本申請涉及視頻檢測技術(shù)領(lǐng)域，尤其涉及一種運(yùn)動目標(biāo)檢測方法和裝置。

背景技術(shù)：

現(xiàn)有技術(shù)采用基于CLG(Combined-local-Global，局部全局相結(jié)合)光流模型實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測，為了降低CLG光流模型對光照變化的敏感程度，將梯度守恒假設(shè)與CLG光流模型相結(jié)合得到新的光流模型，其能量方程為：

上式中，I為灰度圖像，為灰度圖像在x、y方向上的光流梯度，ρ為標(biāo)準(zhǔn)差，K_ρ為其高斯權(quán)函數(shù)，α為平滑項(xiàng)，w＝[u,v,1]^T，其中u、v為光流在x、y方向的速度，y(x)為懲罰函數(shù)，其中e取0.0001。

本申請的發(fā)明人發(fā)現(xiàn)，上述基于新的光流模型E實(shí)現(xiàn)的對運(yùn)動目標(biāo)的檢測的前提條件是梯度守恒，也就是被檢測的運(yùn)動目標(biāo)需要保證在一個(gè)穩(wěn)定光照環(huán)境中才能實(shí)現(xiàn)檢測，當(dāng)光照變化發(fā)生突變，例如被檢測的目標(biāo)由黑暗的環(huán)境(例如未開燈的房間)中突然變化到明亮的環(huán)境(例如開燈的房間)中，在光照變化發(fā)生突變的這一過程中，梯度守恒不再成立，那么上述新的光流模型E也就無法再實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本申請?zhí)峁┮环N運(yùn)動目標(biāo)檢測方法和裝置，以解決現(xiàn)有技術(shù)無法實(shí)現(xiàn)在光照變化發(fā)生突變時(shí)對運(yùn)動目標(biāo)的檢測。技術(shù)方案如下：

基于本申請的一方面，本申請?zhí)峁┮环N運(yùn)動目標(biāo)檢測方法，包括：

獲取視頻圖像；

對所述視頻圖像進(jìn)行灰度處理得到灰度圖像；

基于所述灰度圖像、預(yù)設(shè)的CLG光流模型以及預(yù)設(shè)條件計(jì)算得到第一公式；其中，I為所述灰度圖像，為所述灰度圖像在x、y方向上的光流梯度，ρ為標(biāo)準(zhǔn)差，K_ρ為高斯權(quán)函數(shù)，α為平滑項(xiàng)，w＝[u,v,1]^T，其中u、v為光流在x、y方向的速度，ψ(x)為懲罰函數(shù)，ε取值0.0001；I_x、I_y、I_t分別為所述灰度圖像在x、y以及灰度梯度最大方向上的光流，I_xx、I_yy、I_xy、I_xt、I_yt分別為所述光流在x、y、t三個(gè)方向上的導(dǎo)數(shù)；所述第一公式為

依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k；k為正整數(shù)；

根據(jù)所述k層金字塔的光流增量du^k，dv^k實(shí)現(xiàn)對運(yùn)行目標(biāo)的檢測。

優(yōu)選地，所述依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k包括：

依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)得到第二公式；所述第二公式為其中，

利用所述第二公式，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k。

優(yōu)選地，所述對所述視頻圖像進(jìn)行灰度處理得到灰度圖像之后，所述方法還包括：

判斷所述灰度圖像中像素點(diǎn)的灰度梯度是否大于預(yù)設(shè)閾值；

所述預(yù)設(shè)的CLG光流模型變形為：

其中T為預(yù)設(shè)閾值。

基于本申請的另一方面，本申請還提供一種運(yùn)動目標(biāo)檢測裝置，包括：

視頻圖像獲取單元，用于獲取視頻圖像；

灰度處理單元，用于對所述視頻圖像進(jìn)行灰度處理得到灰度圖像；

第一計(jì)算單元，用于基于所述灰度圖像、預(yù)設(shè)的CLG光流模型以及預(yù)設(shè)條件計(jì)算得到第一公式；其中，I為所述灰度圖像，為所述灰度圖像在x、y方向上的光流梯度，ρ為標(biāo)準(zhǔn)差，K_ρ為高斯權(quán)函數(shù)，α為平滑項(xiàng)，w＝[u,v,1]^T，其中u、v為光流在x、y方向的速度，ψ(x)為懲罰函數(shù)，ε取值0.0001；I_x、I_y、I_t分別為所述灰度圖像在x、y以及灰度梯度最大方向上的光流，I_xx、I_yy、I_xy、I_xt、I_yt分別為所述光流在x、y、t三個(gè)方向上的導(dǎo)數(shù)；所述第一公式為

第二計(jì)算單元，用于依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k；k為正整數(shù)；

運(yùn)行目標(biāo)檢測單元，用于根據(jù)所述k層金字塔的光流增量du^k，dv^k實(shí)現(xiàn)對運(yùn)行目標(biāo)的檢測。

優(yōu)選地，所述第二計(jì)算單元包括：

第一計(jì)算子單元，用于依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)得到第二公式；所述第二公式為其中，

第二計(jì)算子單元，用于利用所述第二公式，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k。

優(yōu)選地，還包括：

灰度梯度判斷單元，用于判斷所述灰度圖像中像素點(diǎn)的灰度梯度是否大于預(yù)設(shè)閾值；

所述預(yù)設(shè)的CLG光流模型變形為：

其中T為預(yù)設(shè)閾值。

應(yīng)用本申請?zhí)峁┑倪\(yùn)動目標(biāo)檢測方法，在將獲取的視頻圖像進(jìn)行灰度處理得到灰度圖像后，基于改進(jìn)的CLG光流模型實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測。本申請?zhí)峁┑腃LG光流模型利用視頻圖像序列中各個(gè)像素點(diǎn)的灰度值時(shí)序變化的相關(guān)性來確定圖像中各像素點(diǎn)的相對運(yùn)動，將視頻圖像序列中各個(gè)像素點(diǎn)投影到三維物體上，并賦予每個(gè)像素點(diǎn)與三維物體上的點(diǎn)對應(yīng)的速度矢量，根據(jù)速度矢量的特征對該三維物體進(jìn)行動態(tài)分析。本申請考慮了光照變化對檢測結(jié)果的影響，使得算法對于運(yùn)動目標(biāo)的評估更加精確，從而實(shí)現(xiàn)在光照變化發(fā)生突變時(shí)對運(yùn)動目標(biāo)進(jìn)行穩(wěn)定準(zhǔn)確的檢測。

附圖說明

為了更清楚地說明本申請實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。

圖1為本申請?zhí)峁┑囊环N運(yùn)動目標(biāo)檢測方法的流程圖；

圖2為本申請?zhí)峁┑囊环N運(yùn)動目標(biāo)檢測裝置的結(jié)構(gòu)示意圖；

圖3為本申請?zhí)峁┑囊环N運(yùn)動目標(biāo)檢測裝置的另一種結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本申請實(shí)施例中的附圖，對本申請實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本申請一部分實(shí)施例，而不是全部的實(shí)施例?；诒旧暾堉械膶?shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本申請保護(hù)的范圍。

請參閱圖1，其示出了本申請?zhí)峁┑囊环N運(yùn)動目標(biāo)檢測方法的流程圖，包括：

步驟101，獲取視頻圖像。

步驟102，對所述視頻圖像進(jìn)行灰度處理得到灰度圖像。

本申請?jiān)谧x取每幀視頻圖像后，可以采用結(jié)構(gòu)紋理分解檢測視頻圖像。在視頻序列預(yù)處理部分引入結(jié)構(gòu)紋理分解，使得算法能夠更好的適應(yīng)動態(tài)背景的變化，有效降低光照變化對光流估計(jì)帶來的影響。

步驟103，基于所述灰度圖像、預(yù)設(shè)的CLG光流模型以及預(yù)設(shè)條件計(jì)算得到第一公式。

第一公式為

其中，I為所述灰度圖像，為所述灰度圖像在x、y方向上的光流梯度，ρ為標(biāo)準(zhǔn)差，K_ρ為高斯權(quán)函數(shù)，α為平滑項(xiàng)，w＝[u,v,1]^T，其中u、v為光流在x、y方向的速度，ψ(x)為懲罰函數(shù)，ε取值0.0001；I_x、I_y、I_t分別為所述灰度圖像在x、y以及灰度梯度最大方向上的光流，I_xx、I_yy、I_xy、I_xt、I_yt分別為所述光流在x、y、t三個(gè)方向上的導(dǎo)數(shù)。

具體在本申請中，將上述公式(1)和公式(2)聯(lián)立，即可得到公式(3)。

步驟104，依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k；k為正整數(shù)。

具體的，本申請依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)得到第二公式。

第二公式為其中，

利用所述第二公式(4)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k、dv^k。

本申請中，根據(jù)灰度線性不變假設(shè)，只有當(dāng)u、v取值充分小時(shí)上式(4)才成立。為了處理實(shí)際目標(biāo)檢測中目標(biāo)位移較大的情況，這里采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k、dv^k。

步驟105，根據(jù)所述k層金字塔的光流增量du^k，dv^k實(shí)現(xiàn)對運(yùn)行目標(biāo)的檢測。

在得到k層金字塔的光流增量du^k，dv^k后，根據(jù)求得光流的位移和幅值計(jì)算背景運(yùn)動矢量，完成動態(tài)背景運(yùn)動目標(biāo)的檢測。

應(yīng)用本申請?zhí)峁┑倪\(yùn)動目標(biāo)檢測方法，在將獲取的視頻圖像進(jìn)行灰度處理得到灰度圖像后，基于改進(jìn)的CLG光流模型實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測。本申請?zhí)峁┑腃LG光流模型利用視頻圖像序列中各個(gè)像素點(diǎn)的灰度值時(shí)序變化的相關(guān)性來確定圖像中各像素點(diǎn)的相對運(yùn)動，將視頻圖像序列中各個(gè)像素點(diǎn)投影到三維物體上，并賦予每個(gè)像素點(diǎn)與三維物體上的點(diǎn)對應(yīng)的速度矢量，根據(jù)速度矢量的特征對該三維物體進(jìn)行動態(tài)分析。本申請考慮了光照變化對檢測結(jié)果的影響，使得算法對于運(yùn)動目標(biāo)的評估更加精確，從而實(shí)現(xiàn)在光照變化發(fā)生突變時(shí)對運(yùn)動目標(biāo)進(jìn)行穩(wěn)定準(zhǔn)確的檢測。

上述實(shí)施例中，本申請?zhí)峁┑腃LG光流模型雖然能較好的解決光流算法在光照變化條件下存在的光流計(jì)算精度低的問題，但是在實(shí)際的運(yùn)動目標(biāo)檢測過程中，該算法需要達(dá)到一定的迭代次數(shù)以滿足所求光流的精度要求，導(dǎo)致上述算法計(jì)算量較大，無法滿足運(yùn)動目標(biāo)檢測的實(shí)時(shí)性要求?；诖?，本申請對上述算法進(jìn)行計(jì)算量方面的改進(jìn)，以提高算法的實(shí)時(shí)性，滿足系統(tǒng)的實(shí)時(shí)性要求。

具體的，本申請可以在步驟102，對視頻圖像進(jìn)行灰度處理得到灰度圖像之后，還可以包括步驟106，判斷所述灰度圖像中像素點(diǎn)的灰度梯度是否大于預(yù)設(shè)閾值。

為了達(dá)到對運(yùn)動目標(biāo)檢測的實(shí)時(shí)性要求，本申請?jiān)诘玫交叶葓D像之后，首先通過閾值分割的辦法，將灰度圖像中灰度梯度大于預(yù)設(shè)閾值T的像素點(diǎn)利用上述改進(jìn)的CLG光流算法，即利用上述公式(1)計(jì)算光流，再通過平滑迭代得到其他像素點(diǎn)的光流。其次，根據(jù)圖像大小采用多層高斯金字塔結(jié)構(gòu)分層計(jì)算，減少算法計(jì)算量，提高目標(biāo)檢測的實(shí)時(shí)性。

一般情況下，目標(biāo)運(yùn)動前后對應(yīng)像素點(diǎn)的灰度保持不變，只有在灰度梯度較大(灰度梯度大于預(yù)設(shè)閾值T)的像素點(diǎn)處近似成立。因此本申請只對灰度梯度較大的像素點(diǎn)采用上述CLG光流算法，其他像素點(diǎn)處的光流則采用平滑迭代方法，保證了算法的檢測精度。

本申請定義權(quán)函數(shù)：

此時(shí)上述預(yù)設(shè)的CLG光流模型變形為：

其中T為預(yù)設(shè)閾值。

本申請中，對于灰度梯度較小(灰度梯度小于等于預(yù)設(shè)閾值T)的像素點(diǎn)處的光流迭代公式為：

其中k為光流迭代次數(shù)，λ為權(quán)重系數(shù)，是x和y兩個(gè)方向上光流的局部平均。

同時(shí)，本申請擬采用高斯低通濾波器與圖像卷積的方法，將原始圖像進(jìn)行兩次降采樣得到4層的高斯金字塔。對于圖像中的各個(gè)像素點(diǎn)，可令高斯金字塔的最底層運(yùn)動向量g²＝0，并經(jīng)過升采樣可得第二層高斯金字塔的初始運(yùn)動向量g¹＝2v²。依此類推，可得到最頂層高斯金字塔的光流值：

其中L為金字塔層數(shù)，d為運(yùn)動向量。

對于低層的高斯金字塔，由于圖像像素點(diǎn)較少可以適當(dāng)提高迭代次數(shù)以提高所求光流值的精度。而對于高層的高斯金字塔，則可以減少迭代次數(shù)以滿足算法的實(shí)時(shí)性要求。取視頻圖像中的連續(xù)幾幀，分別用上述減小計(jì)算量改進(jìn)前后的算法進(jìn)行比較，所得結(jié)果見下表1所示。表1示出了減小計(jì)算量改進(jìn)前后算法耗時(shí)對比：

表1

在本申請實(shí)施例中，首先在讀取每幀視頻圖像后，結(jié)構(gòu)紋理分解檢測視頻圖像，可以有效降低光照變化對光流估計(jì)帶來的影響。其次，采用高斯金字塔分層計(jì)算光流并通過灰度梯度較大的像素點(diǎn)的光流迭代得到其他像素點(diǎn)的光流，從而降低算法計(jì)算量，提高檢測效率。最后，根據(jù)上述求得光流的位移和幅值計(jì)算背景運(yùn)動矢量，完成動態(tài)背景運(yùn)動目標(biāo)的檢測。

基于前文本申請?zhí)峁┑囊环N運(yùn)動目標(biāo)檢測方法，本申請還提供一種運(yùn)動目標(biāo)檢測裝置，如圖2所示，包括：

視頻圖像獲取單元100，用于獲取視頻圖像；

灰度處理單元200，用于對所述視頻圖像進(jìn)行灰度處理得到灰度圖像；

第一計(jì)算單元300，用于基于所述灰度圖像、預(yù)設(shè)的CLG光流模型以及預(yù)設(shè)條件計(jì)算得到第一公式；其中，I為所述灰度圖像，為所述灰度圖像在x、y方向上的光流梯度，ρ為標(biāo)準(zhǔn)差，K_ρ為高斯權(quán)函數(shù)，α為平滑項(xiàng)，w＝[u,v,1]^T，其中u、v為光流在x、y方向的速度，ψ(x)為懲罰函數(shù)，ε取值0.0001；I_x、I_y、I_t分別為所述灰度圖像在x、y以及灰度梯度最大方向上的光流，I_xx、I_yy、I_xy、I_xt、I_yt分別為所述光流在x、y、t三個(gè)方向上的導(dǎo)數(shù)；所述第一公式為

第二計(jì)算單元400，用于依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k；k為正整數(shù)；

運(yùn)行目標(biāo)檢測單元500，用于根據(jù)所述k層金字塔的光流增量du^k，dv^k實(shí)現(xiàn)對運(yùn)行目標(biāo)的檢測。

其中所述第二計(jì)算單元400包括：

第一計(jì)算子單元401，用于依據(jù)所述第一公式，根據(jù)灰度線性不變假設(shè)得到第二公式；所述第二公式為其中，

第二計(jì)算子單元402，用于利用所述第二公式，采用固定點(diǎn)迭代的方法求取k層金字塔的光流增量du^k，dv^k。

作為優(yōu)選地，本申請進(jìn)一步包括灰度梯度判斷單元600，如圖3所示，灰度梯度判斷單元600具體用于判斷所述灰度圖像中像素點(diǎn)的灰度梯度是否大于預(yù)設(shè)閾值；

此時(shí)所述預(yù)設(shè)的CLG光流模型可變形為：

其中T為預(yù)設(shè)閾值。

需要說明的是，本說明書中的各個(gè)實(shí)施例均采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似的部分互相參見即可。對于裝置類實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

以上對本申請所提供的一種運(yùn)動目標(biāo)檢測方法和裝置進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對本申請的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本申請的方法及其核心思想；同時(shí)，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實(shí)施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。