= {q e C\{p} |d(p, q) ^ k-di stance (p)}
[0061] 样本点p的k-距离邻域表示包含到p的距离不大于p的k-距离的所有样本点的 区域。运些点都叫做样本点P的k-距离近邻点。 阳06引 k的取值与正确识别百分比（PCC)的关系，如图3所示。由图可知，k= 3和k= 4时PCC最高，由于k越大所需的计算量越大，所W本发明中，k的取值为3。
[0063] 在确定了k的取值后，初始化时背景模型中的样本点个数与正确识别百分比的关 系，如图4所示。由图可知，20时PCC都很高，由于与k一样，N越大所需的计算量越 大，所W本发明中，N的取值为20。
[0064] 为了减少计算局部密度时统计波动带来的影响，我们还定义了样本点P的可达距 离：
[0065]reach-distk(P,0)=max化-distance(ο)，d(p, 〇)}
[0066] 由于我们是比较样本点的局部密度，所W我们定义样本点p的局部可达密度如 下：
[0067]
[0068] 样本点P的局部可达密度是P的基于k-距离最近邻的平均可达距离的倒数。值 得指出的是，如果所有的可达距离都是0的话，局部可达密度是有可能为-的，如果运种情 况发生的话，我们完全可W直接标记该样本点P为背景点。 W例最后，我们定义局部背景因子：
[0070]
[0071] 样本点P的局部背景因子是P的局部可达密度和P的k-距离最近邻各点的局部 可达密度的比值，描述了P为背景点的可能性。样本点P的局部密度越小，且其k-距离最 近邻的局部可达密度越大，样本点P的局部背景因子越大，表明P是背景的可能性越小。
[0072] 将新像素值的局部背景因子与其k-距离最近邻各点的局部背景因子进行比较， 若其小于其k-距离最近邻各点的局部背景因子的平均值，则判断为背景点。
[0073] 由于我们已经计算了所有样本点的局部背景因子，因此在更新背景模型时，我们 可W有目的地选取局部背景因子最大的样本点，也就是背景可能性最小的点，用新背景像 素值将其替换，保证背景模型更新的收敛性。
[0074] 图5a为Wallflower数据库中Waving Trees中的一帖图像，是一个实验对象走过 摄像头前，其背景为一棵树枝被风吹动的大树。图化为本发明用图5a做输入时得到的背 景建模结果。可W看到，我们的检测结果并未受到背景中摇晃的树枝的影响，成功地检测出 了前景对象。
[0075] 图 6a为StatisticalModelingofComplexBackgroundsforForeground 化jectDetection使用的数据库中WaterSurface的一帖图像，是一个实验对象站在泛起 链満的水面边。图化为本发明用图6a做输入时得到的背景建模结果。可W看到，我们的 检测结果并未受到背景中泛起链満的水面的影响，成功地检测出了前景对象。
[0076] 图7a为面向室外视频监控的运动目标检测跟踪库中"行人岗亭"的一帖图像，有 一辆与地面颜色非常接近的银色轿车驶进画面。图化为目前背景建模领域广受关注的 ViBe算法用图7a做输入时得到的背景建模结果，ViBe是基于样本距离的背景建模方法。 图7c是本发明用图7a做输入时的背景建模结果。可W看到，由于前景对象银色轿车的颜 色与背景地面的颜色非常接近，导致ViBe在检测时将部分前景区域误检测为背景，造成前 景区域的部分缺失，而本发明的实验结果并未受到太大的影响，依然能较完整的检测出前 景目标。
[0077] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围W内。
【主权项】
1. 一种基于样本局部密度离群点检测的背景建模方法，其特征是：包括以下步骤： (1) 利用已采集到的视频帧对背景模型进行初始化，针对每一个像素点都初始化出一 个样本集，计算样本集的各个样本点的局部背景因子； (2) 采集观察到的新像素值，计算其局部背景因子； (3) 将新观察到的新像素值的局部背景因子与其最近邻的各个样本点进行比较，判断 其是否属于背景，如果属于背景则进入步骤（4)，如果不属于背景则进入步骤（5); (4) 将新像素值融入背景模型，进行更新，并利用新像素值将样本集中局部背景因子最 大的样本点替换掉； (5) 采集新的一帧视频，重复步骤（2)-(4)，更新背景模型。2. 如权利要求1所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1)中，具体方法为： (1-1)定义样本点P的k-距离d (P, 0)，表示样本点p的k-距离邻域，确定样本点p的 k-距离近邻点； (1-2)确定样本点p的可达距离和样本点p的局部可达密度； (1-3)根据样本点p的局部可达密度和p的k-距离最近邻各点的局部可达密度的比 值，描述样本点P为背景点的可能性。3. 如权利要求2所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1-1)的具体方法为：定义关于一个样本点P的k-距离d (p，〇)，其满足以下 要求： (1) 在同一个样本集中，至少有k个样本o' e C满足d(p, o'）< d(p, 〇); (2) 在同一个样本集中，至多有1^-1个样本点〇'￡(：满足(1&，〇'）〈(1&，〇); 样本点P的k-距离邻域则表示为：样本点P的k-距离邻域表示包含到p的距离不大于p的k-距离的所有样本点的区域， 这些点都叫做样本点P的k-距离近邻点。4. 如权利要求2所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1-2)中，定义样本点p的可达距离： reach_distk (p, 〇) = max {k-di stance (ο), d (p, o)} 同时定义样本点P的局部可达密度如下：样本点P的局部可达密度是样本点P的基于k-距离最近邻的平均可达距离的倒数。5. 如权利要求1所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1)中，如果所有的可达距离都是〇的话，局部可达密度是有可能为0的，直接 标记该样本点P为背景点。6. 如权利要求2所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1-3)中，局部背景因子为：样本点P的局部背景因子是P的局部可达密度和P的k-距离最近邻各点的局部可达 密度的比值，描述了样本点P为背景点的可能性。7. 如权利要求6所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（1-3)中，样本点p的局部密度越小，且其k-距离最近邻的局部可达密度越 大，样本点P的局部背景因子越大，表明P是背景的可能性越小。8. 如权利要求1所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（3)中，判断方法为：将新像素值的局部背景因子与其k-距离最近邻各点的 局部背景因子进行比较，若其小于其k-距离最近邻各点的局部背景因子的平均值，则判断 为背景点。9. 如权利要求1所述的一种基于样本局部密度离群点检测的背景建模方法，其特征 是：所述步骤（4)中，在更新背景模型时，选取局部背景因子最大的样本点，即背景可能性 最小的点，用新背景像素值将其替换，保证背景模型更新的收敛性。
【专利摘要】本发明公开了一种基于样本局部密度离群点检测的背景建模方法，包括以下步骤：利用已采集到的视频帧对背景模型进行初始化，计算样本集的各个样本点的局部背景因子，采集观察到的新像素值，计算其局部背景因子；将新观察到的新像素值的局部背景因子与其最近邻的各个样本点进行比较，判断其是否属于背景，如果属于背景则将新像素值融入背景模型，进行更新，并利用新像素值将样本集中局部背景因子最大的样本点替换掉；本发明利用观察到的像素真实值来初始化背景模型，增加了背景模型的真实性，避免了被不存在的虚假值影响的可能性。
【IPC分类】G06T7/00
【公开号】CN105279761
【申请号】CN201510796632
【发明人】杨明强, 曾威, 崔振兴
【申请人】山东大学
【公开日】2016年1月27日
【申请日】2015年11月18日