運(yùn)動(dòng)對(duì)象檢測(cè)方法和運(yùn)動(dòng)對(duì)象檢測(cè)裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體而言，涉及運(yùn)動(dòng)對(duì)象檢測(cè)方法和運(yùn)動(dòng)對(duì)象檢 測(cè)裝置。
【背景技術(shù)】
[0002] 隨著智能交通系統(tǒng)（ITS)的快速發(fā)展，基于視覺的運(yùn)動(dòng)車輛檢測(cè)算法成為計(jì)算機(jī) 視覺研究的一項(xiàng)基礎(chǔ)技術(shù)。智能交通系統(tǒng)的應(yīng)用有很多，例如自動(dòng)事件檢測(cè)（AID)，車輛流 量統(tǒng)計(jì)，車輛信息采集，車輛跟蹤，而運(yùn)動(dòng)車輛檢測(cè)是關(guān)鍵。
[0003] 目前已經(jīng)有一些基于視覺的運(yùn)動(dòng)車輛檢測(cè)方法，如背景差分法，光流法和幀差 法：
[0004] 背景差分法使用高斯混合模型，高斯模型，卡爾曼濾波器或其它統(tǒng)計(jì)模型來提取 場(chǎng)景的背景圖像，以及根據(jù)背景圖像與當(dāng)前幀的差分圖像來提取運(yùn)動(dòng)區(qū)域。然而，在提取背 景圖像的過程中且車輛在該背景圖像的場(chǎng)景中時(shí)，這種方法可帶來重復(fù)檢測(cè)的問題。同時(shí)， 場(chǎng)景的亮度變化是另一個(gè)嚴(yán)重的問題。
[0005] 光流法使用運(yùn)動(dòng)區(qū)域的光流信息來檢測(cè)運(yùn)動(dòng)區(qū)域的，其計(jì)算量很大。
[0006] 幀差法基于當(dāng)前幀與前一幀或幾幀的差值來提取運(yùn)動(dòng)區(qū)域。這種方法可以迅速地 適應(yīng)變化的環(huán)境，而提取的區(qū)域可能不是那么準(zhǔn)確，特別是對(duì)于快速移動(dòng)的目標(biāo)。
[0007] 特征提取和分類方法，通過特征提取和分類以檢測(cè)車輛。這種方法甚至可以在單 個(gè)圖像中檢測(cè)到車輛。但計(jì)算量過大，并且檢測(cè)性能由數(shù)據(jù)集的質(zhì)量決定。
[0008] 因此，需要一種新的運(yùn)動(dòng)對(duì)象檢測(cè)方法，以解決目前的檢測(cè)方法所存在的計(jì)算量 大且檢測(cè)準(zhǔn)確率低的問題。

【發(fā)明內(nèi)容】

[0009] 有鑒于此，本發(fā)明提出了一種新的運(yùn)動(dòng)對(duì)象檢測(cè)技術(shù)，以至少解決現(xiàn)有的目標(biāo)檢 測(cè)技術(shù)的檢測(cè)精度低的問題。
[0010] 根據(jù)本發(fā)明的一個(gè)方面，提出了一種運(yùn)動(dòng)對(duì)象檢測(cè)方法，包括：獲得當(dāng)前幀圖像的 輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪廓圖像為所述當(dāng)前幀圖像的 輪廓圖像與其上一幀圖像對(duì)應(yīng)的背景輪廓圖像的差分圖像；按照預(yù)設(shè)間隔在所述前景輪廓 圖像中逐一選取子圖像塊；判斷所述子圖像塊是否包含前景輪廓像素；根據(jù)判斷結(jié)果，將 包含所述前景輪廓像素的子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計(jì)算每 一待處理子圖像塊的方向梯度直方圖特征；采用分類器對(duì)計(jì)算出的方向梯度直方圖特征進(jìn) 行檢測(cè)，以確定運(yùn)動(dòng)對(duì)象。
[0011] 根據(jù)本發(fā)明的另一方面，還提供了一種運(yùn)動(dòng)對(duì)象檢測(cè)裝置，包括：前景輪廓圖像生 成單元，獲得當(dāng)前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，所述前景輪 廓圖像為所述當(dāng)前幀圖像的輪廓圖像與其上一幀圖像對(duì)應(yīng)的背景輪廓圖像的差分圖像；選 取單元，按照預(yù)設(shè)間隔在所述前景輪廓圖像中逐一選取子圖像塊；待處理子圖像塊確定單 元，判斷所述子圖像塊是否包含前景輪廓像素，根據(jù)判斷結(jié)果，將包含所述前景輪廓像素的 子圖像塊作為待處理子圖像塊，否則跳過所述子圖像塊；計(jì)算單元，計(jì)算每一待處理子圖像 塊的方向梯度直方圖特征；檢測(cè)單元，采用分類器對(duì)計(jì)算出的方向梯度直方圖特征進(jìn)行檢 測(cè)，以確定運(yùn)動(dòng)對(duì)象。
[0012] 根據(jù)本發(fā)明的再一個(gè)方面，還提供了一種電子設(shè)備，該電子設(shè)備包括如上所述的 運(yùn)動(dòng)對(duì)象檢測(cè)裝置。
[0013] 根據(jù)本發(fā)明的又一個(gè)方面，還提供了一種存儲(chǔ)有機(jī)器可讀取的指令代碼的程序產(chǎn) 品，上述程序產(chǎn)品在執(zhí)行時(shí)能夠使上述機(jī)器執(zhí)行如上所述的運(yùn)動(dòng)對(duì)象檢測(cè)方法。
[0014] 此外，根據(jù)本發(fā)明的其他方面，還提供了 一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有如 上所述的程序產(chǎn)品。
[0015] 上述根據(jù)本發(fā)明實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)裝置、運(yùn)動(dòng)對(duì)象檢測(cè)方法以及電子設(shè)備， 利用前景輪廓圖像中的包含前景輪廓像素的子圖像塊來檢測(cè)運(yùn)動(dòng)對(duì)象，能夠至少實(shí)現(xiàn)以下 有益效果之一：子圖像塊包含前景輪廓像素，能夠使得檢測(cè)的精度較高；減少了前景輪廓 圖像中無關(guān)子圖像塊的檢測(cè)處理過程，計(jì)算量較??；以及功耗較低。
[0016] 通過以下結(jié)合附圖對(duì)本發(fā)明的最佳實(shí)施例的詳細(xì)說明，本發(fā)明的這些以及其他優(yōu) 點(diǎn)將更加明顯。
【附圖說明】
[0017] 本發(fā)明可以通過參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所 有附圖中使用了相同或相似的附圖標(biāo)記來表示相同或者相似的部件。所述附圖連同下面的 詳細(xì)說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進(jìn)一步舉例說明本 發(fā)明的優(yōu)選實(shí)施例和解釋本發(fā)明的原理和優(yōu)點(diǎn)。在附圖中：
[0018] 圖1示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)方法的流程示意圖；
[0019] 圖2示出了根據(jù)本發(fā)明的另一個(gè)實(shí)施例的提取前景輪廓的流程示意圖；
[0020] 圖3示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的輪廓提取示意圖；
[0021] 圖4示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的圖像尺寸調(diào)整示意圖；
[0022] 圖5示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的方向梯度直方圖特征圖像的示意圖；
[0023] 圖6示出了相關(guān)技術(shù)中的選擇待處理子圖像塊的處理流程示意圖；
[0024] 圖7示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的選擇待處理子圖像塊的處理流程示意圖；
[0025] 圖8示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的待處理子圖像的劃分結(jié)構(gòu)示意圖；
[0026] 圖9示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)裝置的框圖。
【具體實(shí)施方式】
[0027] 為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和具體實(shí) 施方式對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說明的是，在不沖突的情況下，本申請(qǐng)的實(shí)施 例及實(shí)施例中的特征可以相互組合。
[0028] 在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可 以采用其他不同于在此描述的其他方式來實(shí)施，因此，本發(fā)明并不限于下面公開的具體實(shí) 施例的限制。
[0029] 圖1示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)方法的流程圖。
[0030] 如圖1所示，根據(jù)本發(fā)明的實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)方法主要包括以下兩大步驟：
[0031] 步驟102,獲得當(dāng)前幀圖像的輪廓圖像中的前景輪廓，生成前景輪廓圖像，其中，前 景輪廓圖像為當(dāng)前幀圖像的輪廓圖像與其上一幀圖像對(duì)應(yīng)的背景輪廓圖像的差分圖像。
[0032] 如何獲取背景輪廓圖像以及當(dāng)前幀圖像的輪廓圖像將在下文中詳細(xì)闡述。
[0033] 步驟104,基于分類器的運(yùn)動(dòng)對(duì)象檢測(cè)。
[0034] 在步驟104中，首先對(duì)獲取的前景輪廓圖像進(jìn)行尺寸調(diào)整，以符合相關(guān)要求。然后 進(jìn)行特征預(yù)提取。最后是本是實(shí)施例的關(guān)鍵部分：按照預(yù)設(shè)間隔在前景輪廓圖像中逐一選 取子圖像塊。一般情況下，該預(yù)設(shè)間隔為相鄰兩個(gè)所述子圖像塊中心之間的距離。當(dāng)然，也 可以根據(jù)實(shí)際需要設(shè)置合適的預(yù)設(shè)間隔。
[0035] 判斷子圖像塊是否包含前景輪廓像素。根據(jù)判斷結(jié)果，將包含前景輪廓像素的子 圖像塊作為待處理子圖像塊，否則跳過子圖像塊。在本實(shí)施例中，僅對(duì)包含有前景輪廓像素 的子圖像塊進(jìn)行檢測(cè)處理，對(duì)于沒有包含前景輪廓像素的子圖像塊則忽略，這樣就可以避 免對(duì)不可能有運(yùn)動(dòng)對(duì)象的子圖像塊進(jìn)行處理的過程，一方面可減少計(jì)算量，提高檢測(cè)速度， 另一方面，可提高檢測(cè)準(zhǔn)確率，因?yàn)樗幚淼淖訄D像塊均是包含有前景像素的。
[0036] 計(jì)算每一待處理子圖像塊的方向梯度直方圖特征。采用分類器對(duì)計(jì)算出的方向梯 度直方圖特征進(jìn)行檢測(cè)，以確定運(yùn)動(dòng)對(duì)象。
[0037] 下面結(jié)合圖2詳細(xì)說明上述步驟102的一個(gè)具體實(shí)施過程。
[0038] 如圖2所示，步驟202,獲得針對(duì)待檢測(cè)區(qū)域所捕獲的多幀圖像各自的輪廓圖像。 上述多幀圖像可以通過攝像頭等攝影、攝像設(shè)備來預(yù)先獲得。待檢測(cè)區(qū)域可以是某個(gè)房間、 某個(gè)場(chǎng)所，或者可以是某條道路，等等。在一個(gè)例子中，待檢測(cè)區(qū)域可以是某條預(yù)定道路，或 該預(yù)定道路的部分道路。在實(shí)際應(yīng)用中，例如可以將諸如攝像頭等攝影、攝像設(shè)備的攝像范 圍對(duì)應(yīng)地設(shè)置為上述待檢測(cè)區(qū)域，以便于捕獲上述待檢測(cè)區(qū)域的圖像。
[0039] 在根據(jù)本發(fā)明的實(shí)施例的運(yùn)動(dòng)對(duì)象檢測(cè)方法的一種實(shí)現(xiàn)方式中，可以通過梯度算 法來獲得上述多幀圖像中每