【技術實現步驟摘要】
本專利技術涉及一種安防系統視頻監控中的遺留物檢測方法，尤其涉及一種基于前景建模的遺留物檢測方法。
技術介紹
近年來，隨著社會對公共安全的不斷重視，對于人流密集場所的可疑遺留物的檢測已成為安防系統不可或缺的部分。遺留物檢測方法一般包括如下幾個步驟:背景提取、前景分割、靜態區域檢測和物體分類跟蹤。背景提取是遺留物檢測的最基本步驟。一般背景提取的方法都假定背景為靜態，在靜態的基礎上有微弱的光線變化。為了應對光線的改變，背景往往需要建模并不斷更新模型數據。對背景進行建模主要采用單高斯模型或混合高斯模型。在前景分割方面，可分為基于像素的方法和基于區域的方法。基于像素的方法一般是對每個像素進行建模，對每個圖像像素與背景像素單獨分析，區分是前景還是背景。基于像素的方法運算量小但在復雜場景下魯棒性較差。而基于區域的前景分割引入了一些空間結構信息，使得其在復雜場景的分割中表現更好。在靜態區域檢測方面，目前認為最有效的方法是利用對前景掩蔽的累積，當一塊區域的前景掩蔽累積到一定數值后就可認定為靜態區域。此方法雖然在人流相對稀疏的場景下有著不錯的準確性，但是在繁雜的地方由于物體間的交互運動而會導致檢測出虛假靜態區域。在物體分類跟蹤方面，一般把物體分為遺留物體和移走物體兩類。一類主流方法是利用圖像的邊緣信息作為物體分類依據的方法。該方法在背景簡單的場景下有著不錯的穩定性，但在背景復雜的場景常常會出現錯誤分類的現象。
技術實現思路
本專利技術針對現有技術中的上述問題，提出了一種基于前景建模的遺留物檢測方法，該方法包括背景提取、前景分割、靜態區域檢測和物體分類跟蹤四個步驟，其特征在于:所...
【技術保護點】
一種基于前景建模的遺留物檢測方法，該方法包括背景提取、前景分割、靜態區域檢測和物體分類跟蹤四個步驟，其特征在于：所述靜態區域檢測步驟中，基于單高斯模型構建前景模型，所述模型中除了存有每個像素的高斯分布外，還額外存儲了一個Hit?Count數值，該Hit?Count數值用來記錄該像素發生Hit?Event的次數，Hit?Event是指當前前景像素與模型中存儲的像素值相匹配，每次前景分割完成后，用分割出來的前景對前景模型進行更新。
【技術特征摘要】
1.一種基于前景建模的遺留物檢測方法，該方法包括背景提取、前景分割、靜態區域檢測和物體分類跟蹤四個步驟，其特征在于:所述靜態區域檢測步驟中，基于單高斯模型構建前景模型，所述模型中除了存有每個像素的高斯分布外，還額外存儲了一個Hit-Count數值,該Hit-Count數值用來記錄該像素發生Hit-Event的次數,Hit-Event是指當前前景像素與模型中存儲的像素值相匹配，每次前景分割完成后，用分割出來的前景對前景模型進行更新。2.根據權利要求1所述的基于前景建模的遺留物檢測方法，其特征在于:當前前景像素...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。