一种实时序列图像运动目标区域获取方法

摘要

本发明涉及一种实时序列图像运动目标区域获取方法，包括以下步骤：对获取的静态图像序列做帧差处理，获得帧差图像序列；将帧差图像序列的每一帧分割成W×H子区域，并计算每个子区域能量对数值；根据每个子区域能量对数值获取每个子区域的特征值；判断每个子区域是否属于运动目标区域；得到整体运动目标区域。本发明能够适应复杂背景和自然环境等情况。

说明书

技术领域

本发明涉及图像处理和目标监控技术领域，特别是涉及一种实时序列图像运动目标区 域获取方法。

背景技术

目前，目标监控系统的关键技术中都包含比较关键的运动目标区域提取。系统是否能 够在复杂背景和自然环境下准确的获取运动目标区域(目标个数N≥1，目标可以包括单运 动目标、多运动目标、混合运动目标等)直接影响着系统后端及使用方对目标的告警和后 续处理，特别是在实时监控、智能安防领域，对实时运动目标区域获取有很大的应用需求， 因此成为了图像处理和监控安防领域研究中的关键技术之一。

实时序列图像运动目标区域获取时，存在适应复杂背景和自然环境的、多个目标、多 种目标等需求，并要求运动目标区域提取准确，并在实际使用过程中需要满足信息实时性 的要求。

为了实现实时序列图像运动目标区域获取，可以使用背景建模的方法或光流法，背景 建模的方法可以利用获取的图像数据进行背景估计建模，来进行背景和运动目标即前景分 离，光流法是通过图像数据来估计物体运动的速度场，进而得到物体运动区域。这两种方 法极易受到干扰因素干扰，如风中摇摆的树木及变化的光线会导致区域获取失败，并且需 要大量的序列图像数据和计算量，很难适应各种复杂背景和自然环境，以及系统实时性的 要求。

综上所述，目前需要实时有效的，可以适应复杂背景和自然环境的序列图像运动目标 区域获取方法。

发明内容

本发明所要解决的技术问题是提供一种实时序列图像运动目标区域获取方法，能够适 应复杂背景和自然环境等情况。

本发明解决其技术问题所采用的技术方案是：提供一种实时序列图像运动目标区域获 取方法，包括以下步骤：

(1)对获取的静态图像序列做帧差处理，获得帧差图像序列；

(2)将帧差图像序列的每一帧分割成W×H子区域，并计算每个子区域能量对数值；

(3)根据每个子区域能量对数值获取每个子区域的特征值；

(4)判断每个子区域是否属于运动目标区域；

(5)得到整体运动目标区域。

所述步骤(1)包括以下子步骤：

(11)对获取的静态图像序列中每帧图像进行滤波预处理，去除干扰噪点；

(12)预处理之后对序列中相邻的图像帧间进行对应点灰度值绝对差操作，获得两两 相邻的图像帧的绝对差值图像序列数据。

所述步骤(2)中计算每个子区域能量对数值包括以下子步骤：

(21)对子区域里包含的所有数据进行能量值计算；其中，能量值的计算方法为： I(k)为图像第k点像素灰度值；

(22)得到能量值后再进行对数变换操作，得到对应的能量对数据值。

所述步骤(3)包括以下子步骤：

(31)根据每个子区域能量对数值获得每帧包含的所有子区域的能量对数值数组；

(32)使用得到的子区域能量对数值数组提取出同一位置的子区域在每一帧图像中 的能量对数值组成的数组，计算特征值。

所述步骤(4)中当特征值大于阈值时，则判断此对应子区域属于运动目标区域，反 之则此对应子区域属于背景，其中，阈值K＝EVE+m*AVE，EVE为所有特征值的均值， AVE为所有特征值的方差，m为设置的变化权值。

所述步骤(5)中对判断为属于运动目标区域的子区域进行排查，对其进行二次判断， 判断每个候选的子区域的位置信息，当一个候选子区域的位置坐标明显偏离其他候选子区 域时，说明该子区域为干扰子区域而非真正的目标区域，进而再次确定所有候选子区域是 否属于运动目标区域，最终获得所有属于运动目标区域的子区域组成的整体运动目标区 域。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果： 本发明实现了在复杂背景和自然环境情况下对图像序列中的运动目标区域实时、准确的获 取，不需要进行大量的数据采集，抗干扰性强、速度快、准确度高，可实现系统的实时性， 且易于移植，特别适合在监控、智能安防领域这种实时性准确性要求较高的环境。

附图说明

图1是本发明的流程图；

图2是本发明中获得帧差图像序列的结构示意图；

图3是本发明中计算子区域能量对数值的结构示意图；

图4是本发明中计算子区域能量对数值数组的特征值的结构示意图；

图5是本发明中判断每个子区域是否属于运动目标区域示意图；

图6是本发明中计算子区域能量对数值的实例图；

图7是本发明中计算子区域能量对数值数组的特征值的实例图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而 不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人 员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定 的范围。

本发明的实施方式涉及一种实时序列图像运动目标区域获取方法，包括以下步骤：对 获取的静态图像序列做帧差处理，获得帧差图像序列；将帧差图像序列的每一帧分割成W ×H子区域，并计算每个子区域能量对数值；根据每个子区域能量对数值获取每个子区域 的特征值；判断每个子区域是否属于运动目标区域；得到整体运动目标区域。

图1是本发明一种实时序列图像运动目标区域获取方法的流程图，如图1所示，所述 方法，包括下列步骤：

步骤100，对获取的静态图像序列做帧差处理,获得帧差图像序列；

步骤200，帧差图像序列的每一帧分割成W×H子区域，并计算每个小区域能量对数 值；

步骤300，计算每帧对应位置子区域能量对数值数组的特征值；

步骤400，判断每个小区域是否属于运动目标区域；

步骤500，得到整体运动目标区域。

图2为本发明一种实时序列图像运动目标区域获取方法中获得帧差图像序列的结构示 意图，说明了获取帧差图像序列的方法。

步骤201，对获取的静态图像序列P{1，2，…,n}中的每帧帧图像P(i)进行滤波预处理， 去除干扰噪点，预处理方法一般取M*M中值滤波。

步骤202，对经过步骤201预处理之后的序列图像中相邻的图像帧之间进行对应点灰 度值绝对差操作。

步骤203，通过步骤202来获得两两相邻的图像帧的绝对差值图像序列数据S{1， 2，…,n-1}，其中S(i)＝|P(i+1)-P(i)|。

图3为本发明一种实时序列图像运动目标区域获取方法中计算子区域能量对数值的结 构示意图，说明了获得子区域能量对数值的方法。

步骤301，将帧差图像序列S{1，2，…,n-1}中的每一帧帧差图像都分割成为W×H子 区域，W为子区域的宽度，H为子区域的高度，单位均为像素。每帧帧差图像都包含的一 一对应的相同数目的子区域。

步骤302，将对步骤301分割的子区域进行能量值计算，对每帧包含的所有子区域都 进行以下计算：首先对子区域里包含的所有数据进行能量值计算，能量值的计算方法为： I(k)为图像第k点像素灰度值。

步骤303，对步骤302获得的能量值E进行以欧拉常数e为底的对数变换操作：LE＝log (E)，得到对应的能量对数据值LE。经过以上处理，可以获得每帧包含的所有子区域的 能量对数值数组LE{n-1,num}，其中n-1为帧差图像序列包含的帧差图像帧数，num为一 帧图像包含子区域的个数。

图4为本发明一种实时序列图像运动目标区域获取方法中计算子区域能量对数值数组 的特征值的结构示意图。

步骤401，通过使用子区域能量对数值数组LE{n-1,num}，提取出同一位置的子区域 在每一帧图像中的能量对数值组成的数组LEn，并计算特征值 $\mathrm{EQ}\left(j\right)=\frac{{\Sigma }_{k=0}^{n-1}{(\mathrm{LEn}\left(k\right)-\mathrm{Ele})}^2}{n-1},$其中Ele为数组LEn的均值。

图5为本发明一种实时序列图像运动目标区域获取方法中判断每个子区域是否属于运 动目标区域示意图。

步骤501，通过以上获得的特征值来计算阈值K，K＝EVE+m*AVE，其中EVE为所 有特征值的均值，AVE为所有特征值的方差，m为设置的变化权值，一般m∈[0.1,0.7]。

步骤502，通过以上获得的特征值阈值K来判断某子区域是否属于运动目标区域。由 于特征值越大，则此对应子区域属于运动目标的概率越大，反之则概率越小，因此，当特 征值大于阈值K时，则判断此对应子区域属于运动目标区域，反之则此对应子区域属于背 景。

步骤503，对之前判断属于运动目标区域的子区域进行排查，对其进行二次判断，判 断每个候选的子区域的位置信息(像素坐标信息)，当一个候选子区域的位置坐标明显偏 离大多候选子区域时，说明该子区域为干扰子区域而非真正的目标区域，进而再次确定所 有候选子区域是否属于运动目标区域。最终获得所有属于运动目标区域的子区域组成的整 体运动目标区域。

图6为本发明一种实时序列图像运动目标区域获取方法中计算子区域能量对数值的实 例图。图7为本发明一种实时序列图像运动目标区域获取方法中计算子区域能量对数值数 组的特征值的实例图。

不难发现，本发明的一种实时序列图像运动目标区域获取方法，实现了在复杂背景和 自然环境情况下对图像序列中的运动目标区域实时、准确的获取，不需要进行大量的数据 采集，抗干扰性强、速度快、准确度高，可实现系统的实时性，且易于移植，特别适合在 监控、智能安防领域这种实时性准确性要求较高的环境。