一種基于改進vibe的遺留物檢測方法
【技術領域】
[0001] 本發明設及視頻監控領域一種遺留物檢測方法，尤其設及一種基于改進VIBE的遺 留物檢測方法。
【背景技術】
[0002] 隨著社會經濟的發展，人們對安全防范的需求也越來越大，傳統的視頻監控系統 只能用于事后證據呈現，為此出現了智能視頻監控系統。智能視頻監控系統能夠實時在線 檢測，在時間發生瞬間給出報警信息。在機場、地鐵等人多密集的場所，經常出現遺留物現 象，因此，遺留物的檢測是智能監控系統關注的主要問題之一。
[0003] 目前的遺留物檢測方法，主要直接利用混合高斯模型進行背景建模，運種方法需 要較長時間進行背景模型的建立，處理過程耗時較長，無法實現實時檢測，并且對于相機抖 動比較敏感，當相機出現偏移時，容易導致大面積的前景出現，算法需要一定時間重新建立 背景模型，而無法正確檢測出遺留物。
【發明內容】
[0004] (一)要解決的技術問題
[0005] 為了提高視頻監控系統可遺留物識別的檢測速度和在攝像機抖動情況下的檢測 精度，本發明的目的是提供一種快速、精確、能適應相機抖動的遺留物檢測方法。
[0006] (二)技術方案
[0007] 本發明提供一種基于改進VIBE的遺留物檢測方法，其特征在于，包括W下步驟： [000引步驟1:數字攝像頭采集監控區域視頻圖像；
[0009] 步驟2:對于攝像頭采集的第一帖圖像，建立背景模型，對于第二帖開始W后的每 一帖圖像作為當前圖像，循環執行步驟3~6;
[0010] 步驟3:利用步驟2建立的背景模型，對當前圖像中的每個像素點判斷是否屬于前 景部分；
[0011] 步驟4:對步驟2獲得的前景部分進行抖動檢測，檢測由于抖動產生的抖動前景部 分，將其從前景部分中去除;利用所述前景部分建立背景模型的更新掩膜；
[0012] 步驟5:利用步驟4得到的更新掩膜對背景模型進行更新；
[0013] 步驟6:對步驟5更新掩膜中的前景部分中的像素點進行計數，根據計數值進行遺 留物的判定，如果計數值大于預定闊值，則判斷所述前景部分為遺留物，否則將下一帖圖像 作為當前圖像后轉步驟3。
[0014] (立巧益效果
[0015] 本發明中遺留物檢測所采用的VIBE背景建模方法模型建立過程簡單、速度快，前 景檢測精度較高。經過本發明改進的VIBE方法，對前景圖像進行抖動檢測，將抖動干擾剔除 后的掩膜應用于背景更新，從而有效的防止了相機抖動或者偏移造成的遺留物誤檢。本發 明的遺留物檢測方法速度快、精度高，特別適用于系統資源有限，干擾較多的環境中。
【附圖說明】
[0016] 圖1是本發明所述基于改進VIBE的遺留物檢測方法的流程圖；
[0017] 圖2是像素點跟樣本匹配示意圖；
[0018] 圖3是抖動檢測方法流程圖；
[0019] 圖4是矩形塊捜索匹配示意圖。
【具體實施方式】
[0020] 為使本發明的目的、技術方案和優點更加清楚明白，W下結合具體實施例，并參照 附圖，對本發明作進一步的詳細說明。
[0021 ]下面結合附圖對本發明作進一步說明：
[0022] 如圖1所示，本發明提出的所述基于改進VI邸（VisualBackground extractor)的 遺留物檢測方法包括W下步驟：
[0023] 步驟1:數字攝像頭采集監控區域視頻圖像；
[0024] 步驟2:對于攝像頭采集的第一帖圖像，建立背景模型，對于第二帖開始W后的每 一帖圖像，循環執行步驟3~6;
[0025] 步驟3:利用步驟2建立的背景模型，對圖像每個像素點判斷是否屬于前景部分；
[0026] 步驟4:對步驟3獲得的前景部分進行抖動檢測，檢測由于抖動產生的前景部分，將 其從前景中去除。之后根據去除抖動的前景部分建立更新掩膜，更新掩膜是一副同攝像頭 采集圖像大小相同的二值圖像。在更新掩膜中，對應前景的部分像素值為255,對應背景點 的像素值為0;
[0027] 步驟5:利用步驟4得到的更新掩膜對背景模型進行更新；
[0028] 步驟6:對步驟5更新掩膜中的前景部分像素點利用計數方式進行遺留物的判定， 如果判斷為遺留物，則停止檢測，否則轉步驟3繼續進行檢測；
[0029] 下面就本發明上述各個方法步驟進行詳細介紹。
[0030] 步驟1利用數字攝像頭實時采集監控區域的圖像，利用計算機對視頻圖像進行處 理和顯不；
[0031] 步驟2中，建立背景模型的方法:利用圖像中相近的像素點擁有相近的時空分布特 性，僅根據第一帖圖像來對背景模型進行初始化。具體方法是，對于一個像素點存儲一個大 小為N的樣本集，隨機選擇它的鄰居點的像素值作為它的模型樣本集中的值，記v(x)為X點 處的像素值，M(x) = {vi，V2, . . .，vn}為X處背景樣本集，樣本集大小為N。
[0032] 步驟3中，判斷像素點是否屬于前景部分的方法是:將每一帖新圖像的像素值和背 景模型對應位置像素點的樣本集來比較判斷是否屬于背景點，如果一個新的像素值屬于背 景點，那么它應該和樣本集中的采樣值比較接近。記Sr(v(x))為Wx為中屯、R為半徑的區域， 如果X處樣本集中像素值包含在X為中屯、R為半徑的區域內的個數大于最小值，如公式（1)所 示，則判斷X屬于背景點，否則X屬于前景點，如圖2所示，P1-P6為背景模型中某個像素點的 樣本集，Pt(x)是新圖像中對應位置點的像素值，該圖中，#{Sr(v(x)) η {vi，V2, . . .，vn}}=2。
[0033] #{Sr(v(x))η (vi，V2,...，vn}} > #min (1)
[0034] 其中，#表示集合中元素的個數。
[00巧]常規VI邸算法中，通常設置樣本集大小N = 20,闊值抽iin = 2,半徑R = 20。而本發明 中改進的VIBE算法中，實現參數動態化設置，為參數增加尺度因子，使樣本集和半徑大小隨 視頻分辨率大小在一定范圍內動態變化，如公式(2)，其中α為尺度因子，α取值范圍是(0， 2)，尺度因子與視頻分辨率成近似正比關系，具體取值需實驗確定。
[0036]
[0037] 步驟4中，對前景圖像的抖動檢測流程如圖3所示，具體方法流程包括：
[0038] 步驟4.1利用連通域分析方法，將前景部分進行分割，并獲得各個連通域的最小外 接矩形框，記錄外接矩形框的左上頂點坐標W及寬、高，分別為Rx，Ry，RwJh;
[0039] 步驟4.2求取每個矩形框的面積，剔除面積小于最小闊值或者大于最大闊值的矩 形框，如公式(3)所示
[0040] Min<RwXI?h<Max (3)
[0041] 步驟4.3求取每個矩形框寬和高的比值，剔除比值大于第一預定比值闊值的矩形 框，如公式(4)所示
[0042]
[0043] 其中，Rw，化分別為矩形框的寬和高，Thwh為第一預定比值闊值；
[0044] 步驟4.4求取每個矩形框中前景像素數同矩形框面積的比值，剔除比值小于第二 預定比值闊值的矩形框，如公