本發(fā)明屬于安防監(jiān)控?cái)z像機(jī)領(lǐng)域，尤其是涉及一種基于背景建模的跟蹤聚焦算法。

背景技術(shù)：

隨著安防監(jiān)控領(lǐng)域?qū)τ跀z像機(jī)的應(yīng)用場(chǎng)景的要求越來(lái)越復(fù)雜，相應(yīng)的球機(jī)的圖像采集的靈活性也有更高的要求。所以除了靜態(tài)場(chǎng)景外，動(dòng)態(tài)場(chǎng)景的要求也越來(lái)越高。而想要拍攝高質(zhì)量的跟蹤視頻，跟蹤過(guò)程中的聚焦算法尤其重要。

跟蹤過(guò)程中，由于跟蹤目標(biāo)距離攝像機(jī)的距離會(huì)不斷變化，這種情況下，如果不調(diào)節(jié)聚焦電機(jī)的話，視頻的清晰度隨著距離不斷變化，如果在跟蹤中聚焦的話，因?yàn)閳?chǎng)景的變化較大，聚焦的基準(zhǔn)變化很大，所以會(huì)很大概率會(huì)導(dǎo)致聚焦的失敗。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明旨在提出一種基于背景建模的跟蹤聚焦算法，以排除背景復(fù)雜環(huán)境對(duì)聚焦的影響，使攝像機(jī)準(zhǔn)確地聚焦到目標(biāo)物體上。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：

一種基于背景建模的跟蹤聚焦算法，包括步驟一：攝像機(jī)選定一種建模方法完成源圖的背景建模，并輸出動(dòng)態(tài)目標(biāo)的圖像；步驟二：當(dāng)所述攝像機(jī)檢測(cè)到所述動(dòng)態(tài)目標(biāo)的圖像時(shí)，監(jiān)測(cè)所述動(dòng)態(tài)目標(biāo)的位置確定其相對(duì)位置向量，并更新模型；步驟三：所述攝像機(jī)使用膨脹、腐蝕的方法將動(dòng)態(tài)目標(biāo)圖像中的離散點(diǎn)去掉，得到所述動(dòng)態(tài)目標(biāo)的二值圖像；步驟四：所述攝像機(jī)將所述源圖與所述動(dòng)態(tài)目標(biāo)的二值圖像相乘，得到消除背景的運(yùn)動(dòng)目標(biāo)圖；步驟五：所述攝像機(jī)通過(guò)圖像清晰度評(píng)價(jià)方法獲得所述運(yùn)動(dòng)目標(biāo)圖的清晰度值；步驟六：所述攝像機(jī)依據(jù)所述運(yùn)動(dòng)目標(biāo)圖變化的清晰度值，使用聚焦搜索算法確定所述攝像機(jī)的合焦位置。

進(jìn)一步的，所述圖像清晰度評(píng)價(jià)方法為：所述攝像機(jī)的控制器通過(guò)頻域?yàn)V波器提取所述運(yùn)動(dòng)目標(biāo)圖中的高頻分量，用以表征所述運(yùn)動(dòng)目標(biāo)圖的清晰度。

進(jìn)一步的，所述頻域?yàn)V波器為帶通濾波器。

進(jìn)一步的，所述背景建模的類型為混合高斯模型。

進(jìn)一步的，所述聚焦搜索算法為：所述攝像機(jī)的控制器根據(jù)圖像不同的清晰度值，驅(qū)動(dòng)攝像頭中聚焦群組的步進(jìn)電機(jī)，并使用爬山算法確定合焦時(shí)所述聚焦群組中步進(jìn)電機(jī)的位置。

相對(duì)于現(xiàn)有技術(shù)，本發(fā)明所述的基于背景建模的跟蹤聚焦算法具有以下優(yōu)勢(shì)：

(1)本發(fā)明所述的基于背景建模的跟蹤聚焦算法，能夠排除背景復(fù)雜環(huán)境對(duì)聚焦的影響，使攝像機(jī)能準(zhǔn)確地聚焦到目標(biāo)物體上。

(2)本發(fā)明所述的基于背景建模的跟蹤聚焦算法，聚焦效果明顯，方法簡(jiǎn)單易實(shí)施，推廣性強(qiáng)。

附圖說(shuō)明

構(gòu)成本發(fā)明的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：

圖1為本發(fā)明實(shí)施例所述的基于背景建模的跟蹤聚焦算法的執(zhí)行流程圖；

圖2為本發(fā)明實(shí)施例所述的膨脹和腐蝕的模板的示意圖；

圖3為本發(fā)明實(shí)施例所述的爬山算法示意圖。

具體實(shí)施方式

需要說(shuō)明的是，在不沖突的情況下，本發(fā)明中的實(shí)施例及實(shí)施例中的特征可以相互組合。

在本發(fā)明的描述中，需要理解的是，術(shù)語(yǔ)“中心”、“縱向”、“橫向”、“上”、“下”、“前”、“后”、“左”、“右”、“豎直”、“水平”、“頂”、“底”、“內(nèi)”、“外”等指示的方位或位置關(guān)系為基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡(jiǎn)化描述，而不是指示或暗示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對(duì)本發(fā)明的限制。此外，術(shù)語(yǔ)“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對(duì)重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”等的特征可以明示或者隱含地包括一個(gè)或者更多個(gè)該特征。在本發(fā)明的描述中，除非另有說(shuō)明，“多個(gè)”的含義是兩個(gè)或兩個(gè)以上。

在本發(fā)明的描述中，需要說(shuō)明的是，除非另有明確的規(guī)定和限定，術(shù)語(yǔ)“安裝”、“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機(jī)械連接，也可以是電連接；可以是直接相連，也可以通過(guò)中間媒介間接相連，可以是兩個(gè)元件內(nèi)部的連通。對(duì)于本領(lǐng)域的普通技術(shù)人員而言，可以通過(guò)具體情況理解上述術(shù)語(yǔ)在本發(fā)明中的具體含義。

下面將參考附圖并結(jié)合實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明。

一種基于背景建模的跟蹤聚焦算法，如圖1至圖3所示，包括

步驟一：攝像機(jī)的控制器選定一種建模方法完成源圖的背景建模，并輸出動(dòng)態(tài)目標(biāo)的圖像；

步驟二：當(dāng)所述攝像機(jī)的控制器檢測(cè)到所述動(dòng)態(tài)目標(biāo)的圖像時(shí)，監(jiān)測(cè)所述動(dòng)態(tài)目標(biāo)的位置確定其相對(duì)位置向量，并更新模型；

步驟三：所述攝像機(jī)的控制器使用膨脹、腐蝕的方法將動(dòng)態(tài)目標(biāo)圖像中的離散點(diǎn)去掉，得到所述動(dòng)態(tài)目標(biāo)的二值圖像；

步驟四：所述攝像機(jī)的控制器將所述源圖與所述動(dòng)態(tài)目標(biāo)的二值圖像相乘，得到消除背景的運(yùn)動(dòng)目標(biāo)圖；

步驟五：所述攝像機(jī)的控制器通過(guò)圖像清晰度評(píng)價(jià)方法獲得所述運(yùn)動(dòng)目標(biāo)圖的清晰度值；

步驟六：所述攝像機(jī)的控制器依據(jù)所述運(yùn)動(dòng)目標(biāo)圖變化的清晰度值，使用聚焦搜索算法確定所述攝像機(jī)的合焦位置。

所述圖像清晰度評(píng)價(jià)方法為：所述攝像機(jī)的控制器通過(guò)頻域?yàn)V波器提取所述運(yùn)動(dòng)目標(biāo)圖中的高頻分量，用以表征所述運(yùn)動(dòng)目標(biāo)圖的清晰度。

所述頻域?yàn)V波器為帶通濾波器。

所述背景建模的類型為混合高斯模型。

所述聚焦搜索算法為：所述攝像機(jī)的控制器根據(jù)圖像不同的清晰度值，驅(qū)動(dòng)攝像頭中聚焦群組的步進(jìn)電機(jī)，并使用爬山算法確定合焦時(shí)所述聚焦群組中步進(jìn)電機(jī)的位置。

一種基于背景建模的跟蹤聚焦算法的工作過(guò)程為：

本發(fā)明首先使用背景建模的方式，提取圖像，以混合高斯模型為例，其基本方法是一次讀取N幀訓(xùn)練圖像，每次對(duì)每個(gè)像素點(diǎn)進(jìn)行迭代建模。設(shè)置K為每個(gè)像素允許的最大模型個(gè)數(shù)，開(kāi)始時(shí)設(shè)一個(gè)標(biāo)準(zhǔn)差，當(dāng)讀入一幅訓(xùn)練圖像時(shí)，將用它的像素值來(lái)更新原有的背景模型，對(duì)一個(gè)特定的像素，如果他的像素值與某個(gè)高斯模型的均值的差小于2.5倍的標(biāo)準(zhǔn)差，那么認(rèn)為這個(gè)像素與該模型相適應(yīng)，則用他的像素值更新模型的均值和方差。如果當(dāng)前像素點(diǎn)模型個(gè)數(shù)小于K，則這個(gè)像素點(diǎn)建立一個(gè)新的模型，如果已經(jīng)有K個(gè)模型均不符合條件，則將權(quán)重最小的模型替換為新模型，新模型的均值為該像素點(diǎn)的值，這時(shí)再設(shè)定一個(gè)初始標(biāo)準(zhǔn)差，如此進(jìn)行，直到N幀訓(xùn)練圖像結(jié)束。

背景建模模塊正常工作后，當(dāng)有目標(biāo)出現(xiàn)時(shí)，攝像機(jī)的控制器控制源圖A經(jīng)過(guò)背景建模模塊輸出動(dòng)態(tài)目標(biāo)圖B，當(dāng)控制器檢測(cè)到所述動(dòng)態(tài)目標(biāo)的圖像時(shí)，監(jiān)測(cè)所述動(dòng)態(tài)目標(biāo)的位置確定其相對(duì)位置向量，并更新模型，然后進(jìn)行二值化處理，因?yàn)楸尘敖］敵龅膱D像會(huì)有一些離散的亮點(diǎn)集合，因此對(duì)圖B依次使用膨脹和腐蝕模板進(jìn)行處理，模板見(jiàn)圖2，將這些亮點(diǎn)集合處理掉，將得到的干凈的二值圖像圖C；將圖C和圖A相乘，得到消除背景的運(yùn)動(dòng)目標(biāo)圖D。攝像機(jī)的控制器通過(guò)頻域?yàn)V波器將圖D中歸一化頻譜中0.3-0.5的頻段的高頻量提取出來(lái)，得到用以表征圖像的清晰度值FV；所述攝像機(jī)的控制器根據(jù)圖像不同的清晰度值FV，驅(qū)動(dòng)攝像頭中聚焦群組的步進(jìn)電機(jī)，根據(jù)每一幀圖像的FV值，使用爬山搜索方法，如圖3所示，聚焦群組在位置1并向“山頂”運(yùn)動(dòng)時(shí)，清晰度越來(lái)越高；聚焦群組迅速移動(dòng)位置2，并繼續(xù)原來(lái)的運(yùn)動(dòng)方向，清晰度越來(lái)越低；說(shuō)明清晰度最高的點(diǎn)位于位置1和位置2之間，聚焦群組移動(dòng)到位置3，重復(fù)上述過(guò)程，直到找到合焦時(shí)聚焦群組中步進(jìn)電機(jī)的位置。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。