣目标区域ROI是指在观察视频图像时，最容易受到人眼视觉关注的区域，兴趣目标区域的提取处于整个视频图像处理系统的底层环节，广泛应用于视频监控、视频压缩、医疗图像系统、图像检索等多个领域，一直以来都是计算机视觉领域非常重要的研发和应用方向。

视频监控系统在交通、教育、金融、电信等诸多行业中广泛涉及，随着平安城市工程建设项目的不断推进，整个视频监控市场的规模越来愈大，监控视频的存储量非常大，需要的存储成本也是增长迅速。全球范围内各类监控视频参与案件的有效利用率处于较低水平，现有视频监控系统作用亟待加强。

目前视频监控系统仍然面临着许多挑战：视频数据太多导致存储成本加速增长；监控视频中查找目标不准确；即使摄像头记录了兴趣目标也无法提出警示，而兴趣目标区域的提取技术通常应用于视频压缩、目标跟踪、行人重识别等多种视频处理环节，能够有效的降低监控视频的存储量和提高目标检测的准确性，从而可提高视频监控系统的效率。

兴趣目标区域的提取是将视频图像中的对于人眼敏感程度较高的区域，尽量完整准确的提取出来。如果将兴趣目标区域代表的信息提供给视频图像处理的后续环节，可有效提高目标检测、目标识别、目标跟踪以及行为描述等更高层次图像处理的准确度。因此，针对视频图像的ROI提取技术，具有重要的理论研发价值和现实应用意义，但由于视频图像易受背景、光照、遮挡等环境因素的影响，ROI提取技术仍存在许多问题需要解决。

目前，通过在视频中提取图像的兴趣目标区域，能引起观察者感兴趣的目标或对象从背景中分割出来，降低图像处理的计算量，提高图像处理效率。将兴趣目标区域提取运用在各种生活应用中，兴趣目标区域提取最初是在机器人领域中提出来的，用来识别物体，即ROI。观察者在观看图像时，一般只注意自己感兴趣的区域，忽略非兴趣目标区域。现有技术兴趣目标区域的提取技术可以大致分为以下几类：

最初是用的人工指定的方法，让用户根据自己的兴趣和观察到的景象，手动标记视频图像中自己感兴趣的区域。这种方法虽然能够准确获取用户的兴趣目标区域和真正意图，但用户带着已有的先验知识和个人意识，不能广泛应用于大部分用户，而且标记过程需用户参与，交互过程复杂。基于注视点是一种模仿人类视觉系统的方法，首先通过眼球实验记录人眼在观察图像时眼球的运动轨迹及其它相关数据，训练出人眼数据和图像ROI关系模型，然后再辨别未知图像ROI过程中，通过人眼运动数据，预测视频图像中可能的ROI区域，但需要人工参与，离开了人，就无法完成整个ROI提取过程。

基于临界值分割的ROI提取方法是一类较简单的方法，核心是训练一个较鲁棒的二元分类器，能鲁棒的区分ROI区域和非ROI区域，根据临界值，这类方法又分为单临界值法和多临界值法，但临界值法对整张图像设置统一的临界值，对于图像中的虚假信号，不能很好的区分，多临界值法相对于单临界值法有更高的鲁棒性，但比较复杂，计算量高，速度慢。

基于运动信息的ROI提取方法是在背景不动的情况下，运动目标能吸引观察者的注意，成为图像中的ROI区域，这类方法的核心是提取视频序列中的运动目标，其缺点是只适用于背景不动的场景，而且如果目标的运动量不足时，也不能成为ROI。