专利名称：基于前景建模的视频监控中的遗留物检测方法
技术领域：
本发明涉及一种安防系统视频监控中的遗留物检测方法，尤其涉及一种基于前景建模的遗留物检测方法。
背景技术：
近年来，随着社会对公共安全的不断重视，对于人流密集场所的可疑遗留物的检测已成为安防系统不可或缺的部分。遗留物检测方法一般包括如下几个步骤:背景提取、前景分割、静态区域检测和物体分类跟踪。背景提取是遗留物检测的最基本步骤。一般背景提取的方法都假定背景为静态，在静态的基础上有微弱的光线变化。为了应对光线的改变，背景往往需要建模并不断更新模型数据。对背景进行建模主要采用单高斯模型或混合高斯模型。在前景分割方面，可分为基于像素的方法和基于区域的方法。基于像素的方法一般是对每个像素进行建模，对每个图像像素与背景像素单独分析，区分是前景还是背景。基于像素的方法运算量小但在复杂场景下鲁棒性较差。而基于区域的前景分割引入了一些空间结构信息，使得其在复杂场景的分割中表现更好。在静态区域检测方面，目前认为最有效的方法是利用对前景掩蔽的累积，当一块区域的前景掩蔽累积到一定数值后就可认定为静态区域。此方法虽然在人流相对稀疏的场景下有着不错的准确性，但是在繁杂的地方由于物体间的交互运动而会导致检测出虚假静态区域。在物体分类跟踪方面，一般把物体分为遗留物体和移走物体两类。一类主流方法是利用图像的边缘信息作为物体分类依据的方法。该方法在背景简单的场景下有着不错的稳定性，但在背景复杂的场景常常会出现错误分类的现象。
发明内容
本发明针对现有技术中的上述问题，提出了一种基于前景建模的遗留物检测方法，该方法包括背景提取、前景分割、静态区域检测和物体分类跟踪四个步骤，其特征在于:所述静态区域检测步骤中，基于单高斯模型构建前景模型，所述模型中除了存有每个像素的高斯分布外，还额外存储了一个Hit-Count数值,该Hit-Count数值用来记录该像素发生Hit-Event的次数，Hit-Event是指当前前景像素与模型中存储的像素值相匹配,每次前景分割完成后，用分割出来的前景对前景模型进行更新。优选地，当前前景像素与模型中存储的像素值相匹配的定义是两个像素之间的欧氏距离小于2.5个前景模型中的标准差。优选地,对于Hit-Count用下列公式进行更新:
权利要求
1.一种基于前景建模的遗留物检测方法，该方法包括背景提取、前景分割、静态区域检测和物体分类跟踪四个步骤，其特征在于:所述静态区域检测步骤中，基于单高斯模型构建前景模型，所述模型中除了存有每个像素的高斯分布外，还额外存储了一个Hit-Count数值,该Hit-Count数值用来记录该像素发生Hit-Event的次数,Hit-Event是指当前前景像素与模型中存储的像素值相匹配，每次前景分割完成后，用分割出来的前景对前景模型进行更新。
2.根据权利要求1所述的基于前景建模的遗留物检测方法，其特征在于:当前前景像素与模型中存储的像素值相匹配的定义是两个像素之间的欧氏距离小于2.5个前景模型中的标准差。
3.根据权利要求1所述的基于前景建模的遗留物检测方法，其特征在于:对于Hit-Count用下列公式进行更新:
4.根据权利要求1所述的基于前景建模的遗留物检测方法，其特征在于:提取图像中每个像素的Hi t-Count数值，获得一幅Hi t-Count的图像，然后采用双阈值对获得的Hit-Count的图像进行划分，首先用一个较高的阈值对图像进行分割寻找静态物体，然后对于寻找到的静态物体，在用低阈值分割的图像中寻找物体的轮廓。
全文摘要
本发明公开一种基于前景建模的遗留物检测方法，该方法包括背景提取、前景分割、静态区域检测和物体分类跟踪四个步骤，在静态区域检测步骤中，基于单高斯模型构建前景模型，所述模型中除了存有每个像素的高斯分布外，还额外存储了一个Hit-Count数值，该Hit-Count数值用来记录该像素发生Hit-Event的次数，Hit-Event是指当前前景像素与模型中存储的像素值相匹配，每次前景分割完成后，用分割出来的前景对前景模型进行更新。静态区域检测时，采用一高一低两个阈值，克服了通常的单阈值分割导致的图像碎片化问题。经实验证明，本发明提出的基于前景建模的遗留物检测方法在人流拥挤场景下的准确性有较大提高。
文档编号G06T5/00GK103093435SQ201310031080
公开日2013年5月8日 申请日期2013年1月27日 优先权日2013年1月27日
发明者孙建德, 沈赟珺, 李静 申请人:孙建德