• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    一種快速前景偵測裝置及方法。其中，前景特徵值計算模組利用目標影像中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值。第一過濾器依照拍攝目標影像之場景因素決定第一門檻值及第二門檻值，並用以濾除目標影像之像素中前景特徵值位於第一門檻值及第二門檻值之間的多個非前景像素。第二過濾器係依照拍攝目標影像之場景因素決定影像差異條件及色度相似條件，並用以濾除經第一過濾器濾除後剩餘的像素中前景特徵值滿足影像差異條件與色度相似度條件的非前景像素，而以濾除後剩餘的像素做為多個前景像素。
    公开号:TW201322144A
    申请号:TW100143591
    申请日:2011-11-28
    公开日:2013-06-01
    发明作者:Hung-I Pai；Yi-Ta Wu；Kung-Ming Lan
    申请人:Ind Tech Res Inst；
    IPC主号:G06T7-00
    专利说明:
    前景偵測裝置及方法
    本揭露是有關於一種安全監控影像之前景偵測裝置及方法。
    影像安全監控的應用範圍非常廣，深入在我們生活環境的周遭。當成千上萬台攝影機架設在城市各個角落，將所拍攝的畫面傳回後台主控端時，後端影像畫面的管理與辨識則成了一項艱鉅的工作。影像安全監控除了有賴於以人工方式監控螢幕來達到安全防護，另一個有效的解決方式就是藉由穩健的智慧型視訊物件偵測的功能，其中又以功能的穩健性最重要，直接和消費者是否願意接受智慧攝影機有關。
    影響智慧型視訊物件偵測穩健性的關鍵之一，來自於速又準確的前景偵測技術。在安全監控的應用中，所謂的前景通常指的是該場景中移動的人、車子或其他感興趣的移動物件。準確的前景偵測可以應用在人物的追蹤、人物的計數、虛擬警戒區域的入侵偵測等等和安全監控相關的應用。若沒有好的前景偵測技術，這些應用都無法在準確度上達到令人滿意或可商業化的程度，所以準確的前景偵測是一個最基礎也是最關鍵的技術。
    一般前景分離使用的方法是先建立影像強度的背景模型，再利用和背景的差異程度來分離出前景。其中最常見的方法，就是為每一像素建立的以強度為基底的背景強度高斯模型。近年來，學者提出以強度和顏色向量的差異性大小(θ)和手動設定θ的差異性的門檻來分離前景，這對於單純以強度差異來做前景篩選的技術來說，因為多了一個可供評量的有效資訊，可以得到更準確結果。但也因為每一個像素除了計算該像素強度外，還必須多計算顏色向量的差異性大小(θ)，使得計算量大幅提高，結果將造成嵌入式平台實作上的困難。
    高準確度所要付出的代價是高的計算量，而高的計算量也帶來高單價的處理器，這對於需要商業化的產品來說是比較不利的作法，因為這意謂著需要花費更高成本才能來實現商品化目的，甚至有時使用最好的處理器也無法負載複雜演算所帶來的高計算量。
    有鑑於此，本揭露提出一種前景偵測方法及裝置，根據情境調整前景像素的過濾器，可實現高準確度與低計算量的前景偵測。
    本揭露提出一種前景偵測裝置，包括前景特徵值計算模組、第一過濾器及第二過濾器。其中，前景特徵值計算模組係利用目標影像之多個像素中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值。第一過濾器係依照拍攝目標影像之場景因素決定第一門檻值及第二門檻值，並用以濾除目標影像之像素中前景特徵值位於第一門檻值及第二門檻值之間的多個非前景像素。第二過濾器係依照拍攝目標影像之場景因素決定影像差異條件及色度相似條件，並用以濾除經第一過濾器濾除後剩餘的像素中前景特徵值滿足影像差異條件與色度相似度條件的非前景像素，而以濾除後剩餘的像素做為所偵測的多個前景像素。
    在本揭露範例實施例之一範例實施例中，上述之前景特徵值計算模組包括背景強度計算單元、影像強度計算單元及強度比例計算單元。其中，背景強度計算單元係接收多張背景影像，並計算這些背景影像中每一個像素的背景強度，以建立背景模型。影像強度計算單元係接收目標影像，並計算此目標影像中每一個像素的影像強度。強度比例計算單元係用以計算各個像素的影像強度與背景模型中對應像素之背景強度的強度比例，做為前景特徵值。
    在本揭露範例實施例之一範例實施例中，上述之背景強度計算單元包括以背景影像中各個像素之灰階值做為像素的背景強度，而上述之影像強度計算單元包括以目標影像中各個像素之灰階值做為像素的影像強度。
    在本揭露範例實施例之一範例實施例中，上述之背景強度計算單元包括計算背景影像中各個像素之多個色彩空間的像素值的平均值，以作為該像素的背景強度，而上述之影像強度計算單元包括計算目標影像中各個像素之多個色彩空間的像素值的平均值，以作為該像素的影像強度。
    在本揭露範例實施例之一範例實施例中，上述之背景強度計算單元包括計算背景影像中各個像素之多個色彩空間的像素值的平方和開根號值，以做為該像素的背景強度，而上述之影像強度計算單元包括計算目標影像中各個像素之多個色彩空間的像素值的平方和開根號值，以做為該像素的影像強度。
    在本揭露範例實施例之一範例實施例中，上述之第二過濾器包括前景過濾器及背景色度過濾器。其中，前景過濾器係用以判定經第一過濾器濾除後剩餘的像素中前景特徵值大於影像差異條件之第三門檻值或小於影像差異條件之第四門檻值的像素為前景像素。背景色度過濾器係用以計算目標影像中各個像素與背景模型之對應像素的色度差異值，並判定這些像素中色度差異值大於色度相似條件之第五門檻值或小於色度相似條件之第六門檻值的像素為前景像素。
    本揭露提出一種前景偵測方法，適於由電子裝置偵測一目標影像中的多個前景像素。此方法係利用目標影像之多個像素中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值。接著，依照拍攝目標影像之場景因素決定第一門檻值及第二門檻值，並用以濾除目標影像之多個像素中前景特徵值位於第一門檻值及第二門檻值之間的多個非前景像素。最後，依照拍攝目標影像之場景因素決定影像差異條件及色度相似條件，並用以濾除經第一過濾器濾除後剩餘的多個像素中前景特徵值滿足影像差異條件與色度相似度條件的非前景像素，而以濾除後剩餘的像素做為所偵測的多個前景像素。
    在本揭露範例實施例之一範例實施例中，上述利用目標影像之多個像素中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值的步驟包括接收多張背景影像，並計算這些背景影像中每一個像素的背景強度，以建立背景模型。而在接收到目標影像時，計算此目標影像中每一個像素的影像強度，然後計算各個像素的影像強度與背景模型中對應像素之背景強度的強度比例，做為前景特徵值。
    在本揭露範例實施例之一範例實施例中，上述計算背景影像中每一個像素的背景強度，以建立背景模型的步驟包括計算背景影像中各個像素之多個色彩空間的像素值的平均值或平方和開根號值做為該像素的影像強度，或直接以背景影像中各個像素之灰階值做為像素的影像強度。
    在本揭露範例實施例之一範例實施例中，上述計算目標影像中每一個像素的影像強度的步驟包括計算目標影像中各個像素之多個色彩空間的像素值的平均值或平方和開根號值做為該像素的影像強度，或直接以目標影像中各個像素之灰階值做為該像素的影像強度。
    在本揭露範例實施例之一範例實施例中，上述濾除經第一過濾器濾除後剩餘的像素中前景特徵值滿足影像差異條件與色度相似度條件的非前景像素，並以濾除後剩餘的像素做為所偵測的前景像素的步驟包括判定經第一過濾器濾除後剩餘的一些像素中前景特徵值大於影像差異條件之第三門檻值或小於影像差異條件之第四門檻值的像素為前景像素，然後針對上述不滿足像素中前景特徵值大於影像差異條件之第三門檻值或小於影像差異條件之第四門檻值的像素，計算目標影像中各個像素與背景模型之對應像素的色度差異值，並判定這些像素中色度差異值大於色度相似條件之第五門檻值或小於色度相似條件之第六門檻值的像素為前景像素。
    在本揭露範例實施例之一範例實施例中，上述之第一門檻值及第二門檻值為分別位於1的兩側且與1的差值不超過一預設值的兩個端點值。
    基於上述，本揭露之前景偵測裝置及方法藉由粗略的先過濾掉大部分的非前景像素，再分別依據影像強度差異與色度相似度進行過濾，可更快速且更準確地找出安全監控影像中的前景像素。
    為讓本揭露之上述特徵和優點能更明顯易懂，下文特舉範例實施例，並配合所附圖式作詳細說明如下。
    在偶爾才有人出現，大部分時間沒有人出現的監控場景中，監控攝影機所拍攝的影像通常只有背景，此時監控系統所偵測到的前景會與背景相當接近。本揭露即依此特性設計一個前置過濾器，先粗略地將監控影像中前景與背景相近的部分濾除，再進行前景偵測，藉此可大幅減少監控系統在執行前景偵測時所需的計算量，進而節省硬體配置的成本。
    圖1是依照本揭露一範例實施例所繪示之安全監控系統的示意圖。請參照圖1，本範例實施例的安全監控系統包含監控攝影機11及監控主機12，其中監控攝影機11例如是配置在各種監控場景中的攝影機，其可透過網路或其他有線或無線方式將所拍攝的監控影像傳回監控主機12，而由監控主機12進行顯示或分析處理。監控主機12例如是個人電腦(PC)或機上盒(Setup box)等具有運算能力的電子裝置，其中包括前景偵測裝置122以及可支援多種進階影像處理功能的分析處理裝置124。其中，在監控主機12執行監控功能時，一般是先由前景偵測裝置122針對監控攝影機11輸入的目標影像進行前景偵測，並將所偵測到的前景資訊提供給分析處理裝置124，再由分析處理裝置124進行後續的影像處理、分析、警示等監控功能，而達到安全監控的目的。
    圖2是依照本揭露一範例實施例所繪示之前景偵測裝置的方塊圖。圖3是依照本揭露一範例實施例所繪示之前景偵測方法的流程圖。請同時參照圖2及圖3，本範例實施例的前景偵測裝置20例如是上述範例實施例中的前景偵測裝置122，其包括前景特徵值計算模組22、第一過濾器24及第二過濾器26，以下即搭配圖2中的各項元件說明本範例實施例之前景偵測方法的詳細步驟：首先，由前景特徵值計算模組22利用目標影像之多個像素中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值(步驟S302)。其中，前景特徵值計算模組22例如是利用預先錄製好的測試影片或直接由監控攝影機輸入的影像來建立背景模型，以便用來對後續拍攝的監控影像進行前景偵測。
    圖4是依照本揭露一範例實施例所繪示之前景特徵值計算模組的方塊圖。請參照圖4，前景特徵值計算模組22可區分為背景強度計算單元222、影像強度計算單元224及強度比例計算單元226。其中，背景強度計算單元222係接收多張背景影像，並計算這些背景影像中每一個像素的背景強度，以建立背景模型。影像強度計算單元224則是接收目標影像，並計算此目標影像中每一個像素的影像強度。最後，強度比例計算單元226會計算各個像素的影像強度與背景模型中對應像素之背景強度的強度比例，做為前景特徵值。
    對於上述背景強度及影像強度，本範例實施例提供以下三種不同的度量方式：
    第一種：背景強度計算單元222直接以背景影像中各個像素的灰階值做為像素的背景強度，而影像強度計算單元224則直接以目標影像中各個像素之灰階值做為該像素的影像強度。
    第二種：背景強度計算單元222計算背景影像中各個像素之多個色彩空間(例如R、G、B或Y、Cr、Cb)的像素值的平均值，以作為像素的背景強度，而影像強度計算單元224則計算目標影像中各個像素之多個色彩空間的像素值的平均值，以作為該像素的影像強度。
    第三種：背景強度計算單元222計算背景影像中各個像素之多個色彩空間的像素值的平方和開根號值，以做為該像素的背景強度，而影像強度計算單元224則計算目標影像中各個像素之多個色彩空間的像素值的平方開根號值，以做為該像素的影像強度。
    舉例來說，假設使用m張(m為正整數)的背景影像來建立背景模型，並計算這些背景影像中每一個像素的多個色彩空間的平均值：
    其中，像素資訊可以符號I={I i |i=1,2,3}表示，I i 可以是色彩空間R、G、B或Y、Cr、Cb中的任一資訊。為了方便說明，輸入影像中各個像素的影像強度和背景強度分別以符號|I|和|B|來表示。
    以影像強度|I|為例，針對上述三種影像強度的定義，其對應公式如下：
    第一種：
    |I|=I i 　(2)
    其中，I i 例如是色彩空間Y、Cr、Cb中的灰階值Y，也可以是色彩空間R、G、B或Y、Cr、Cb中的任一資訊。
    第二種：
    |I|=(I 1+I 2+I 3)/3　(3)
    其中，I 1、I 2、I 3分別代表色彩空間R、G、B或Y、Cr、Cb的像素值。
    第三種：
    其中，I 1、I 2、I 3分別代表色彩空間R、G、B或Y、Cr、Cb的像素值。
    背景影像中各個像素的背景強度|B|的定義也可以上所述公式類推。在獲得影像強度|I|和背景強度|B|之後，本範例實施例即進一步計算其間的強度比例r，其公式如下：
    其中，若輸入的目標影像剛好等於背景影像，則|I|=|B|，r=1。
    回到圖3，在獲得前景特徵值之後，本範例實施例即可藉由第一過濾器24將目標影像中大部分的非前景像素濾除。其中，第一過濾器24會依照監控攝影機拍攝目標影像的至少一個場景因素來決定第一門檻值及第二門檻值，並用以將目標影像之像素中前景特徵值位於此第一門檻值及第二門檻值之間的多個非前景像素濾除(步驟S304)。所述的場景因素例如是人潮、車潮來往的平均流量，出現在場景中的物體尺寸或其他任何可能由場景所造成的變異。此外，上述的第一門檻值及第二門檻值例如是分別位於1的兩側且與1的差值不超過一預設值的兩個端點值，例如是0.95及1.05。
    最後，由第二過濾器26依照拍攝目標影像之場景因素決定影像差異條件及色度相似條件，並用以濾除經第一過濾器24濾除後剩餘的像素中前景特徵值滿足此影像差異條件與色度相似度條件的非前景像素，而以濾除後剩餘的像素做為所偵測的多個前景像素(步驟S306)。
    圖5是依照本揭露一範例實施例所繪示之第二過濾器的方塊圖。請參照圖5，第二過濾器26可區分為前景過濾器262及背景色度過濾器264，此前景過濾器262會判定經第一過濾器濾除後剩餘像素中前景特徵值大於影像差異條件之第三門檻值或小於影像差異條件之第四門檻值的像素為前景像素。背景色度過濾器264則會計算目標影像中各個像素之色度差異值，並判定所述剩餘像素中色度差異值大於色度相似條件之第五門檻值或小於色度相似條件之第六門檻值的像素為前景像素。
    舉例來說，圖6是依照本揭露一範例實施例所繪示之前景偵測方法的流程圖。請參照圖6，本範例實施例係將整張目標影像的像素以I C ={I c 1,I c 2,I c 3}表示，其中C代表母集合，c1、c2、c3分別代表其子集合，I c 1為第一過濾器所過濾掉的非前景像素集合，I c 2為被第二過濾器判斷為非前景像素集合，I c 3為最後判斷為前景的像素集合。依照環境的特殊性或經驗，訂出第一門檻值T 1 及第二門檻值T 2 ，並滿足下列關係式：
    T 1<1<T 2　(6)
    如先前範例實施例所述，本範例實施例的方法亦先由前景特徵值計算模組22利用目標影像之多個像素中每一個像素的影像強度與背景模型中對應像素的背景強度，計算前景特徵值(步驟S602)。而對於前景特徵值計算模組22所計算之目標影像中某一個像素的強度比例r，第一過濾器24將會判斷其是否位於第一門檻值T 1 及第二門檻值T 2 之間(步驟S604)，即判斷是否滿足下列公式(7)的條件：
    T 1<r<T 2　(7)
    其中，若判斷為滿足，即可直接將該像素判定為非前景像素(步驟S606)。反之，若不滿足該條件，則進入第二過濾器26。其中，由於上述判定步驟只需計算強度比例r的資訊，無需花費太多的計算量，而利用第一過濾器24即可將大部分的非前景像素I c 1都過濾掉，最後只剩下{I c 2,I c 3}。
    在第二過濾器26中，主要是透過前景過濾器與背景色度過濾器將非前景像素I c 2濾除。其中，前景過濾器會依照場景的特殊性或經驗等因素，訂出強度比例r的門檻值，例如T 3與T 4，其形成的範圍可以且包含或者不包含上述公式(6)的範圍，且T 3>T 4，前景過濾器會將強度比例r與門檻值T 3與T 4比較(步驟S608)，以判斷{I c 2,I c 3}中任意一個像素的強度比例r是否滿足下式：
    r>T 3　(8)
    或
    r<T 4　(9)
    若判斷為滿足，則該像素可直接被判斷並輸出為前景像素(步驟S614)，也確定是集合I c 3的元素(element)；反之，則不確定是否為前景像素或非前景像素，而繼續交由背景色度過濾器來判斷。在進入該過濾器前，必須先計算出目標影像中各個像素與背景模型之對應像素的色度差異值θ(步驟S610)，其定義如下：
    背景色度過濾器可以直接使用色度差異值θ，或是為了簡化計算，也可使用其餘弦函數值cosθ來做為非前景像素的判斷依據，在此不設限。其中，依照場景的特殊性或經驗，訂出兩個色度差異值θ的門檻值T 5與T 6。對於不滿足前景過濾器過濾條件的剩餘像素，背景色度過濾器會將其色度差異值θ與門檻值T 5與T 6比較(步驟S612)，以判斷是否滿足下式：
    θ>T 5　(11)
    或
    θ<T 6　(12)
    若滿足上述，則該像素判斷並輸出為非前景像素(步驟S606)，而歸入集合I c 2；反之則可判斷並輸出為前景像素(步驟S614)，而確定是集合I c 3的元素。
    針對上述前景偵測方法步驟，以下再提供一個範例實施例，以實際數據搭配上述公式做說明。首先，將針對特定場景所錄製的影片輸入前景偵測裝置或是直接將前景偵測裝置接上攝影機以接收即時影像串流。之後，收集初始m張影像以建立背景模型(m為正整數)，其中包括利用上述公式(1)計算每一像素的各色彩空間的平均值。
    接著，利用上述公式(2)、(3)或(4)計算所輸入之目標影像的影像強度，然後利用公式(5)計算目標影像之影像強度與背景模型中對應像素之背景強度的強度比例r。其中，當輸入影像是背景影像的時候，r=1。
    圖7A至圖7D是依照本揭露一範例實施例所繪示之前景偵測方法的範例。本範例實施例係以6個位置接近均勻散佈在前景物體70周圍的像素點為例，其在影像上的位置如圖7A所示。這些像素計算出來的強度比例r的數值如下表1所示。
    接著，在第一過濾器中設定兩個與1接近的門檻值，例如門檻值T1=0.95與T2=1.05，然後將上述六個像素點P1~P6的強度比例r藉由第一過濾器，也就是公式(7)來篩選。其中，若滿足，則可判斷為非前景像素；若不滿足，則可將該像素送入第二過濾器以進行下一階段篩選。
    經由第一過濾器的篩選，如圖7B所示，像素點P1、P4、P5和P6可判斷為非前景像素，而像素點P2和P3則因為不滿足公式(7)，所以繼續進入下一階段篩選。由此可見，第一過濾器的過濾機制只需計強度比例r，而不需要計算色度差異值θ，即可把大部分像素過濾掉，可減少計算量。
    然後，在前景過濾器中設定兩個或多個強度比例r的門檻值，這些門檻值所形成範圍可以包含上述公式(6)提及的範圍。在本例中是設定兩個門檻值T3與T4。此門檻值是會受到場景因素影響設定值，其中場景因素包含不同天氣造成不同光線的分佈與強度或場景的材質，例如室外馬路不會反光，但是室內大理石地板會反光，都會造成不同最佳設定值。若考慮在室外馬路以及一般晴天的狀況下，較佳的經驗門檻值分別是T3=1.2與T4=0.8；若針對穩定光源明亮的室內場景，則較佳的經驗門檻值分別是T3=1.1與T4=0.7；若針對穩定光源但昏暗的室內場景，較佳的經驗門檻值分別是T3=1.3與T4=0.5。
    本範例實施例係將通過第一過濾器過濾後剩餘的像素點P2、P3的強度比例r，利用上述公式(8)與(9)來判斷。其中，若滿足其中一式，即可被判斷為前景像素；反之，則必須再使用背景色度過濾器才可以做最後判斷。如圖7C所示，像素點P3的強度比例r=1.32>T3，因此可判斷為前景像素；相反地，像素點P2的強度比例r=0.82不滿足公式(8)與(9)，因此必須進入背景色度過濾器來做判斷。
    最後，利用上述公式(10)，可計算出輸入像素P2與相同位置的背景像素的色度差異值θ為0.9。如圖7D所示，背景色度過濾器設定的門檻值T5=0.94與T6=1，因此可判斷得知像素點P2的色度差異值0.9並不滿足公式(10)，最終則判斷像素點P2為前景像素。
    綜上所述，本揭露之前景偵測裝置及方法藉由設計一個前置過濾器，先粗略地將監控影像中前景與背景相近的部分濾除，再進行前景偵測，藉此可大幅減少監控系統在執行前景偵測時所需的計算量。而搭配前景過濾器及背景色度過濾器，則可進一步區分前景像素及非前景像素。藉此，本揭露可實現高準確度與低計算量的前景偵測。
    雖然本揭露已以範例實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露之精神和範圍內，當可作些許之更動與潤飾，故本揭露之保護範圍當視後附之申請專利範圍所界定者為準。
    P1、P2、P3、P4、P5、P6．．．像素點
    11．．．監控攝影機
    12．．．監控主機
    122、20．．．前景偵測裝置
    124．．．分析處理裝置
    22．．．前景特徵值計算模組
    222．．．背景強度計算單元
    224．．．影像強度計算單元
    226．．．強度比例計算單元
    24．．．第一過濾器
    26．．．第二過濾器
    262．．．前景過濾器
    264．．．背景色度過濾器
    S302~S306．．．本揭露一範例實施例之前景偵測方法的步驟
    S602~S614．．．本揭露一範例實施例之前景偵測方法的步驟
    圖1是依照本揭露一範例實施例所繪示之安全監控系統的示意圖。
    圖2是依照本揭露一範例實施例所繪示之前景偵測裝置的方塊圖。
    圖3是依照本揭露一範例實施例所繪示之前景偵測方法的流程圖。
    圖4是依照本揭露一範例實施例所繪示之前景特徵值計算模組的方塊圖。
    圖5是依照本揭露一範例實施例所繪示之第二過濾器的方塊圖。
    圖6是依照本揭露一範例實施例所繪示之前景偵測方法的流程圖。
    圖7A至圖7D是依照本揭露一範例實施例所繪示之前景偵測方法的範例。
    20．．．前景偵測裝置
    22．．．前景特徵值計算模組
    24．．．第一過濾器
    26．．．第二過濾器
    权利要求:
    Claims (13)
    [1] 一種前景偵測裝置，包括：一前景特徵值計算模組，利用一目標影像之多個像素中每一個像素的一影像強度與一背景模型中對應像素的一背景強度，計算一前景特徵值；一第一過濾器，依照拍攝該目標影像之至少一場景因素決定一第一門檻值及一第二門檻值，並用以濾除該目標影像之該些像素中該前景特徵值位於該第一門檻值及該第二門檻值之間的多個非前景像素；以及一第二過濾器，依照拍攝該目標影像之該至少一場景因素決定一影像差異條件及一色度相似條件，並用以濾除經該第一過濾器濾除後剩餘的該些像素中該前景特徵值滿足該影像差異條件與該色度相似度條件的非前景像素，而以濾除後剩餘的像素做為所偵測的多個前景像素。
    [2] 如申請專利範圍第1項所述之前景偵測裝置，其中該前景特徵值計算模組，包括：一背景強度計算單元，接收多張背景影像，並計算該些背景影像中每一個像素的該背景強度，以建立該背景模型；一影像強度計算單元，接收該目標影像，並計算該目標影像中每一個像素的該影像強度；以及一強度比例計算單元，計算各該些像素的該影像強度與該背景模型中對應像素之該背景強度的一強度比例，做為該前景特徵值。
    [3] 如申請專利範圍第2項所述之前景偵測裝置，其中該背景強度計算單元包括以該些背景影像中各該些像素之一灰階值做為該像素的該背景強度，該影像強度計算單元包括以該目標影像中各該些像素之灰階值做為該像素的該影像強度。
    [4] 如申請專利範圍第2項所述之前景偵測裝置，其中該背景強度計算單元包括計算該些背景影像中各該些像素之多個色彩空間的像素值的一平均值，以作為該像素的該背景強度，該影像強度計算單元包括計算該目標影像中各該些像素之該些色彩空間的像素值的平均值，以作為該像素的該影像強度。
    [5] 如申請專利範圍第2項所述之前景偵測裝置，其中該背景強度計算單元包括計算該些背景影像中各該些像素之多個色彩空間的像素值的一平方和開根號值，以做為該像素的該背景強度，該影像強度計算單元包括計算該目標影像中各該些像素之該些色彩空間的像素值的平方和開根號值，以做為該像素的該影像強度。
    [6] 如申請專利範圍第1項所述之前景偵測裝置，其中該第二過濾器包括：一前景過濾器，判定經該第一過濾器濾除後剩餘的該些像素中該前景特徵值大於該影像差異條件之一第三門檻值或小於該影像差異條件之一第四門檻值的像素為前景像素；以及一背景色度過濾器，計算該目標影像中各該些像素與該背景模型之對應像素的一色度差異值，並判定該些像素中該色度差異值大於該色度相似條件之一第五門檻值或小於該色度相似條件之一第六門檻值的像素為前景像素。
    [7] 如申請專利範圍第1項所述之前景偵測裝置，其中該第一門檻值及該第二門檻值為分別位於1的兩側且與1的差值不超過一預設值的兩個端點值。
    [8] 一種前景偵測方法，適於由一電子裝置偵測一目標影像中的多個前景像素，該方法包括下列步驟：利用該目標影像之多個像素中每一個像素的一影像強度與一背景模型中對應像素的一背景強度，計算一前景特徵值；依照拍攝該目標影像之至少一場景因素決定一第一門檻值及一第二門檻值，並用以濾除該目標影像之該些像素中該前景特徵值位於該第一門檻值及該第二門檻值之間的多個非前景像素；以及依照拍攝該目標影像之該至少一場景因素決定一影像差異條件及一色度相似條件，並用以濾除經該第一過濾器濾除後剩餘的該些像素中該前景特徵值滿足該影像差異條件與該色度相似度條件的非前景像素，而以濾除後剩餘的像素做為所偵測的多個前景像素。
    [9] 如申請專利範圍第8項所述之前景偵測方法，其中利用該目標影像之該些像素中每一個像素的該影像強度與該背景模型中對應像素的該背景強度，計算該前景特徵值的步驟包括：接收多張背景影像，並計算該些背景影像中每一個像素的該背景強度，以建立該背景模型；接收該目標影像，並計算該目標影像中每一個像素的該影像強度；以及計算各該些像素的該影像強度與該背景模型中對應像素之該背景強度的一強度比例，做為該前景特徵值。
    [10] 如申請專利範圍第9項所述之前景偵測方法，其中計算該些背景影像中每一個像素的該背景強度，以建立該背景模型的步驟包括：計算該些背景影像中各該些像素之多個色彩空間的像素值的一平均值或一平方和開根號值做為該像素的該影像強度，或以該些背景影像中各該些像素之灰階值做為該像素的該影像強度。
    [11] 如申請專利範圍第9項所述之前景偵測方法，其中計算該目標影像中每一個像素的該影像強度的步驟包括：計算該目標影像中各該些像素之多個色彩空間的像素值的一平均值或一平方和開根號值做為該像素的該影像強度，或以該目標影像中各該些像素之一灰階值做為該像素的該影像強度。
    [12] 如申請專利範圍第9項所述之前景偵測方法，其中濾除經該第一過濾器濾除後剩餘的該些像素中該前景特徵值滿足該影像差異條件與該色度相似度條件的非前景像素，並以濾除後剩餘的像素做為所偵測的前景像素的步驟包括：判定經該第一過濾器濾除後剩餘的該些像素中該前景特徵值大於該影像差異條件之一第三門檻值或小於該影像差異條件之一第四門檻值的像素為前景像素；以及計算該目標影像中各該些像素與該背景模型之對應像素的一色度差異值，並判定該些像素中該色度差異值大於該色度相似條件之一第五門檻值或小於該色度相似條件之一第六門檻值的像素為前景像素。
    [13] 如申請專利範圍第9項所述之前景偵測方法，其中該第一門檻值及該第二門檻值為分別位於1的兩側且與1的差值不超過一預設值的兩個端點值。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI489395B|2015-06-21|前景偵測裝置及方法
    US7664315B2|2010-02-16|Integrated image processor
    CN101441712B|2013-03-27|一种火焰的视频识别方法和一种火灾监控方法及其系统
    KR101204259B1|2012-11-23|화재 검출 방법
    JP2017534046A|2017-11-16|建物高さの計算方法、装置及び記憶媒体
    CN105160297A|2015-12-16|基于肤色特征的蒙面人事件自动检测方法
    US20140056519A1|2014-02-27|Method, apparatus and system for segmenting an image in an image sequence
    JP2007052609A|2007-03-01|手領域検出装置及び手領域検出方法、並びにプログラム
    CN102982537A|2013-03-20|一种检测场景变换的方法和系统
    CN107347151A|2017-11-14|双目摄像头遮挡检测方法及装置
    CN111627215A|2020-09-04|基于人工智能的视频图像识别方法及相关设备
    CN103607558A|2014-02-26|一种视频监控系统及其目标匹配方法和装置
    Su et al.2019|A novel forgery detection algorithm for video foreground removal
    CN106683047B|2020-05-22|一种全景图像的光照补偿方法和系统
    KR20190002772A|2019-01-09|다중 히스토그램을 이용한 객체 추적 방법 및 이를 이용한 객체 추적 시스템
    CN108362382B|2019-11-29|一种热成像监控方法及其监控系统
    WO2014036813A1|2014-03-13|图像特征的提取方法及装置
    KR101327256B1|2013-11-08|Ptz 카메라에 의한 차량 그림자 영역 탐지를 이용한 차량 검지 시스템 및 방법
    CN103839035A|2014-06-04|人数统计方法和人数统计系统
    CN110781853A|2020-02-11|人群异常检测方法以及相关装置
    JP6798609B2|2020-12-09|映像解析装置、映像解析方法およびプログラム
    KR101381580B1|2014-04-17|다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템
    Thakur et al.2016|Classification of color hazy images
    JP2018026068A|2018-02-15|前景領域抽出装置、方法、及びプログラム
    CN109598276A|2019-04-09|图像处理装置和方法及监控系统
    同族专利:
    公开号 | 公开日
    CN103136742A|2013-06-05|
    US8712149B2|2014-04-29|
    TWI489395B|2015-06-21|
    US20130136350A1|2013-05-30|
    CN103136742B|2016-08-10|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    US7085401B2|2001-10-31|2006-08-01|Infowrap Systems Ltd.|Automatic object extraction|
    US7277580B2|2001-12-12|2007-10-02|Sony Corporation|Multiple thresholding for video frame segmentation|
    US7218756B2|2004-03-24|2007-05-15|Cernium, Inc.|Video analysis using segmentation gain by area|
    US7620266B2|2005-01-20|2009-11-17|International Business Machines Corporation|Robust and efficient foreground analysis for real-time video surveillance|
    US7899248B2|2007-08-30|2011-03-01|Seiko Epson Corporation|Fast segmentation of images|
    US8041116B2|2007-09-27|2011-10-18|Behavioral Recognition Systems, Inc.|Identifying stale background pixels in a video analysis system|
    CN100565555C|2007-12-05|2009-12-02|浙江工业大学|基于计算机视觉的违章停车检测装置|
    TWI417796B|2009-05-15|2013-12-01|Univ Nat Taiwan|Method of recognizing objects in images|
    TWI395483B|2009-05-25|2013-05-01|Visionatics Inc|使用適應性背景模型之移動物體偵測方法及其電腦程式產品|
    CN101582160B|2009-06-18|2013-09-18|北京中星微电子有限公司|前景检测方法和装置以及自适应阈值调节方法和装置|
    CN101645171A|2009-09-15|2010-02-10|湖北莲花山计算机视觉和信息科学研究院|基于时空视频块与在线子空间学习的背景建模方法|
    TWI413024B|2009-11-19|2013-10-21|Ind Tech Res Inst|物件偵測方法及系統|
    CN102201121A|2010-03-23|2011-09-28|鸿富锦精密工业（深圳）有限公司|视频场景中的物件侦测系统与方法|
    CN101827204B|2010-04-19|2013-07-17|成都索贝数码科技股份有限公司|一种运动目标侦测方法及系统|
    AU2010241260B2|2010-10-29|2013-12-19|Canon Kabushiki Kaisha|Foreground background separation in a scene with unstable textures|CN103854273B|2012-11-28|2017-08-25|天佑科技股份有限公司|一种近正向俯视监控视频行人跟踪计数方法和装置|
    CN103475818A|2013-09-03|2013-12-25|小米科技有限责任公司|一种拍摄方法、装置及终端设备|
    JP6350549B2|2014-02-14|2018-07-04|日本電気株式会社|映像解析システム|
    US9418426B1|2015-01-27|2016-08-16|Xerox Corporation|Model-less background estimation for foreground detection in video sequences|
    CN104853060A|2015-04-14|2015-08-19|武汉基数星通信科技有限公司|高清视频前置处理方法和系统|
    US9710713B2|2015-06-03|2017-07-18|GM Global Technology Operations LLC|Methods and apparatus to perform image masking based on relative motion of objects|
    CN105869140A|2015-11-24|2016-08-17|乐视致新电子科技（天津）有限公司|图像处理方法和装置|
    WO2017120384A1|2016-01-08|2017-07-13|Flir Systems, Inc.|Thermal-image based object detection and heat map generation systems and methods|
    TWI615806B|2016-10-11|2018-02-21|威聯通科技股份有限公司|影像背景學習方法及電子裝置|
    JP6821398B2|2016-11-09|2021-01-27|キヤノン株式会社|画像処理装置、画像処理方法及びプログラム|
    US10885310B2|2017-08-17|2021-01-05|Jpmorgan Chase Bank, N.A.|Sytems and methods for object recognition and association with an identity|
    法律状态:
    优先权:
    申请号 | 申请日 | 专利标题
    TW100143591A|TWI489395B|2011-11-28|2011-11-28|前景偵測裝置及方法|TW100143591A| TWI489395B|2011-11-28|2011-11-28|前景偵測裝置及方法|
    CN201210003655.5A| CN103136742B|2011-11-28|2012-01-06|前景检测装置及方法|
    US13/612,845| US8712149B2|2011-11-28|2012-09-13|Apparatus and method for foreground detection|
    [返回顶部]