一种监控视频中的前景检测的方法

文档序号:7896484阅读:1009来源:国知局
专利名称:一种监控视频中的前景检测的方法
一种监控视频中的前景检测的方法技术领域
本发明属于图像处理领域的技术,涉及一种监控视频中的前景检测的方法,具 体的涉及一种基于概率核密度估计的(KDE)的背景差分算法进行前景检测的方法。
背景技术
视频中运动目标检测是数字视频处理和计算机视觉的重要研究领域之一,同时 也是智能视频监控等关键应用中的核心技术。针对监控视频的前景检测的方法有很多, 例如光流法、帧间差法、模板匹配法、以及背景差分法。
背景差分算法是运动目标检测的最常用的方法,因为背景差分算法的在运动检 测方面表现出的较好的鲁棒性和较低算法复杂度。算法的基本思想比较简单,即用当前 图像帧减去背景模型,得到的就是前景目标区域。正因为如此,关于背景差分的研究的 文献相当多,而且具体算法也是千差万别。即使如此,背景差分算法的基本流程还是差 不多的,其基本流程附图
2所示。
a.背景建模,所谓背景模型就是背景的描述方式,根据输入的视频序列抽象出 背景数学模型;b.背景差分,把当前图像与背景模型进行差分,也就是与背景模型进行比较匹配;c.后期处理和目标检测,一阶段是对前面背景差分的结果,做进一步精确细化处 理,目的是得到更加精确完整运动目标区域,例如前景空洞消除,阴影检测等;d.背景更新,为了使背景模型适应场景的变化,实时更新背景模型的参数来反映 这些变化,提高算法的鲁棒性。
现有的背景差分算法可以大体上分为两类预测式和统计式背景模型。预测式 背景模型是把视频看成是一个基于时间的序列,通过过去的观察结果,预测出当前的视 频图像的方法。统计式的背景差分模型是把过去的视频序列做概率统计,而忽略图像出 现的先后顺序,通过概率的方法得到背景模型的表示方法,有典型的单高斯和混合高斯 背景模型。但是现有的概率统计的方法,都不能很好的表示背景的状态。由于场景中存 在一些噪声扰动,光照变化,动态背景(如树叶晃动、水面波动),背景模型不能很好 的使用一个概率模型来表示,不论单高斯模型,还是混合多高斯模型,在一些复杂的场 景中,例如室外复杂场景,都不能很好的建模背景模型,从而不能得到很好的背景差分 效果。
在相对复杂的场景应用中,普通的基于概率统计的背景差分方法中不能很好的 描述出背景模型,对于场景中的动态背景和光照变化非常敏感,而导致背景严重的前景 检测错误;而传统的概率统计模型进行前景检测的方法只是集中在增加模型的数量,而 带来很高运算复杂度,不能有效实时地进行检测前景。发明内容
本发明的目的在于,针对上述问题,提出一种基于概率核密度估计的的背景差分算法进行前景检测的方法。
为实现上述目的,本发明采用的技术方案是具体按照以下五个步骤实施, 步骤1:建立一个背景模型利用视频的最近数帧图像,假设各个通道间相互独立,抽象出一个背景模型; 步骤2:进行背景差分利用步骤1背景模型进行前景检测,将当前图像与背景图像进行差分,然后再通过 公式的运算进一步抑制和消除阴影;步骤3:进行后期处理对前面的前景检测,通过概率的估算比较去除前景检测中 存在大部分误检,得到更加精确地前景; 步骤4:进行背景更新根据适应场景的变化,使用选择性的方式,根据前面的前景检测结果,更新最新场 景变化到背景模型中去;步骤5:进行算法效率优化在所述算法的初始化阶段,首先计算得到一个以高斯函数的值为索引值的查找表, 简化步骤1所建立的背景模型,只剩下简单的乘法和加法运算。
进一步的,本算法利用视频的最近数帧图像,建立一个背景模型,其中所述步 骤1中的背景模型采用如下公式(1)估计当前帧的像素值出现的概率,此模型能捕捉背 景的快速变化,
权利要求
1.一种监控视频中的前景检测的方法,采用背景差分算法建立背景模型,其特征在 于,所述背景模型的建立是基于概率核密度估计的背景差分算法,具体按照以下步骤实 施,步骤1:建立一个背景模型利用视频的最近数帧图像,假设各个通道间相互独立, 抽象出一个背景模型;步骤2:进行背景差分利用步骤1背景模型进行前景检测,将当前图像与背景图像进行差分,然后再通过 公式的运算进一步抑制和消除阴影;步骤3:进行后期处理对前面的前景检测,通过概率的估算比较去除前景检测中 存在大部分误检,得到更加精确地前景;步骤4:进行背景更新根据适应场景的变化,使用选择性的方式,根据前面的前景检测结果,更新最新场 景变化到背景模型中去;步骤5:进行算法效率优化在所述算法的初始化阶段,首先计算得到一个以高斯函数的值为索引值的查找表, 简化步骤1所建立的背景模型,只剩下简单的乘法和加法运算。
2.根据权利要求1所述的监控视频中的前景检测的方法,其特征在于,所述步骤1中 的背景模型采用如下公式(1)估计当前帧的像素值出现的概率其中,是当前帧的像素值,d为每个像素的通道数,N为核函数的个数;δ表示各个通道的标准差,利用如下公式计算, 对每个颜色通道的N个连续的样本,相邻的两个值的差值Ixi-x(i+l)|,在这些连续 的(xi,x(i+l))对中,求得中值m。
3.根据权利要求2所述的监控视频中的前景检测的方法,其特征在于,采用如下方法 实现步骤2中的背景差分,并进一步抑制和消除阴影,设当前的像素值为4,代入公式(1),得到当前像素为背景的概率,设定一个门 限T,若汽Α) >Τ,就判定为前景,然后使用下面公式(3)进行运算得到比例色彩空间值,进一步抑制和消除阴影, r = R/(R+G + B) g = Of(R + G + B)(3)S=R+G+B其中,R、G、B分别为RGB色彩空间的各值,(r,&S)为得到的比例色彩空间值,s分量是亮度信息,对(r,g,s)三个通道加以区分对待T=(tl,t2,t3),要求 tl,t2>t3。
4.根据权利要求3所述的监控视频中的前景检测的方法,其特征在于,按照以下的步 骤去除背景差分中绝大多数的误检,a.利用公式(1),在邻域中寻找概率的最大值,
5.根据权利要求4所述的监控视频中的前景检测的方法,其特征在于,使用如下的公 式(6)对背景进行更新,
6.根据权利要求5所述的监控视频中的前景检测的方法,其特征在于,所述的查找表 是一个以丨 - I为索引,对应的高斯函数的值为索引值的查找表。
全文摘要
本发明公开了一种监控视频中的前景检测的方法,按照以下步骤实施建立背景模型利用视频的最近数帧图像,建立一个背景模型,以捕捉背景的快速变化;进行背景差分在背景模型建立好以后,开始进即进行背景差分,然后利用公式抑制和消除阴影;进行后期处理去除背景差分中存在很多误检;进行背景更新使用选择性的方式进行背景更新;最后进行算法效率优化在算法的初始化阶段,首先计算得到索引值的查找表,以简化背景模型的公式。本发明的有益效果是首次使用概率核函数估计应对复杂场景进行前景检测,使用高效查找表的方法解决运算量高的问题,使本方法能适应复杂快速的背景变化,也能有效实时地检测前景。
文档编号H04N7/18GK102025981SQ20101060087
公开日2011年4月20日 申请日期2010年12月23日 优先权日2010年12月23日
发明者吴晶, 明安龙, 马华东 申请人:北京邮电大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1