一种视频分析低运算量背景去除方法
【专利摘要】本发明公开了一种视频分析低运算量背景去除方法，它涉及一种背景去除方法。背景去除方法步骤为：(1)图像分块：将视频中的一帧图像分割成由MxN个像素构成的图像子块。接下来将对每一个图像块计算该图像块的局部对比度。M和N的选取可视应用而定，一般可以选取M=8,N=8；(2)计算局部对比度：针对上述每一个图像块，根据下述定义计算出该图像子块对应的局部对比度CL；(3)建立每一个图像快局部对比度的混合高斯模型；(4)判断前背景：根据当前帧的每一个图像子块的局部对比度的值及该图像块当前的混合高斯模型的参数来判断该图像子块在当前帧中是否为前景。本发明保持自适应学习背景的特色，大大降低运算量和虚警率。
【专利说明】一种视频分析低运算量背景去除方法
【技术领域】
[0001]本发明涉及的是，具体涉及ー种视频分析低运算量背景去除方法。
【背景技术】
[0002]背景去除是智能视频分析中最重要的步骤之一。视频中大部分像素，都是长久不变的，背景去除可以将视频中不变的背景去除棹，留下发生变化的前景。混合高斯模型背景去除是目前最流行的背景去除方法。混合高斯模型使用K (基本为3到5个）个高斯模型来表征图像中各个像素点的特征，在新一帧图像获得后更新混合高斯模型，用当前图像中的每个像素点与混合高斯模型匹配，如果成功则判定该点为背景点，否则为前景点。通观整个高斯模型，主要是有方差和均值两个參数決定，对均值和方差的学习，采取不同的学习机制，将直接影响到模型的稳定性、精确性和收敛性。
[0003]高斯模型就是用高斯概率密度函数(正态分布曲线）精确地量化事物，将ー个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。
[0004]混合高斯模型背景去除方法的优点是可以自适应学习，不会受到早晩光线变化的 影响。
[0005]缺点主要有：
1.运算量比较大，针对每ー个像素都要建立ー个混合高斯模型；
2.因为是以单个像素为处理単位，比较容易产生虚警。
【发明内容】
[0006]针对现有技术上存在的不足，本发明目的是在于提供一种视频分析低运算量背景去除方法，保持自适应学习背景的特色，且大大降低运算量和虚警率。
[0007]为了实现上述目的，本发明是通过如下的技术方案来实现：一种视频分析低运算量背景去除方法，其方法步骤为：
(I).图像分块
将视频中的一帧图像分割成由MxN个像素构成的图像子块。接下来将对每ー个图像块计算该图像块的局部对比度。M和N的选取可视应用而定，一般可以选取M=8，N=S0
[0008](2).计算局部对比度
针对上述每ー个图像块，根据下述定义计算出该图像子块对应的局部对比度4。
[0009]局部对比度（Local Contrast)定义为：
【权利要求】
1.一种视频分析低运算量背景去除方法，其特征在于，背景去除方法步骤为： (1).图像分块 将视频中的一帧图像分割成由MxN个像素构成的图像子块，接下来将对每ー个图像块计算该图像块的局部对比度，M和N的选取可视应用而定，一般可以选取M=8，N=S0 (2).计算局部对比度 针对上述每ー个图像块，根据下述定义计算出该图像子块对应的局部对比度Cu 局部对比度（Local Contrast)定义为：
【文档编号】G06T7/00GK103530886SQ201310513907
【公开日】2014年1月22日 申请日期:2013年10月22日 优先权日:2013年10月22日
【发明者】张昕, 楼冬明, 刘玉平 申请人:上海安奎拉信息技术有限公司