專利名稱：一種基于隨機更新策略的全景式運動目標監(jiān)視方法
技術領域：
本發(fā)明主要涉及運動目標監(jiān)視方法領域。涉及一種基于隨機更新策略的全景式運動目標監(jiān)視方法。
背景技術：
在智能視頻監(jiān)控、智能交通控制等項目中，運動目標檢測是其中一項核心技 術。如1997年卡梅隆大學、麻省理工學院等院校參與的視覺監(jiān)控重大項目VSAM(VisualSurveillance And Monitoring),主要研究用于戰(zhàn)場和普通民用環(huán)境的自動視頻理解技術；1999年馬里蘭大學開發(fā)的W4系統(tǒng)；2004年IBM開發(fā)的Smart系統(tǒng)。常見的運動目標監(jiān)視方法有(I)幀差分法利用視頻序列中連續(xù)兩幀或幾幀圖像間的差異進行運動目標檢測，幀差分法計算簡單，實時性好，但不能完整提取運動目標信息，無法得到運動目標輪廓，運動目標內(nèi)部容易產(chǎn)生空洞現(xiàn)象。(2)背景差分法利用當前視頻幀與已有的背景幀作比較，得到的不同部分作為運動目標的信息，最簡單的背景建模方法就是將第一幀空場景的圖像直接作為背景幀，這種方法不能適應場景的環(huán)境變化，容易導致錯誤的分割。(3)中(均)值濾波法建立一個視頻流滑窗來緩存L幀視頻圖像，然后把緩存中所有視頻幀同位置像素平均值或中值作為背景來該處的值。一種改進的方法就是滑動平均算法(runningaverage)，其核心想法就是引入一個學習率a來體現(xiàn)背景圖像對場景變化的響應，a通常取值O. 003 O. 05，a越小，則前景的變化越不會影響背景；其優(yōu)點是計算量少，但是不適宜大且速度慢的運動目標，易產(chǎn)生空洞現(xiàn)象。(4)混合高斯法基本思想是用混合高斯模型描述像素過程，根據(jù)混合高斯模型的權值和方差，來決定哪個高斯分布對應背景顏色，不符合背景分布的像素被認為是運動目標；當這個像素滿足的分布有充足、連續(xù)的證據(jù)支持時，再將其納入到背景中去，它的優(yōu)點是能夠適應環(huán)境的變化，但是只能適應背景的緩慢變化并對其更新，當背景發(fā)生突然變化時，該方法不能及時更新背景，從而導致檢測出現(xiàn)錯誤。而且該方法編程較為復雜，不易實現(xiàn)。另外，現(xiàn)有的現(xiàn)場監(jiān)視一般針對某一角度的現(xiàn)場，而非全景式的現(xiàn)場監(jiān)視，某一角度的現(xiàn)場具有多個不足，一是容易漏掉許多信息，監(jiān)視效率不高，另外，如果要對盡可能大的范圍進行監(jiān)視，需要超廣角鏡頭，因此在監(jiān)視時需要考慮超廣角鏡頭帶來的圖像畸變，為目標監(jiān)視帶來諸多不便。

發(fā)明內(nèi)容
本發(fā)明所有解決的技術問題是提供一種基于隨機策略進行目標檢測的方法，該方法利用了像素點的灰度信息、空間及時間信息，從而能夠有效減少計算復雜度及內(nèi)存消耗，能夠有效提高運動目標檢測精度，對場景中光照變化、背景變化、運動目標引起場景變化等有較強適應性。本發(fā)明的技術構(gòu)思在于采用全景式視頻，并通過視頻序列第一幀完成背景模型的建立及快速初始化，建立特定的運動點與背景點判定準則；在背景模型更新過程中包括對當前像素點及其鄰域像素點的樣本序列的隨機更新。發(fā)明的技術方案如下一種基于隨機更新策略的全景式運動目標監(jiān)視方法，包括以下步驟步驟I :獲取全景式視頻幀；
通過4臺攝像機分別獲取現(xiàn)場4個方向像場的視頻；將4段視頻在任一時刻對應的視屏幀拼接成全景視屏幀；4臺攝像機均設置在同一個支架上，4臺攝像機中的第一攝像機與第二攝像機鏡頭方向垂直，4臺攝像機中的第三攝像機與第四攝像機鏡頭方向垂直，且第一攝像機與第三攝像機的鏡頭方向相反，第二攝像機與第四攝像機的鏡頭方向相反；步驟2 :為全景視頻幀中的每一個像素點建立一個基于灰度值特征的數(shù)據(jù)序列Isi (a，b) Ii = 1，. . . . .N}，建立全景視頻幀的背景模型；其中，每一個元素Si (a，b)用于儲存圖像灰度值，N = 20 ；所述的數(shù)據(jù)序列，若當前像素點屬于全景視屏幀的第一幀時，且非邊界像素點，其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其8鄰域的對應灰度值，即xt = 1(a+l，b)，xt=! (a-1, b), xt = ! (a, b+1), xt = ! (a, b_l), xt = ! (a+1, b+1), xt = ! (a+1, b_l), xt = ! (a-1, b+1),Xt = Ja-I, b-1)，和Xt = Ja, b)，若不是全景視屏幀的第一幀的像素點，且非邊界像素點，則數(shù)據(jù)序列的取值范圍為當前像素點及其8鄰域像素點在前一巾貞的灰度值，即Xpt—Ja+l,b), xt = η (a-1, b), xt = η (a, b+1), xt = (a, b-1), xt = (a+1, b+1), xt = (a+1, b-1), xt =t-! (a-1, b+1), xt = η (a-1, b-1),和 xt = (a, b)；如果像素點為上下左右四個頂點,其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其3鄰域的對應灰度值；如果像素點為除頂點外的邊界點,其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其5鄰域的對應灰度值；背景模型為所有像素點的數(shù)據(jù)序列總和，基于第一幀圖像對背景模型進行初始化；從全景視屏幀的第二幀圖像開始，執(zhí)行以下步驟步驟3 :對當前視屏幀中的當前像素點進行運動點或背景點的判斷，xt (a, b)為像素點(a, b)的灰度值(I)將當前像素點xt(a，b)與其對應的數(shù)據(jù)序列中的N個元素Si (a，b)依次比較，若兩者差值的絕對值小于灰度值閾值!；，則令ri(a，b，t)為1，否則rja’b’t)為O ;Γ々，b，t)為xt (a, b)與Si (a, b)差值的絕對值與Tv的相比較的判斷結(jié)果值；(2)求|> ，0，若|^>人0大于設定的閾值1；，則當前像素點判斷為背景點，
/=1 /=1否則為運動點；(3)若判斷為運動點，則將其顯示，再進行下一個像素點的檢測，即將下一個像素點置為當前像素點，返回步驟3，若判斷為背景點，則轉(zhuǎn)至步驟4 ；步驟4 :背景模型的隨機更新(I)隨機更新當前像素點的數(shù)據(jù)序列中的某一元素的存儲值從當前像素點的數(shù)據(jù)序列中的隨機選擇一個元素，用當前像素點的灰度值替換其所選元素存儲的灰度值；(2)隨機更新當前像素點的某一個鄰域點的數(shù)據(jù)序列中的某一元素的存儲值隨機選擇當前像素點的一個鄰域點，從選中的鄰域點的數(shù)據(jù)序列中隨機選擇一個元素，用當前像素點的灰度值替換其所選元素的灰度值，隨機更新當前像素點的I個鄰域點的背景模型； 背景模型的上述兩次更新操作均為隨機更新，過程如下預先設定隨機取值參數(shù)Ts,并從0，Ts中任意選取一個整數(shù)Tsl ；每一次更新前，從0，Ts中隨機取一個整數(shù)值T' s，若T,,與！^相同，則執(zhí)行本次更新操作，否則不進行更新操作；步驟5 :對當前幀的下一個像素點重復步驟3與步驟4，直到當前幀的所有像素點處理完畢；完成視頻序列中當前幀圖像的運動目標檢測，輸出當前幀圖像對應的運動目標檢測圖；步驟6 :將下一全景視屏幀的第一個像素點作為當前像素點，并返回步驟3 ;直到最后一幀處理完畢，完成全景式運動目標的監(jiān)視。步驟3中所述灰度閾值Tv取值范圍為15 45，次數(shù)Tn取值為2，隨機取值參數(shù)Ts取值為8。對T' 3的判斷以減緩背景模型的更新速度。有益效果本發(fā)明采用隨機策略進行背景模型的初始化和背景模型的更新，能夠較好抑制陰影、幻影、空洞等現(xiàn)象的發(fā)生，能夠適應環(huán)境的變化，編程較易實現(xiàn)。相比于已有技術，本發(fā)明的優(yōu)點在于(I)編程實現(xiàn)相對容易，計算復雜度低，內(nèi)存消耗量低，運算速度快。因為本發(fā)明沒有使用復雜的公式與定理，只是使用簡單的判斷、循環(huán)、隨機取值與賦值，所以使得本發(fā)明較容易應用于實際項目。(2)通常情況下運動目標檢測主要存在以下難點①現(xiàn)實情況中，由于光照條件的影響，不可避免的存在陰影的現(xiàn)象，而陰影與真正運動目標實體之間的區(qū)分是一個的難題。②運動目標進入場景后，經(jīng)過一段時間停止運動后，應該逐漸轉(zhuǎn)變?yōu)楸尘?。③運動目標從靜止變?yōu)檫\動時，或者以較低速度前行時，要避免出現(xiàn)幻影現(xiàn)象，也就是運動目標離開之處應當迅速融入背景。④要能夠適應場景中諸如光照條件逐漸變化，隨風飄動的樹葉等情況變化。本發(fā)明能有效克服上述難點，從而能有效提高運動目標檢測效果①因為陰影區(qū)域像素點與周圍背景像素點灰度值差異相對較小；在更新過程中，陰影區(qū)域周邊的背景像素點灰度值快速融入陰影點的樣本點序列，根據(jù)本發(fā)明對當前像素點的判斷準則，陰影點被判定為背景點的概率變大，在被判定為背景點后，這個陰影像素點灰度值又不斷進入它周圍的陰影像素點樣本點序列，通過不斷的擴散，最終陰影區(qū)域?qū)⒖焖偃谌氡尘?。而運動目標實體邊界像素點與周圍背景點的灰度值相差較大，即使周圍背景像素點灰度值擴散運動點樣本序列，但是根據(jù)本發(fā)明內(nèi)容的判斷準則，由于與背景點灰度值差異大，仍然會被判定為運動點，這樣使得真正運動目標區(qū)域的像素點的樣本點序列并未被背景點所侵蝕，相當于起了一層保護膜的作用。通過這種機制，能夠?qū)﹃幱皡^(qū)域進行有效抑制。②運動目標如果在一段時間內(nèi)的保持靜止狀態(tài)，應該被處理為背景，而不再是運動點。在本方法中由于運動目標邊界區(qū)域像素點的樣本點序列不斷被背景點的灰度值侵蝕，當停留時間較長時，存在運動目標邊界像素點被判定為背景點的可能性，加上運動目標區(qū)域內(nèi)部不可避免的出現(xiàn)噪聲點，這些噪聲點灰度值也會擴散到運動點的樣本點序列，根據(jù)前述的判斷準則 ，這些位置的運動點可能會被判定為背景點；這些被判定為背景點的像素點，不斷向周圍進行擴散侵蝕，長時間停留的運動目標區(qū)域可以被完全侵蝕成為背景。③當運動目標離開后，原來所停留的區(qū)域由于灰度值與周圍背景點的灰度值近似，整個區(qū)域都被背景點所環(huán)繞，所以背景點對所留下的幻影區(qū)域能夠進行快速的侵蝕，使得整個區(qū)域迅速變?yōu)楸尘?；對于低速運動的目標，通過采用本發(fā)明提出的方法，能夠達到抑制幻影的效果。④對于場景中的光照條件變化、樹葉的搖擺等情況，處理過程與陰影、幻影的處理過程類似，也是通過周圍背景點灰度值擴散到運動點的樣本序列，從而達到抑制場景變化對運動目標檢測所帶來不利影響的效果。另外，采用全景式(即360°全場景)目標監(jiān)視，整個視場無盲區(qū)，克服了超廣角鏡頭帶來的畸變，因而監(jiān)視效果更好。


圖I是本發(fā)明運動目標檢測流程2為全景視屏獲取裝置的結(jié)構(gòu)示意圖(俯視圖)；圖中標號說明1_第一攝像機,2-第二攝像機，3-第二攝像機，4-第四攝像機，5-支架。
具體實施例方式本發(fā)明的基于隨機更新策略的全景式運動目標監(jiān)視方法對應的流程圖如圖I所
/Jn o一種基于隨機更新策略的全景式運動目標監(jiān)視方法，包括以下步驟步驟I :獲取全景式視頻幀；通過4臺攝像機分別獲取現(xiàn)場4個方向像場的視頻；將4段視頻在任一時刻對應的視屏幀拼接成全景視屏幀；步驟2 :為全景視頻幀中的每一個像素點建立一個基于灰度值特征的數(shù)據(jù)序列Isi (a，b) |i = 1，. . . . .N}，建立全景視頻幀的背景模型；其中，每一個元素Si (a，b)用于儲存圖像灰度值，N = 20 ；所述的數(shù)據(jù)序列，若當前像素點屬于全景視屏幀的第一幀時，且非邊界像素點，其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其8鄰域的對應灰度值，即xt = 1(a+l，b)，xt=! (a-1, b), xt = ! (a, b+1), xt = : (a, b_l), xt = : (a+1, b+1), xt = : (a+1, b_l), xt = : (a-1, b+1),Xt = Ja-I, b-1)，和Xt = Ja, b)，若不是全景視屏幀的第一幀的像素點，且非邊界像素點，則數(shù)據(jù)序列的取值范圍為當前像素點及其8鄰域像素點在前一巾貞的灰度值，即Xpt—Ja+l,b), xt = H (a-1, b), xt = H (a, b+1), xt = t_: (a, b_l), xt = t_: (a+1, b+1), xt = t_: (a+1, b_l), xt =t-! (a-1, b+1), xt = H (a-1, b-1),和 xt = t_: (a, b)；如果像素點為上下左右四個頂點,其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其3鄰域的對應灰度值；如果像素點為除頂點外的邊界點,其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其5鄰域的對應灰度值；背景模型為所有像素點的數(shù)據(jù)序列總和，基于第一幀圖像對背景模型進行初始化；從全景視屏幀的第二幀圖像開始，執(zhí)行以下步驟步驟3 :對當前視屏 幀中的當前像素點進行運動點或背景點的判斷，xt (a, b)為像素點(a, b)的灰度值(I)將當前像素點xt(a，b)與其對應的數(shù)據(jù)序列中的N個元素Si (a，b)依次比較，若兩者差值的絕對值小于灰度值閾值1，則令ri(a，b，t)為1，否則ri(a，b，t)為0 ;ri(a，b，t)為xt (a, b)與Si (a, b)差值的絕對值與Tv的相比較的判斷結(jié)果值；(2)求；|> ，0，若f r>，M)大于設定的閾值Tn，則當前像素點判斷為背景點，
/=1 /=1
否則為運動點；(3)若判斷為運動點，則將其顯示，再進行下一個像素點的檢測，即將下一個像素點置為當前像素點，返回步驟3，若判斷為背景點，則轉(zhuǎn)至步驟4 ；步驟4 :背景模型的隨機更新(I)隨機更新當前像素點的數(shù)據(jù)序列中的某一元素的存儲值從當前像素點的數(shù)據(jù)序列中的隨機選擇一個元素，用當前像素點的灰度值替換其所選元素存儲的灰度值；(2)隨機更新當前像素點的某一個鄰域點的數(shù)據(jù)序列中的某一元素的存儲值隨機選擇當前像素點的一個鄰域點，從選中的鄰域點的數(shù)據(jù)序列中隨機選擇一個元素，用當前像素點的灰度值替換其所選元素的灰度值，隨機更新當前像素點的I個鄰域點的背景模型；背景模型的上述兩次更新操作均為隨機更新，過程如下預先設定隨機取值參數(shù)Ts,并從0，Ts中任意選取一個整數(shù)Tsl ；每一次更新前，從0，Ts中隨機取一個整數(shù)值T' s，若T, 3與1^相同，則執(zhí)行本次更新操作，否則不進行更新操作；步驟5 :對當前幀的下一個像素點重復步驟3與步驟4，直到當前幀的所有像素點處理完畢；完成視頻序列中當前幀圖像的運動目標檢測，輸出當前幀圖像對應的運動目標檢測圖；步驟6 :將下一全景視屏幀的第一個像素點作為當前像素點，并返回步驟3 ;直到最后一幀處理完畢，完成全景式運動目標的監(jiān)視。步驟3中所述灰度閾值Tv取值范圍為30，次數(shù)Tn取值為2，隨機取值參數(shù)Ts取值為8。對T' 3的判斷以減緩背景模型的更新速度。另外，全景視屏獲取裝置的結(jié)構(gòu)如圖2所示，4臺攝像機均設置在同一個支架上，4臺攝像機中的第一攝像機與第二攝像機鏡頭方向垂直，4臺攝像機中的第三攝像機與第四攝像機鏡頭方向垂直，且第一攝像機與第三攝像機的鏡頭方向相反，第二攝像機與第四攝像機的鏡頭方向相反。任一臺攝像機的視角為95-120°，將4段視頻在任一時刻對應的視屏幀拼接成全景視屏幀的技術為現(xiàn)有成熟技術，由DSP實現(xiàn)。所采取的視頻為室外視頻序列，建議的電腦配置如下CPU為Intel的P7350，處理速度2GHz，內(nèi)存2G，編程環(huán)境為VC++6. 0結(jié)合OpenCV。實驗表明相同條件下，通過與其他方法(改進的混合高斯法、滑動平均法、混合高斯處理方法等)對比，改進的混合高斯法背景能夠完成初始化，但檢測結(jié)果中有較明顯的白色噪聲點。本發(fā)明在對第二幀進行檢測時，只有零星的孤立點，沒有成片的斑點，初始化效果改善明顯。相對于其他方法，采用本發(fā)明的方法，運動后再停止的物體更容易融入背景，即對環(huán) 境的適應性更強，反應更靈敏。
權利要求
1.一種基于隨機更新策略的全景式運動目標監(jiān)視方法，其特征在于，包括以下步驟步驟I:獲取全景式視頻幀； 通過4臺攝像機分別獲取現(xiàn)場4個方向像場的視頻；將4段視頻在任一時刻對應的視屏中貞拼接成全景視屏巾貞; 4臺攝像機均設置在同一個支架上，4臺攝像機中的第一攝像機與第二攝像機鏡頭方向垂直，4臺攝像機中的第三攝像機與第四攝像機鏡頭方向垂直，且第一攝像機與第三攝像機的鏡頭方向相反，第二攝像機與第四攝像機的鏡頭方向相反； 步驟2 :為全景視頻幀中的每一個像素點建立一個基于灰度值特征的數(shù)據(jù)序列Isi (a，b)I i = 1，..... N}，建立全景視頻幀的背景模型；其中，每一個元素Si (a，b)用于儲存圖像灰度值，N = 20 ； 所述的數(shù)據(jù)序列，若當前像素點屬于全景視屏幀的第一幀時，且非邊界像素點，其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其8鄰域的對應灰度值，即xt = 1(a+l，b)，xt =I (a-1, b), xt = ! (a, b+1), xt = ! (a, b_l), xt = ! (a+1, b+1), xt = ! (a+1, b_l), xt = ! (a-1, b+1),Xt = Ja-I, b-1)，和Xt = Ja, b)，若不是全景視屏幀的第一幀的像素點，且非邊界像素點，則數(shù)據(jù)序列的取值范圍為當前像素點及其8鄰域像素點在前一巾貞的灰度值，即xt = ^ (a+1,b), xt = η (a-1, b), xt = η (a, b+1), xt = (a, b-1), xt = (a+1, b+1), xt = (a+1, b-1), xt =t-! (a-1, b+1), xt = η (a-1, b-1),和 xt = (a, b)； 如果像素點為上下左右四個頂點，其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其3鄰域的對應灰度值； 如果像素點為除頂點外的邊界點，其數(shù)據(jù)序列的取值范圍為當前像素點的灰度值及其5鄰域的對應灰度值； 背景模型為所有像素點的數(shù)據(jù)序列總和，基于第一幀圖像對背景模型進行初始化；從全景視屏幀的第二幀圖像開始，執(zhí)行以下步驟 步驟3 :對當前視屏幀中的當前像素點進行運動點或背景點的判斷，xt (a, b)為像素點(a, b)的灰度值 (1)將當前像素點xt(a，b)與其對應的數(shù)據(jù)序列中的N個元素Si(a，b)依次比較，若兩者差值的絕對值小于灰度值閾值Tv，則令rja’b’t)為1，否則rja’b’t)為Ojja’b，t)為xt (a, b)與Si (a, b)差值的絕對值與Tv的相比較的判斷結(jié)果值； (2)求|> ，0，若|^>人0大于設定的閾值1；，則當前像素點判斷為背景點， /=1 /=1 否則為運動點； (3)若判斷為運動點，則將其顯示，再進行下一個像素點的檢測，即將下一個像素點置為當前像素點，返回步驟3，若判斷為背景點，則轉(zhuǎn)至步驟4; 步驟4 :背景模型的隨機更新 (1)隨機更新當前像素點的數(shù)據(jù)序列中的某一元素的存儲值從當前像素點的數(shù)據(jù)序列中的隨機選擇一個元素，用當前像素點的灰度值替換其所選元素存儲的灰度值； (2)隨機更新當前像素點的某一個鄰域點的數(shù)據(jù)序列中的某一元素的存儲值隨機選擇當前像素點的一個鄰域點，從選中的鄰域點的數(shù)據(jù)序列中隨機選擇一個元素，用當前像素點的灰度值替換其所選元素的灰度值，隨機更新當前像素點的I個鄰域點的背景模型；背景模型的上述兩次更新操作均為隨機更新，過程如下預先設定隨機取值參數(shù)Ts，并從O，Ts中任意選取一個整數(shù)Tsl ； 每一次更新前，從O，Ts中隨機取一個整數(shù)值T' s’若T,,與！^相同，則執(zhí)行本次更新操作，否則不進行更新操作； 步驟5 :對當前幀的下一個像素點重復步驟3與步驟4，直到當前幀的所有像素點處理完畢；完成視頻序列中當如巾貞圖像的運動目標檢測，輸出當如巾貞圖像對應的運動目標檢測圖。
步驟6 :將下一全景視屏幀的第一個像素點作為當前像素點，并返回步驟3 ;直到最后一幀處理完畢，完成全景式運動目標的監(jiān)視。
2.根據(jù)權利要求I所述的基于隨機更新策略的全景式運動目標監(jiān)視方法，其特征在于，其特征在于，步驟3中所述灰度閾值Tv取值范圍為15 45，次數(shù)Tn取值為2，隨機取值參數(shù)Ts取值為8。
全文摘要
本發(fā)明公開了一種基于隨機更新策略的全景式運動目標監(jiān)視方法，包括以下步驟步驟1獲取全景式視頻幀；步驟2建立全景視頻幀的背景模型；步驟3對當前視屏幀中的當前像素點進行運動點或背景點的判斷，確定前景點和背景點；步驟4背景模型的隨機更新；步驟5對當前幀的下一個像素點重復步驟3與步驟4，直到當前幀的所有像素點處理完畢；步驟6將下一全景視屏幀的第一個像素點作為當前像素點，并返回步驟3；直到最后一幀處理完畢，完成全景式運動目標的監(jiān)視。本發(fā)明的運動目標監(jiān)視方法檢測精度高，計算復雜度低，且占用內(nèi)存小，環(huán)境適應性強，能實現(xiàn)全景監(jiān)視。
文檔編號H04N7/18GK102665068SQ20121012567
公開日2012年9月12日 申請日期2012年4月26日 優(yōu)先權日2012年4月26日
發(fā)明者賀超英 申請人:中南林業(yè)科技大學