專利名稱：基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理技術(shù)，尤其涉及一種基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法。特別是在壓縮域內(nèi)快速實(shí)時(shí)檢測(cè)圖像序列場(chǎng)景的變化，同時(shí)向無(wú)線數(shù)字圖像監(jiān)控系統(tǒng)提供可靠的場(chǎng)景變化指示。
背景技術(shù)：
隨著無(wú)線技術(shù)的應(yīng)用和發(fā)展，海量信息的工業(yè)現(xiàn)場(chǎng)圖像需要被存儲(chǔ)在嵌入式終端設(shè)備，并實(shí)時(shí)傳輸?shù)奖O(jiān)控中心，以供專職人員進(jìn)行人工監(jiān)視和完成場(chǎng)景異常情況的判斷。由于現(xiàn)場(chǎng)工況的復(fù)雜性，對(duì)于某些重要的場(chǎng)景，要求專職人員目不轉(zhuǎn)睛地盯著監(jiān)視器，容易疲勞而分心。因此急需開(kāi)發(fā)具有一定智能的嵌入式終端設(shè)備對(duì)圖像序列自動(dòng)進(jìn)行場(chǎng)景變化檢測(cè)，同時(shí)將場(chǎng)景發(fā)生變化的圖像上傳至監(jiān)控中心，并發(fā)出報(bào)警信號(hào)通知專職人員及時(shí)處理，這在很大程度上減輕專職人員的負(fù)擔(dān)，加強(qiáng)現(xiàn)場(chǎng)監(jiān)控的安全性，也有利于減少無(wú)線傳輸?shù)臄?shù)據(jù)流量，降低運(yùn)營(yíng)成本。
在無(wú)線數(shù)字圖像監(jiān)控系統(tǒng)中，場(chǎng)景變化檢測(cè)是一個(gè)非常重要的問(wèn)題，它要求較高的執(zhí)行效率和可靠性。在圖像的再現(xiàn)中，場(chǎng)景中變化的檢測(cè)被稱為場(chǎng)景變化檢測(cè)。這里討論的場(chǎng)景變化是指有目標(biāo)出現(xiàn)或移動(dòng)引起一幀圖像組成部分的任何顯著變化。在進(jìn)行變化檢測(cè)時(shí)，攝像機(jī)通常處于靜止?fàn)顟B(tài)，并且鏡頭焦距是固定的，此時(shí)圖像中的背景區(qū)域固定不動(dòng)。在這種情況下，主要有三種變化檢測(cè)方法時(shí)域差分法、背景差分法和光流法。其中時(shí)域差分法[1]是將前后兩幀或三幀圖像相減，若差值大于某一閾值，就判斷場(chǎng)景發(fā)生了變化。這種方法能夠適應(yīng)環(huán)境的動(dòng)態(tài)變化，魯棒性較好，但是不能完全提取出所有相關(guān)的特征像素點(diǎn)。背景差分法[2-4]利用當(dāng)前圖像與背景圖像的差分來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域，即將當(dāng)前圖像與事先存儲(chǔ)的背景圖像相減來(lái)判斷是否出現(xiàn)運(yùn)動(dòng)目標(biāo)。這種方法對(duì)光照的環(huán)境條件非常敏感，容易產(chǎn)生誤判斷。光流法[5]在不需要背景區(qū)域的任何先驗(yàn)知識(shí)條件下就能夠?qū)崿F(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)，還可以應(yīng)用于攝像機(jī)運(yùn)動(dòng)的情況。但是，光流法的計(jì)算量非常大，而且對(duì)噪聲比較敏感，對(duì)硬件要求比較高，因而不適合普通嵌入式工業(yè)級(jí)芯片的實(shí)時(shí)處理。
針對(duì)場(chǎng)景變化檢測(cè)，目前國(guó)內(nèi)外還沒(méi)有一個(gè)通用的算法。在已有的相關(guān)發(fā)明專利文獻(xiàn)中，按照被檢測(cè)的圖像數(shù)據(jù)類型來(lái)分，檢測(cè)方法又主要包括兩大類非壓縮數(shù)據(jù)和壓縮數(shù)據(jù)。在基于非壓縮數(shù)據(jù)的檢測(cè)方法中，主要有像素差異法和基于直方圖的方法。像素差異法[8，14]是最常用的檢測(cè)方法，主要是針對(duì)未編碼圖像，通過(guò)設(shè)計(jì)的判定準(zhǔn)則比較兩幀圖像像素差異是否超過(guò)設(shè)定閾值來(lái)進(jìn)行場(chǎng)景變化檢測(cè)?；谥狈綀D的方法[6，7]比較耗時(shí)，不適合嵌入式芯片的實(shí)時(shí)檢測(cè)應(yīng)用?；趬嚎s數(shù)據(jù)的檢測(cè)方法主要有數(shù)據(jù)流量檢測(cè)法，DC圖像差異法和運(yùn)動(dòng)矢量比較法。數(shù)據(jù)流量檢測(cè)法[9]需要不斷監(jiān)測(cè)數(shù)據(jù)流量的變化，當(dāng)數(shù)據(jù)流超過(guò)某一門(mén)限值時(shí)，則認(rèn)為場(chǎng)景出現(xiàn)變化，算法比較簡(jiǎn)單，但是容易產(chǎn)生誤判。DC圖像差異法[10]取得了比較好的效果，但是這種方法對(duì)亮度或顏色變化非常敏感。運(yùn)動(dòng)矢量比較法[11，13]是從MPEG壓縮視頻中提取出運(yùn)動(dòng)矢量(Motion Vectors，MV)，然后根據(jù)這些矢量的特征變化判斷是否發(fā)生場(chǎng)景變化。此外，還有幾種比較有針對(duì)性的、新穎的檢測(cè)方法。其中，文獻(xiàn)[15]先將當(dāng)前圖像和參考圖像劃分成若干個(gè)區(qū)域，統(tǒng)計(jì)并保存與運(yùn)動(dòng)信息相關(guān)的特征，然后采用差分法進(jìn)行運(yùn)動(dòng)檢測(cè)，最后利用當(dāng)前圖像更新參考圖像。各個(gè)檢測(cè)區(qū)域可以設(shè)定不同的閾值，本質(zhì)上仍然屬于時(shí)域差分方法。文獻(xiàn)[16]采用檢測(cè)窗口從一組連續(xù)圖像中截取兩幀靜態(tài)圖像，通過(guò)比較圖像的變換行數(shù)判斷圖像是運(yùn)動(dòng)圖像還是靜止圖像。如果圖像是靜止圖像，則計(jì)算有變化像素行在圖像中的分布，同時(shí)檢測(cè)窗口隨著有變化像素行的分布區(qū)域而改變。文獻(xiàn)[12，17]先通過(guò)反向量化器分別得到第一和第二中間圖像的LL子帶，它們被存儲(chǔ)在中間圖像存儲(chǔ)器中，然后利用存儲(chǔ)在中間圖像存儲(chǔ)器中的數(shù)據(jù)判斷是否有場(chǎng)景變化。這種方法主要是針對(duì)基于小波變換的圖像處理應(yīng)用，比如采用JPEG2000標(biāo)準(zhǔn)的圖像編解碼。實(shí)用的檢測(cè)方法大多都是針對(duì)不同的應(yīng)用場(chǎng)合和場(chǎng)景客觀條件而設(shè)計(jì)的，因而如果結(jié)合時(shí)域差分法和背景差分法，以及采用先進(jìn)的背景更新技術(shù)和判斷機(jī)制，則可以改善檢測(cè)方法的效能，從而適應(yīng)具體的應(yīng)用環(huán)境和對(duì)象。
由于圖像數(shù)據(jù)量大的特點(diǎn)，攝像機(jī)采集來(lái)的圖像一般都使用了各種壓縮標(biāo)準(zhǔn)，如JPEG、MPEG等。壓縮標(biāo)準(zhǔn)的運(yùn)用減少了圖像數(shù)據(jù)存儲(chǔ)和傳輸?shù)拈_(kāi)銷，卻增加了相應(yīng)的處理工作量。因?yàn)椴捎孟袼赜虻奶幚矸椒?，這些壓縮過(guò)的圖像數(shù)據(jù)必須解壓后才能處理，而解壓的計(jì)算量是很大的。解決的途徑之一是在壓縮域直接處理圖像數(shù)據(jù)，這樣既可以省去完全解壓過(guò)程，處理速度快，又可以節(jié)約處理過(guò)程中占用的系統(tǒng)資源。此外，動(dòng)態(tài)JPEG(Motion JPEG，MJPEG)編碼具有無(wú)延遲特性，且算法復(fù)雜性較低；MPEG編碼算法比較復(fù)雜，進(jìn)行編碼時(shí)需要有較高的效能要求，而且MPEG編碼以畫(huà)面群(Group of Pictures，GOP)為單位，會(huì)受到每個(gè)GOP中的畫(huà)面數(shù)影響而延遲，降低了數(shù)字圖像無(wú)線傳輸與監(jiān)控的應(yīng)用效果。因而，工業(yè)用的攝像頭通常采用MJPEG算法，少數(shù)以MPEG算法進(jìn)行編碼壓縮。如果在嵌入式終端設(shè)備上直接采用傳統(tǒng)的差分方法檢測(cè)MJPEG圖像序列中場(chǎng)景的變化，需要經(jīng)過(guò)熵解碼(Entropy Decoding)、反量化(Dequantization)和反向離散余弦變換(Inverse DCT，IDCT)幾個(gè)解碼步驟以便得到重建圖像，然后對(duì)重建圖像進(jìn)行基于像素的變化檢測(cè)。這種通過(guò)一次性完全解碼圖像后完成場(chǎng)景變化檢測(cè)的技術(shù)方案需要很大的計(jì)算量，因而降低了檢測(cè)過(guò)程的實(shí)時(shí)性。
由此可見(jiàn)，上述現(xiàn)有的場(chǎng)景變化檢測(cè)技術(shù)與方法試圖提高圖像序列中場(chǎng)景變化的可靠性，但是都存在不足之處，在檢測(cè)算法和判斷機(jī)制上存在創(chuàng)新改進(jìn)的空間，以提高檢測(cè)的效率。
參考文獻(xiàn)[1]Neri A，Colonnese S，Russo G，Talone P.Automatic moving ob ject and backgroundseparation[J].Signal Processing，1998，66(2)219-232. Wren C R，Azarbayejani A，Darrell T，Pentland A P.PfinderReal-Time trackingof the human body[J].IEEE Transaction on PAMI，1997，19(7)780-785. Haritaoglu I，Harwood D，Davis L.W4Real-Time surveillance of people and theiractivities[J].IEEE Transactions on PAMI，2000，22(8)809-830. Herrero E，Orrite C，Senar J.Detected motion classification with adouble-background and a neighborhood-based difference.Pattern RecognitionLetters[J]，2003，24(12)2079-2092. Smith S M，Brady J M.ASSET-2Real-Time motion segmentation and shape tracking[J].IEEE Transactions on PAMI，1995，17(8)814-820. Prakash Adityo，F(xiàn)odor Eniko，Ratner Edward R.Scene change detection bysegmentation analysis[P].U.S.PAT.No.6985623，2006-01-10. Park Geoffrey.Method and system for scene change detection[P].U.S.PAT.No.6995805，2006-02-07. Katsavounidis Ioannis，Kim Chang-Su，Zhao Lifeng.Systems and methods fordetecting scene changes in a video data stream[P].U.S.PAT.No.7110452，2006-09-19. Hill Philip N.C.，Randall Bruce W.Detecting scene changes[P].U.S.PAT.No.5471239，1995-11-28. Divakaran Ajay，Sun Huifang，Ito Hiroshi，Poon Tommy C.Methods of scenechange detection and fade detection for indexing of video sequences[P].U.S.PAT.No.6449392，2002-09-10. Divakaran Ajay，Radhakrishnan Regunathan.Unusual event detection usingmotion activity descriptors[P].U.S.PAT.No.6823011，2004-11-23. Ohyama Tatsushi，Yamauchi Hideki.Method and apparatus for decoding andcoding images with scene change detection function[P].U.S.PAT.No.6977962，2005-12-20. Liu Ming-Chang，Tsukagoshi Ikuo.Scene change detection[P].U.S.PAT.No.7058130，2006-06-06. 陳學(xué)敏，劉承德.數(shù)字視頻信號(hào)的場(chǎng)景變化檢測(cè)器[P].中國(guó)專利號(hào)CN1099801C，2003-01-23. 王浩，夏煜.一種運(yùn)動(dòng)檢測(cè)方法[P].中國(guó)專利號(hào)CN1688157A，2005-10-26. 周天夷，周芬，高曉宇.運(yùn)動(dòng)圖像檢測(cè)方法和電路[P].中國(guó)專利號(hào)CN1632594A，2005-06-29. 大山達(dá)史，山內(nèi)英樹(shù).帶場(chǎng)景變化檢測(cè)功能的編碼解碼圖像的設(shè)備和方法[P].中國(guó)專利號(hào)CN1206855C，2005-06-15.

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有場(chǎng)景變化檢測(cè)技術(shù)的不足，提供一種基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法。
它包括如下步驟1)檢測(cè)區(qū)域設(shè)置單元將圖像劃分為多個(gè)檢測(cè)區(qū)域，對(duì)選定的區(qū)域進(jìn)行檢測(cè)；2)圖像解碼單元從輸入端過(guò)來(lái)的圖像已經(jīng)過(guò)編碼壓縮，被當(dāng)作當(dāng)前圖像送給圖像解碼單元，經(jīng)過(guò)熵解碼后得到解壓縮后的變換域系數(shù)；3)移動(dòng)偵測(cè)單元直接從熵解碼后的符號(hào)流中提取統(tǒng)計(jì)特征，對(duì)兩幀已編碼圖像進(jìn)行檢測(cè)，對(duì)于處在選定偵測(cè)區(qū)域內(nèi)的各個(gè)子塊，先提取每個(gè)顏色分量上變換域系數(shù)的統(tǒng)汁特征，然后采用“與/或/非”的邏輯判斷機(jī)制對(duì)顏色分量的變化情況進(jìn)行判斷，同時(shí)給出移動(dòng)偵測(cè)結(jié)果；4)場(chǎng)景變化判別單元在壓縮域內(nèi)對(duì)當(dāng)前圖像和背景參考圖像以及變化記錄圖像進(jìn)行聯(lián)合移動(dòng)偵測(cè)，接著根據(jù)移動(dòng)偵測(cè)結(jié)果進(jìn)行場(chǎng)景變化判別，同時(shí)給出場(chǎng)景變化指示。
所述的場(chǎng)景變化判別過(guò)程包括在選定的檢測(cè)區(qū)域內(nèi)，對(duì)當(dāng)前圖像和背景參考圖像、變化記錄圖像相同位置處顏色分量的變化情況進(jìn)行聯(lián)合移動(dòng)偵測(cè)，并根據(jù)移動(dòng)偵測(cè)的結(jié)果判斷是否有場(chǎng)景變化，同時(shí)動(dòng)態(tài)更新背景參考圖像和變化記錄圖像。
背景參考圖像和變化記錄圖像是用來(lái)存儲(chǔ)編碼圖像不完全解碼得到的變換域系數(shù)，且由場(chǎng)景變化判別單元根據(jù)一段時(shí)間內(nèi)圖像序列的變化情況進(jìn)行相應(yīng)的更新。
邏輯判斷機(jī)制包括選擇不同的顏色分量作為特征提取的數(shù)據(jù)，再采用“與/或/非”的邏輯判斷機(jī)制對(duì)它們的變化情況進(jìn)行組合和判斷，同時(shí)給出判斷結(jié)果。
移動(dòng)偵測(cè)過(guò)程包括首先在選定的檢測(cè)區(qū)域內(nèi)分別提取兩幀圖像對(duì)應(yīng)顏色分量中每個(gè)子塊中變換域系數(shù)的統(tǒng)計(jì)特征以判斷相應(yīng)的子塊是否發(fā)生變化，接著根據(jù)顏色分量判定過(guò)程判斷相應(yīng)顏色分量是否發(fā)生變化，最后采用邏輯判斷機(jī)制對(duì)偵測(cè)區(qū)域內(nèi)所有顏色分量的變化情況進(jìn)行判斷。
顏色分量變化判定過(guò)程包括在選定的檢測(cè)區(qū)域內(nèi)，且在某顏色分量對(duì)應(yīng)的子塊總數(shù)內(nèi)，根據(jù)變化的子塊個(gè)數(shù)占子塊總數(shù)的百分比來(lái)判斷該顏色分量是否發(fā)生變化。
子塊變化判定過(guò)程包括對(duì)于一個(gè)以K×K像素為單位的子塊，首先計(jì)算變換域系數(shù)絕對(duì)值的和，然后取其差的絕對(duì)值。如果此絕對(duì)值大于設(shè)定的閾值，則認(rèn)為該子塊發(fā)生了變化。
本發(fā)明所提供的場(chǎng)景變化檢測(cè)方法，與現(xiàn)有技術(shù)相互比較時(shí)，具有下述顯著的優(yōu)點(diǎn)(1)不需要完全的解碼過(guò)程(Full-Frame Decompression)，大大減少了計(jì)算量；(2)在壓縮域內(nèi)直接計(jì)算各個(gè)顏色分量上對(duì)應(yīng)變換域系數(shù)的統(tǒng)計(jì)特征，而且采用科學(xué)的判斷機(jī)制實(shí)現(xiàn)移動(dòng)偵測(cè)，算法簡(jiǎn)單，效率高；(3)結(jié)合時(shí)域差分法和背景差分法的優(yōu)點(diǎn)，既能降低環(huán)境光線變化的影響，又能準(zhǔn)確檢測(cè)出場(chǎng)景的變化，可靠性好。


圖1顯示了根據(jù)JPEG標(biāo)準(zhǔn)的圖像編解碼的順序；圖2顯示了根據(jù)本發(fā)明方法的流程圖；圖3顯示了根據(jù)本發(fā)明實(shí)施例的移動(dòng)偵測(cè)流程圖；圖4顯示了根據(jù)本發(fā)明實(shí)施例的場(chǎng)景變化判別流程圖。
具體實(shí)施例方式
由于離散余弦變換(Discrete cosine transform，DCT)具有良好的解相關(guān)性和快速算法，因而它被國(guó)際壓縮標(biāo)準(zhǔn)如JPEG，MPEG1/MPEG2/MPEG4，H261/H263/H264等普遍采用。由于JPEG基本模式編解碼算法具有普遍性，上面提到的其他國(guó)際標(biāo)準(zhǔn)幾乎均采用與它相似的算法結(jié)構(gòu)。因此，本發(fā)明實(shí)施例選用基于JPEG編碼和解碼的圖像的處理，這是具有典型性的。
圖1給出了JPEG基本模式下的圖像編解碼算法。在JPEG編碼算法中，原始圖像首先被分割成8×8不重疊的子塊，然后對(duì)每個(gè)子塊進(jìn)行DCT得到1個(gè)直流系數(shù)(DC coefficient)和63個(gè)交流系數(shù)(AC coefficients)，接著所有這些系數(shù)按照zig-zag重新排序，最后采用差分脈沖編碼調(diào)制(Differential pulsecode modulation，DPCM)對(duì)DC系數(shù)進(jìn)行編碼，使用游程編碼(Run-length，RLE)對(duì)AC系數(shù)進(jìn)行編碼，再使用霍夫曼(Huffman)編碼技術(shù)對(duì)所有這些碼值進(jìn)行最終編碼。解碼算法正好是編碼算法的逆過(guò)程。
下面結(jié)合附圖對(duì)本發(fā)明的場(chǎng)景變化檢測(cè)方法進(jìn)行詳細(xì)的說(shuō)明。
步驟一、檢測(cè)區(qū)域設(shè)置。
只在選定的區(qū)域進(jìn)行移動(dòng)偵測(cè)，其他區(qū)域則可以忽略。當(dāng)然也可以對(duì)圖像的全部區(qū)域都進(jìn)行移動(dòng)偵測(cè)。區(qū)域設(shè)置的大小可以根據(jù)圖像大小和檢測(cè)精確性要求等情況而定。在本實(shí)施例中，圖像的全部區(qū)域都被設(shè)為偵測(cè)區(qū)域。
步驟二、圖像解碼。
由于采用基于壓縮域的場(chǎng)景變化檢測(cè)技術(shù)，因此只需要部分解碼JPEG壓縮過(guò)的圖像數(shù)據(jù)，也即壓縮的圖像數(shù)據(jù)經(jīng)熵解碼得到DCT變換系數(shù)，以方便后續(xù)檢測(cè)步驟在壓縮域進(jìn)行操作。本步驟省略了如圖1虛線框中的反量化和IDCT過(guò)程，在很大程度上節(jié)約了計(jì)算量。
步驟三、移動(dòng)偵測(cè)。
在壓縮域內(nèi)進(jìn)行移動(dòng)偵測(cè)。先提取顏色分量對(duì)應(yīng)的DCT系數(shù)的統(tǒng)計(jì)特征，再采用邏輯判斷機(jī)制偵測(cè)區(qū)域進(jìn)行判斷，移動(dòng)偵測(cè)流程圖如圖3所示。
以Y分量的變化判斷操作為例來(lái)說(shuō)明單個(gè)顏色分量的移動(dòng)偵測(cè)過(guò)程1)子塊變化判定過(guò)程。以兩幀圖像對(duì)應(yīng)位置處Y分量中的一個(gè)8×8子塊為例，先計(jì)算DCT系數(shù)絕對(duì)值的和，再取其差的絕對(duì)值。如果此絕對(duì)值大于設(shè)定的閾值SY，則認(rèn)為該子塊發(fā)生了變化，同時(shí)塊計(jì)數(shù)器CY累加。判定準(zhǔn)則如公式(1)、(2)、(3)所示E1i=Σu=0B-1Σv=0B-1|F1i(u,v)|---(1)]]>
E2i=Σu=0B-1Σv=0B-1|F2i(u,v)|---(2)]]>ΔEi＝｜E1i-E2i｜ (3)其中，下標(biāo)i表示顏色分量類型。
2)顏色分量變化判定過(guò)程。對(duì)于320×240像素、YUV211格式的真彩圖像而言，Y分量中有1024個(gè)子塊，對(duì)每個(gè)子塊均進(jìn)行上述判定過(guò)程，可以得到總的變化塊數(shù)。假設(shè)規(guī)定整幅圖片超過(guò)10％的幅面發(fā)生了變化，于是認(rèn)為移動(dòng)條件成立，這樣設(shè)定閾值BY為1024×10％＝102。如果塊計(jì)數(shù)器CY累計(jì)值大于102，則說(shuō)明這兩幀圖像中的Y分量發(fā)生了變化。
對(duì)于YUV211格式的真彩圖像，如果利用Y、U和V三個(gè)顏色分量的變化情況進(jìn)行聯(lián)合判斷，則需要移動(dòng)偵測(cè)三個(gè)分量，再根據(jù)這三個(gè)偵測(cè)結(jié)果采用“與/或”機(jī)制完成邏輯判斷，最后根據(jù)邏輯值的真假確定移動(dòng)條件是否成立。如果僅僅利用Y分量對(duì)應(yīng)的DCT系數(shù)的統(tǒng)計(jì)特征變化情況進(jìn)行移動(dòng)偵測(cè)，則U和V可以設(shè)置為“非”，這樣在子塊變化判定過(guò)程中可以省略U和V分量的提取操作。
步驟四、場(chǎng)景變化判別。
在DCT壓縮內(nèi)對(duì)當(dāng)前圖像和背景參考圖像、變化記錄圖像進(jìn)行聯(lián)合移動(dòng)偵測(cè)，從而判斷場(chǎng)景變化與否，同時(shí)給出場(chǎng)景變化指示。圖4給出了場(chǎng)景變化判別流程，具體執(zhí)行過(guò)程如下第一步，檢查是否已經(jīng)執(zhí)行過(guò)初始化操作，如果沒(méi)有初始化的話，則將任意采集到的一幀圖像解碼得到的DCT數(shù)據(jù)分別賦給背景參考圖像和變化記錄圖像。
第二步，將當(dāng)前圖像與背景圖像進(jìn)行移動(dòng)偵測(cè)，如果移動(dòng)條件成立，執(zhí)行下一步；否則，計(jì)數(shù)器1清零，更新背景參考圖像，跳至第五步。
第三步，將當(dāng)前圖像與變化記錄圖像進(jìn)行移動(dòng)偵測(cè)，如果移動(dòng)條件成立，更新變化記錄圖像，計(jì)數(shù)器1加一，計(jì)數(shù)器2清零；否則，計(jì)數(shù)器2加一，并與閾值Nth2比較，如果大于的話，計(jì)數(shù)器2清零，更新變化記錄圖像和背景參考圖像，且跳至第五步；反之，執(zhí)行下一步。
第四步，計(jì)數(shù)器1的計(jì)數(shù)值與閾值Nth1比較，如果大于的話，則表明場(chǎng)景發(fā)生了變化，且計(jì)數(shù)器1清零；否則，執(zhí)行下一步。
第五步，退出。
值得注意的是，參數(shù)Nth1和Nth2的選取是一種啟發(fā)式方法，需要根據(jù)具體環(huán)境和使用經(jīng)驗(yàn)選擇連續(xù)判定的次數(shù)，但是經(jīng)大量實(shí)驗(yàn)發(fā)現(xiàn)它們不是關(guān)鍵和敏感的參數(shù)，用戶可以進(jìn)行修正以得到適合具體環(huán)境的較好的檢測(cè)性能。
實(shí)驗(yàn)結(jié)果與分析為了驗(yàn)證本發(fā)明方法的有效性，在具體實(shí)施方案中它被嵌入到以AT91RM9200為核心的嵌入式開(kāi)發(fā)板(華恒科技HH9200)中，進(jìn)行了相關(guān)的測(cè)試工作。此款嵌入式開(kāi)發(fā)板的硬件指標(biāo)如下主頻為180MHz，嵌入式操作系統(tǒng)版本為L(zhǎng)inux2.4.27。工業(yè)攝像頭(紐飛迅NCS-200)采集到的真彩圖像格式為YUV211，圖像大小為320×240。
分別用標(biāo)準(zhǔn)C代碼實(shí)現(xiàn)基于完全幀解碼的背景變化檢測(cè)方法(記為方法1)和本發(fā)明方法(基于DCT域的背景變化檢測(cè)方法，記為方法2)，然后移植到嵌入式開(kāi)發(fā)板中進(jìn)行大范圍的彩色JPEG圖像序列的場(chǎng)景變化檢測(cè)，對(duì)兩者的運(yùn)行時(shí)間和誤判率進(jìn)行了統(tǒng)計(jì)和比較。采用8×8DCT塊大小，則每幀圖像被分割為1024個(gè)子區(qū)域，相應(yīng)的實(shí)驗(yàn)參數(shù)選擇如表1所示。
表1 實(shí)驗(yàn)參數(shù)選擇

在實(shí)驗(yàn)測(cè)試過(guò)程中，為了比較兩種方法在移動(dòng)偵測(cè)過(guò)程的效率差異，設(shè)定Nth1＝Nth2＝0，也即僅僅采用時(shí)域差分法進(jìn)行場(chǎng)景變化檢測(cè)。在光照條件良好，測(cè)試距離為15米以內(nèi)的室內(nèi)環(huán)境時(shí)，將整個(gè)圖像畫(huà)面都設(shè)為偵測(cè)區(qū)域，實(shí)驗(yàn)結(jié)果如表2所示。從表2可以看出，在一定的偵測(cè)準(zhǔn)確率前提下，本發(fā)明中的移動(dòng)偵測(cè)單元占用的運(yùn)行時(shí)間大大低于傳統(tǒng)的移動(dòng)偵測(cè)方法，能夠滿足無(wú)線數(shù)字監(jiān)控系統(tǒng)的實(shí)時(shí)性要求。
表2兩種方法在同等條件下運(yùn)行時(shí)間和誤判率的統(tǒng)計(jì)結(jié)果

在上述實(shí)驗(yàn)中，如果針對(duì)測(cè)試環(huán)境條件和對(duì)象，設(shè)定Nth1＝3，Nth2＝5，也即采用時(shí)域差分法和背景差分法聯(lián)合進(jìn)行移動(dòng)偵測(cè)和判斷，則本發(fā)明方法能夠取得更低的誤判率和更高的可靠性。
從實(shí)際應(yīng)用出發(fā)，針對(duì)JPEG圖像序列，本發(fā)明方法采用基于壓縮域內(nèi)的移動(dòng)偵測(cè)，并結(jié)合時(shí)域差分法和背景差分法對(duì)場(chǎng)景變化進(jìn)行聯(lián)合檢測(cè)。與先對(duì)已編碼圖像進(jìn)行一次耗時(shí)的完全解碼，然后進(jìn)行基于像素的變化檢測(cè)和判斷的傳統(tǒng)單一差分方法相比，本方法提高了移動(dòng)偵測(cè)的實(shí)時(shí)性和場(chǎng)景變化檢測(cè)的可靠性，從而更好地發(fā)揮無(wú)線數(shù)字監(jiān)控系統(tǒng)的效能。
以上所述僅為本發(fā)明的較佳實(shí)施例，并用以限制本發(fā)明，但是我們?nèi)匀幌嘈牛诓浑x開(kāi)本發(fā)明所附權(quán)利要求所定義的范圍的條件下，一些專業(yè)人士可以做許多創(chuàng)新和改進(jìn)。
權(quán)利要求
1.一種基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于，它包括如下步驟1)檢測(cè)區(qū)域設(shè)置單元將圖像劃分為多個(gè)檢測(cè)區(qū)域，對(duì)選定的區(qū)域進(jìn)行檢測(cè)；2)圖像解碼單元從輸入端過(guò)來(lái)的圖像已經(jīng)過(guò)編碼壓縮，被當(dāng)作當(dāng)前圖像送給圖像解碼單元，經(jīng)過(guò)熵解碼后得到解壓縮后的變換域系數(shù)；3)移動(dòng)偵測(cè)單元直接從熵解碼后的符號(hào)流中提取統(tǒng)計(jì)特征，對(duì)兩幀已編碼圖像進(jìn)行檢測(cè)，對(duì)于處在選定偵測(cè)區(qū)域內(nèi)的各個(gè)子塊，先提取每個(gè)顏色分量上變換域系數(shù)的統(tǒng)計(jì)特征，然后采用“與/或/非”的邏輯判斷機(jī)制對(duì)顏色分量的變化情況進(jìn)行判斷，同時(shí)給出移動(dòng)偵測(cè)結(jié)果；4)場(chǎng)景變化判別單元在壓縮域內(nèi)對(duì)當(dāng)前圖像和背景參考圖像以及變化記錄圖像進(jìn)行聯(lián)合移動(dòng)偵測(cè)，接著根據(jù)移動(dòng)偵測(cè)結(jié)果進(jìn)行場(chǎng)景變化判別，同時(shí)給出場(chǎng)景變化指示。
2.如權(quán)利要求1所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的場(chǎng)景變化判別過(guò)程包括在選定的檢測(cè)區(qū)域內(nèi)，對(duì)當(dāng)前圖像和背景參考圖像、變化記錄圖像相同位置處顏色分量的變化情況進(jìn)行聯(lián)合移動(dòng)偵測(cè)，并根據(jù)移動(dòng)偵測(cè)的結(jié)果判斷是否有場(chǎng)景變化，同時(shí)動(dòng)態(tài)更新背景參考圖像和變化記錄圖像。
3.如權(quán)利要求1所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的背景參考圖像和變化記錄圖像是用來(lái)存儲(chǔ)編碼圖像不完全解碼得到的變換域系數(shù)，且由場(chǎng)景變化判別單元根據(jù)一段時(shí)間內(nèi)圖像序列的變化情況進(jìn)行相應(yīng)的更新。
4.如權(quán)利要求1所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的邏輯判斷機(jī)制包括選擇不同的顏色分量作為特征提取的數(shù)據(jù)，再采用“與/或/非”的邏輯判斷機(jī)制對(duì)它們的變化情況進(jìn)行組合和判斷，同時(shí)給出判斷結(jié)果。
5.如權(quán)利要求1所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的移動(dòng)偵測(cè)過(guò)程包括首先在選定的檢測(cè)區(qū)域內(nèi)分別提取兩幀圖像對(duì)應(yīng)顏色分量中每個(gè)子塊中變換域系數(shù)的統(tǒng)計(jì)特征以判斷相應(yīng)的子塊是否發(fā)生變化，接著根據(jù)顏色分量判定過(guò)程判斷相應(yīng)顏色分量是否發(fā)生變化，最后采用邏輯判斷機(jī)制對(duì)偵測(cè)區(qū)域內(nèi)所有顏色分量的變化情況進(jìn)行判斷。
6.如權(quán)利要求5所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的顏色分量變化判定過(guò)程包括在選定的檢測(cè)區(qū)域內(nèi)，且在某顏色分量對(duì)應(yīng)的子塊總數(shù)內(nèi)，根據(jù)變化的子塊個(gè)數(shù)占子塊總數(shù)的百分比來(lái)判斷該顏色分量是否發(fā)生變化。
7.如權(quán)利要求5所述的基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法，其特征在于所述的子塊變化判定過(guò)程包括對(duì)于一個(gè)以K×K像素為單位的子塊，首先計(jì)算變換域系數(shù)絕對(duì)值的和，然后取其差的絕對(duì)值，如果此絕對(duì)值大于設(shè)定的閾值，則認(rèn)為該子塊發(fā)生了變化。
全文摘要
本發(fā)明公開(kāi)了一種基于壓縮域的場(chǎng)景變化實(shí)時(shí)檢測(cè)方法。首先設(shè)置檢測(cè)區(qū)域，然后直接從熵解碼后的符號(hào)流中提取特征，接著場(chǎng)景變化判別單元針對(duì)當(dāng)前圖像和背景參考圖像以及變化記錄圖像對(duì)應(yīng)位置上變換域系數(shù)的特征變化情況進(jìn)行聯(lián)合移動(dòng)偵測(cè)，并根據(jù)移動(dòng)偵測(cè)結(jié)果判斷是否有場(chǎng)景變化，同時(shí)動(dòng)態(tài)更新背景參考圖像和變化記錄圖像。與現(xiàn)有技術(shù)相比，本發(fā)明方法具有以下優(yōu)點(diǎn)第一，不需要完全的解碼過(guò)程，大大減少了計(jì)算量；第二，在壓縮域內(nèi)直接利用各個(gè)顏色分量的統(tǒng)計(jì)特征和科學(xué)的判斷機(jī)制實(shí)現(xiàn)移動(dòng)偵測(cè)，算法復(fù)雜性低；第三，結(jié)合了時(shí)域差分法和背景差分法的優(yōu)點(diǎn)，對(duì)光線變化魯棒性好。本發(fā)明方法高效可靠，適合普通嵌入式工業(yè)級(jí)芯片的實(shí)時(shí)處理，在視覺(jué)監(jiān)視中具有明顯的應(yīng)用價(jià)值。
文檔編號(hào)H04N7/36GK1976394SQ200610155059
公開(kāi)日2007年6月6日 申請(qǐng)日期2006年12月7日 優(yōu)先權(quán)日2006年12月7日
發(fā)明者蘇宏業(yè), 佘青山, 古勇, 董利達(dá), 王建新 申請(qǐng)人:浙江大學(xué)