【摘要】 一种根据场景变化特征对视频中运动物体检测的方法：(1)首先根据训练图像进行特征点检测、背景特征点参数计算和背景模型像素点参数计算，(2)在运动物体检测时，对当前要检测的图像，根据所述的背景特征点参数和当前检测的图像特征点计算运动特征点；(3)根据所述的运动特征点对背景模型中像素点参数进行分类；(4)根据分类结果计算背景模型像素点参数更新速率；(5)最后根据当前图像和背景模型像素点参数，采用背景差方法得到运动物体的位置和形状，同时根据计算出来的背景模型像素点更新速率，对背景模型像素点参数进行更新。本发明能够更准确对运动物体进行检测，得到运动物体的位置和形状。 【专利类型】发明授权 【申请人】北京航空航天大学 【申请人类型】学校 【申请人地址】100083 北京市海淀区学院路37号 【申请人地区】中国 【申请人城市】北京市 【申请人区县】海淀区 【申请号】CN200810101240.5 【申请日】2008-03-03 【申请年份】2008 【公开公告号】CN101246547B 【公开公告日】2010-09-22 【公开公告年份】2010 【授权公告号】CN101246547B 【授权公告日】2010-09-22 【授权公告年份】2010.0 【IPC分类号】G06K9/00; G06K9/62; G06T7/20 【发明人】赵沁平; 张彦; 张淑军; 周忠; 吴威 【主权项内容】一种根据场景变化特征对视频中运动物体检测的方法，其特征在于包括以下步骤：(1)首先根据训练图像进行特征点检测、背景特征点参数计算和背景模型像素点参数计算，所述背景特征点参数计算如下：采集一组包含运动物体的视频序列图像p帧作为原始训练样本集，对该原始训练样本集采用Harris角点检测器检测Harris特征点，然后采用m×n像素点大小的窗口进行连续帧之间的特征点匹配，得到背景特征点矩阵及其参数，其中m和n分别代表窗口的长和宽，表明该特征点与其他特征点进行匹配的区域大小；所述步骤(1)中背景模型像素点参数计算采用单高斯模型计算；所述特征点检测采用Harris角点检测器进行检测；(2)在运动物体检测时，对当前要检测的图像，根据所述的背景特征点参数和当前检测的图像特征点计算运动特征点；所述运动特征点计算过程为：采用Harris角点检测器检测其中的特征点，然后与背景特征点矩阵比较，计算得到运动特征点参数；(3)根据所述的运动特征点对背景模型中像素点参数进行分类；所述分类方法为：根据图像中的运动特征点信息，将背景模型中的像素点分为三类：(a)类像素点：无运动物体经过区域像素点；(b)类像素点：运动物体所在区域像素点；(c)类像素点：原先静止的背景物体离开后形成的背景区域和原先运动的运动物体静止后成为背景的区域的像素点；(4)根据分类结果采用核函数计算背景模型像素点参数更新速率；(5)最后根据当前图像和背景模型像素点参数，采用背景差方法得到运动物体的位置和形状，同时根据计算出来的背景模型像素点更新速率，对背景模型像素点参数进行更新。 （，） 【当前权利人】北京航空航天大学 【当前专利权人地址】北京市海淀区学院路37号 【统一社会信用代码】12100000400011227Y 【被引证次数】2 【被他引次数】2.0 【家族被引证次数】32
