专利名称：基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法
技术领域：
本发明涉及视频处理技术领域，特别涉及视频信息智能识别技术领域，具体是指一种基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法。
背景技术：
视频雨雪检测是在视频检测出雨雪的处理过程。早期的视频雨雪检测技术通常采用物理或电子设备来检测视频中的雨雪。随着计算机技术的出现，基于计算机视觉和智能视频处理的方法极大地提高了处理的工作效率和适用条件。基于智能视频处理的雨雪检测方法通常分为基于空间模型的方法和基于时间模型的方法。前者在充分利用了图像在空间上的相关性。而后者则是通过增加相邻帧的信息来提高检测的效率。因此相对于空间模型的检测方法，后者具有更高的检测效率。经过对现有技术的文献检索发现，基于空间模型和时间模型的检测方法所采用的算法主要是利用视频空间和时间上的冗余信息、相邻像素相似性和雨雪物理模型在内的多种图像特征，如 J. Bossu、N. Hautiere、J. P. Tarel在《International Journal of ComputerVision》(国际计算机视觉期刊)第93卷，第3期，第348页到367页发表的“rain orsnow detection in image sequences throughuse of a histogram of orientation ofstreaks”(基于雨雪方向直方图的视频检测方法)一文中提出基于雨雪方向模型假设，通过最大期望法求解的雨雪检测方法。K. Garg和S. K. Nayar在《Computer Vision and PatternRecognition))(计算机视觉和模式识别)第I卷，第528页发表的“detection and removalof rain from videos”(视频中的雨滴检测方法)一文中提出基于时间域模型的雨滴检测方法。上述方法都是基于空间或时间域冗余信息，利用了空间域和时间域约束模型来获取雨雪所在像素点信息的方法。然而，这些方法未能考虑雨雪病态运动物理模型的情况，即相邻帧中的雨雪运动不连续。另外，由于空间域约束模型没有融入雨雪先验概率设计，从而无法获得正确的雨雪估计位置信息。这就带来了视频中雨雪检测精度下降的问题。
发明内容
本发明的目的是克服了上述现有技术中的缺点，提供一种采用时间域不连续模型，以便保证雨雪检测的正确性；并且建立统一贝叶斯处理框架，利用框架中的高斯混合模型和雨雪先验模型来描述图像的空间约束；最后采用迭代条件模式优化完成估计过程，从而获取视频中雨雪的位置信息，确保检测精度，且实现方法简便，实现成本低廉的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法。为了实现上述的目的，本发明的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法包括以下步骤( I)检测系统读入视频信息，并保存视频信息的当前帧和相邻帧；(2)所述的检测系统对判断是否已检测所述的当前帧中的全部像素，若否，则确定一个未检测像素的坐标为当前像素，并进入步骤(3)，若是，则进入步骤(8);
(3)所述的检测系统计算所述的当前像素的空间域概率分布，以表示雨雪的梯度方向分布；(4)所述的检测系统计算所述的当前像素的马尔可夫先验概率分布；(5)所述的检测系统计算所述的当前像素的时间域概率分布；(6)所述的检测系统根据所述的当前像素的空间域概率分布、先验概率分布和时间域概率分布，并根据贝叶斯后验概率框架进行最大后验概率计算；(7)所述的检测系统对所述的当前像素进行迭代条件优化计算，并返回步骤(2)；(8)所述的检测系统根据对于当前帧所有像素的计算获得当前帧的雨雪像素所在位置信息。
·
该检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法中，所述的检测系统计算所述的当前像素进行空间域概率分布，以表示雨雪的梯度方向分布，具体为，所述的检测系统利用以下公式计算所述的当前像素进行空间域概率分布Ρ( Θ Js):
权利要求
1.一种检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的方法具体包括以下步骤 (1)检测系统读入视频信息，并保存视频信息的当前帧和相邻帧； (2)所述的检测系统对判断是否已检测所述的当前帧中的全部像素，若否，则确定一个未检测像素的坐标为当前像素，并进入步骤(3)，若是，则进入步骤(8); (3)所述的检测系统计算所述的当前像素的空间域概率分布，以表示雨雪的梯度方向分布； (4)所述的检测系统计算所述的当前像素的马尔可夫先验概率分布； (5)所述的检测系统计算所述的当前像素的时间域概率分布； (6)所述的检测系统根据所述的当前像素的空间域概率分布、先验概率分布和时间域概率分布，并根据贝叶斯后验概率框架进行最大后验概率计算； (7)所述的检测系统对所述的当前像素进行迭代条件优化计算，并返回步骤(2); (8)所述的检测系统根据对于当前帧所有像素的计算获得当前帧的雨雪像素所在位置信息。
2.根据权利要求1所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的检测系统计算所述的当前像素进行空间域概率分布，以表示雨雪的梯度方向分布，具体为，所述的检测系统利用以下公式计算所述的当前像素进行空间域概率分布P(9n|s)1、Ν{θ\μ,σ)
3.根据权利要求2所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的雨雪高斯分布的方差σ =0. 5，且雨雪高斯分布的均值μ =0. 7。
4.根据权利要求1所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的检测系统计算所述的当前像素的马尔可夫先验概率分布，具体为 所述的检测系统利用以下公式计算所述的当前像素的马尔可夫先验概率分布P (S)
5.根据权利要求4所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的衰减控制参数h=l. 5。
6.根据权利要求1所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的检测系统计算所述的当前像素的时间域概率分布；具体为 所述的检测系统利用以下公式计算所述的当前像素的时间域概率分布P(A1Js)
7.根据权利要求6所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的参数σ e=l. 3,所述的参数a (k) =0. 8ο
8.根据权利要求6所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的帧场不连续标志t根据以下公式确定
9.根据权利要求8所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的阈值3=6。
10.根据权利要求1至9中任一项所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的检测系统根据所述的当前像素的空间域概率分布、先验概率分布和时间域概率分布，并根据贝叶斯后验概率框架进行最大后验概率计算，具体为 所述的检测系统利用以下公式计算所述的最大后验概率P (Si Λη，θη):P(s Δη, θη) ocp(Ajs) ·Ρ(θη|8) · P(s), 其中，P(0n|s)为空间域概率分布，P(Ajs)为时间域概率分布，P(S)为先验概率分布。
11.根据权利要求1所述的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其特征在于，所述的相邻帧为当前帧前后各两帧。
全文摘要
本发明涉及一种检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，属于视频处理技术领域。该方法中，对视频当前帧的全部像素依次进行空间域概率分布计算、马尔可夫先验概率分布计算和时间域概率分布计算；而后基于之前的计算结果进行最大后验概率计算和迭代条件优化计算，最终获得当前帧的雨雪像素所在位置信息，从而保证了雨雪检测的正确性；大幅提升了从视频中获取的雨雪位置信息的精度，且本发明的检测系统中基于贝叶斯时空模型实现视频中的雨雪信息检测控制方法，其实现方法简便，实现成本也较为低廉。
文档编号G06K9/00GK103065132SQ201310012318
公开日2013年4月24日 申请日期2013年1月14日 优先权日2013年1月14日
发明者姚晨, 洪丽娟, 成云飞 申请人:公安部第三研究所