基于马氏距离的视频图像背景检测方法

文档序号:7995411阅读:357来源:国知局
专利名称:基于马氏距离的视频图像背景检测方法
技术领域
本发明属于图像处理技术领域,尤其涉及一种基于马氏距离的视频图像背景检测方法。
背景技术
随着视频监控摄像头在智能监控领域的广泛应用与智能视频分析技术的快速发展,视频摘要技术逐渐进入人们的眼帘。视频摘要技术,是一种将长时间的海量视频数据压缩到一个可控的时间段内的技术,便于提供给人们进行视频浏览。在视频摘要技术中,需要利用高效的背景检测方法,以对视频图像的背景加以检测,进而捕捉视频中的前景运动物体作为视频摘要跟踪的对象,因此背景检测技术成为了视频摘要技术中的一个研究热点。 同时,在其它视频图像处理技术领域,例如人脸识别技术领域、视频压缩处理技术领域等, 也需要借助背景检测技术完成背景、前景的区分。可见,背景检测技术在多种应用的视频图像处理技术中都具有重要的地位,是目前图像处理技术领域中的一个主流研究方向。目前使用比较广泛的背景检测方法主要有背景差分法、核密度估计检测法、混合高斯背景建模检测法和codebook背景建模检测法。Heikkila 等人在文献“Heikkila,J. and 0. Silven. A real-time system for monitoring of cyclists and pedestrians. In :Second IEEE Workshop on Visual Surveillance. Collins, Colorado :IEEE, 1999. 74-81” 和文献“Piccardi,M. Background subtraction techniques -.a review. In :IEEE International Conference on Systems, Man and Cybernetics 2004. The Hague,Netherlands :IEEE 2004. 3099-3104 vol. 4”中提出了背景差分法,该算法使用了背景相减的方法,即通过将待处理视频图像序列减去事先给定的一副背景图像,再应用二值化的方法来区分出运动前景。该算法的优点是容易实现, 算法复杂度低,几乎不会耗费多少计算资源就可以快速的获取运动前景,进而应用到实时视频摘要生成系统中去。但是,该算法需要事先给定一副完整的背景图像,且完整的背景图像不易获取,依赖外部输入,并不能够随着时间推移进行更新,导致视频处理后期的工作出现较大的误差。Elgammal 等人在文献"Piccardi,Μ. Background subtraction techniques :a review. In :IEEE International Conference on Systems, Man and Cybernetics 2004. The HagueiNetherlands :IEEE 2004. 3099—3104 vol. 4”禾口文献“Elgammal,A.,D. Harwood, and L. Davis, Non-parametric model for background subtraction. Computer Vision ECCV 2000,2000 :p. 751-767”中提出了非参数背景建模方法,估计背景像素值在时间序列上的概率密度,通过一个长度设定的窗口以及窗函数估计像素值属于前景或者背景的概率,从而判断图像中各个像素是否为背景像素。该算法的优点是方便适应新的训练样本加入,为密度估计的在线学习提供便利。但是,该算法计算复杂度太大,不适合应用于实时运动检测系统中,并且在动态背景和光线突变条件下的鲁棒性不高。Wren 等人在文 ^ "Wren, C. R. , et al. Pfinder :Real-time tracking ofthehuman body. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997. 19(7) :p. 780-785. ”中使用单高斯模型对背景进行建模,克服了需要外部输入背景的限制,在室内等单峰环境下具有较好的检测效果,但是在复杂的多峰环境中,如波动的湖面和摆动的树叶,就很难使用该模型对背景环境进行准确的建模了。为了解决这些问题, Stauffer等人提出了混合高斯背景建模检测法(简称为MOG方法),该检测方法考虑了像素点在时间上的连续性,将背景像素在时间序列上的分布假设为混合高斯模型,并假设了 RGB空间的三个分量之间是相互独立的,给出了背景像素的分布特征,即背景像素在RGB空间中呈现球状分布。但是,RGB空间中的三个分量并不是相互独立的,因此MOG方法对背景像素的分布特征的描述不是很准确,导致运动前景检测误差的增大。Kim 等在文献“Kim, K. , et al. , Real-time foreground-background segmentation using codebook model. Real-time imaging, 2005. 11 (3) :p. 172-185”禾口文献"Chalidabhongse, Τ. H. , et al. A perturbation method for evaluating background subtraction algorithms. In Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance. 2003. Nice, France =Citeseer"中提出了一种结构化的codebook背景建模检测法,在多峰环境下得到了较好的图像背景检测效果。mi等在文献111,M. and X. Peng, Spatio-temporal context for codebook—based dynamic background subtraction. AEU-International Journal of Electronics and Communications, 2010. 64 (8) :p. 739—747” 以及 Qiu 等在文献"Tu, Q. , Y. Xu, and Μ. Zhou. Box-based codebook model for real-time objects detection. In :7th World Congress on Intelligent Control and Automation. Chongqing, China =IEEE, 2008. 7621-7625” 中分别对 Kim 等提出的 codebook 背景建模检测法进行了部分改进,在一定程度上进一步提高了背景检测的准确度。codebook背景建模检测法,是基于视频图像像素点的亮度变化,通过界定背景模型的亮度上、下边界实现背景、 前景的区分,降低了全局和局部光照变化对背景区分的影响,背景检测效果相对于MOG方法而言更好,而且其运算可以在不影响前景检测效果的基础上对背景模型进行压缩,大大减少了对内存的需求和计算量,处理效果和运算效率较优于前述的三种背景检测方法。但是,也正是由于codebook背景建模检测法是基于对视频图像像素点的亮度统计观察而提出的,而没有考虑视频图像像素点的RGB分量分布情况,因此在很多情况下对图像背景、前景的区分不够准确,导致背景检测和前景捕捉存在较多的噪点。

发明内容
针对现有技术中存在的上述问题,对视频图像像素点的RGB分量分布特征加以考虑和分析,利用马氏距离算法对视频图像像素点的RGB分量分布特征进行度量,提出一种背景检测准确性更高的基于马氏距离的视频图像背景检测方法。为实现上述目的,本发明采用了如下技术手段基于马氏距离的视频图像背景检测方法,包括如下步骤a)从视频中提取F帧背景图像作为训练样本集,80彡F彡L,L表示视频的总帧数;b)分别求取训练样本集中图像各像素点的RGB均值矩阵
权利要求
1.基于马氏距离的视频图像背景检测方法,其特征在于,包括如下步骤a)从视频中提取F帧背景图像作为训练样本集,80^ F^L, L表示视频的总帧数;b)分别求取训练样本集中图像各像素点的RGB均值矩阵
全文摘要
本发明提供了一种基于马氏距离的视频图像背景检测方法,该方法通过对视频图像像素点的RGB分量分布特征加以考虑和分析,根据研究、分析发现的视频图像中像素点的RGB分量分布特性,利用马氏距离算法对视频图像像素点的RGB分量分布特征进行度量,获取视频图像中背景像素点真实的橄榄球形RGB分量分布轮廓,并结合阈值法进行背景检测,提高了背景检测准确性;即便其背景检测结果中存在少量噪点,也都主要分布在前景像素点的附近,完全能够满足实际应用中视频图像背景识别和前景捕获的实用准确性要求;同时,该方法还基本保持了与codebook背景建模检测法相当的运算效率,具有良好的实时性和鲁棒性。
文档编号H04N5/14GK102340620SQ20111032804
公开日2012年2月1日 申请日期2011年10月25日 优先权日2011年10月25日
发明者张小洪, 徐玲, 杨丹, 杨梦宁, 洪明坚, 胡海波, 葛永新, 陈远, 霍东海 申请人:重庆大学
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