基于码本背景模型的自适应阈值运动目标检测方法
【专利摘要】本发明公开了一种基于码本背景模型的自适应阈值运动目标检测方法，属于智能视频监控【技术领域】。该方法包括以下步骤：1）将输入的视频图像序列分为训练集和检测结果集，对输入的训练集通过自适应阈值方法创建初始码本背景模型；2）对创建的初始码本背景模型通过时间滤波方式进行提纯和优化；3）将提纯的码本背景模型应用于前景检测，将作为训练样本的前n帧图像作为训练集创建的码本背景模型与后续输入的视频图像序列相减；4）对得到的差分图像进行二值化，并将该二值图像作为最终的检测结果图像。本方法能够自适应地调整阈值，相比以往的检测方法可以获得更好的检测结果，具有很高的准确性。
【专利说明】基于码本背景模型的自适应阈值运动目标检测方法【技术领域】
[0001]本发明属于智能视频监控【技术领域】，涉及一种基于码本背景模型的自适应阈值运动目标检测方法。
【背景技术】
[0002]近年来，随着智能视频监控技术在计算机视觉领域的广泛应用和快速发展，运动目标检测作为智能视频监控及进行智能视频分析的基础也取得了丰硕的成果，各种各样的运动目标检测算法相继被提出并不断改进，而且目前有越来越多的基于运动目标检测的智能监控系统投入了使用。但是，运动目标检测研究中仍有很多问题没有得到很好地解决，其原因在于，无论是在室外还是室内都有很多引起背景变化的情况产生:在室外等不能控制光照和大自然气候的环境下，运动目标容易受光照方向、光照强度以及风向和风速的影响而明显地产生非线性变化，使得准确地检测目标变得非常困难；在室内环境下，运动目标的检测结果容易受灯光以及目标本身的变化的干扰。
[0003]在消除背景变化对运动目标检测的影响方面，背景减除法因其计算简便、得到目标准确，对静止和非静止的目标都适用等优点正引起人们的高度关注。背景减除法利用当前图像和背景图像的差分图像来检测目标。但是，要获得完整的背景图像非常困难，因此很多背景建模算法应运而生，其中码本(Codebook)背景建模算法由于简单易实现且较为准确地刻画了背景像素点的分布逐渐成为最受关注的背景建模算法之一。
[0004]码本背景建模算法由Kim等提出，该方法通过对背景的每个像素点的值进行采样，然后应用量化和采样技术生成码本(Codebook)。其中，每个码本由多个码字(Codeword)构成，多个码字形成一个圆柱体模型。码本中码字的个数并不相同，其码字个数受到背景变化的大小的影响。在创建码字过程中，需要进行条件匹配，若能匹配成功，则更新码字，若不能匹配成功则需要为该像素点创建一个新的码字。最后将创建好的码本背景模型与输入图像相减，并将所得的差分图像二值化，从而得到最终的检测结果图。
·[0005]由于码本背景建模算法是根据不同的视频手动地设置不同的匹配条件的阈值，而不同的视频阈值的大小会有很大的差异，这种通过手工的方式设置阈值不仅增加了算法实现者的人为因素对检测结果的影响，还使得检测结果具有不稳定性。因此，考虑到算法检测结果的稳定性和准确度，自适应阈值的引入成为一种可取的方向。
【发明内容】
[0006]有鉴于此，本发明的目的在于提供一种基于码本背景模型的自适应阈值运动目标检测方法，该方法通过考虑同一个像素点在不同帧间的像素值变化，利用最大马氏距离阈值法计算最大的变化值，并由该值确定阈值，从而解决检测结果具有随机性的问题。
[0007]为达到上述目的，本发明提供如下技术方案:
[0008]一种基于码本背景模型的自适应阈值运动目标检测方法，包括以下步骤:步骤一:将输入的视频图像序列分为训练集和检测结果集，对输入的训练集通过自适应阈值方法创建初始码本背景模型；步骤二:对创建的初始码本背景模型通过时间滤波方式进行提纯和优化；步骤三:将提纯的码本背景模型应用于前景检测，将作为训练样本的前η帧图像作为训练集创建的码本背景模型与后续输入的视频图像序列相减；步骤四:对得到的差分图像进行二值化，并将该二值图像作为最终的检测结果图像。本方法的流程图如图1和图2所示 ο
[0009]创建初始码本过程又称为码本背景建模算法的训练过程。视频图像序列中同一特定位置的像素点在时间轴上的观测值可以构成一个序列。码本算法为每个像素点建立一个码本模型，该模型是一个圆柱体模型，它近似地表示背景像素在RGB颜色空间的分布。每个码本模型中包含多个码字，每个码字由一个二元组组成。不同码本中的码字个数并不相同，其码字个数受到背景变化的大小的影响。
[0010]初始码本模型中可能包含了运动目标和噪声，采用时间滤波方式对初始码本模型进行提纯，消除一些可能代表运动目标和噪声的码字。
[0011]利用步骤二得到的提纯的码本背景模型，对测试集中的图像序列中的前景进行检测。即将当前输入的图像与对应背景像素中的码本模型进行匹配并将匹配的结果图像进行二值化。该二值化图像作为最终的检测结果图。
[0012]进一步，本方法的具体流程为:
[0013]1、创建初始码本背景模型
[0014]将输入的视频图像序列的前η帧图像作为训练样本，并利用训练样本创建初始码本，设X是一帧图像每个像素点包含η个RGB颜色空间向量的训练序列采样值，即X ={x1；x2...,XnI是训练过程中每个像素点的采样值。其中Xi = (RpG^Bi), i=l, 2，…，n,R1、G1、Bi分别代表该像素第i个样本的RGB颜色空间的红、绿、蓝颜色分量值。设C= Ic1,C2...cL}是包含L个码字的码本，第i个码字Ci定义为一个二元组结构％ =(焉，疚，属)和
auiv-1 =< Ii, Ij.f,, λι, pi, (a >，其中厲、G1、1?:是属于该类码字RGB颜色空间红、绿、蓝
颜色分量均值；In --::是属于该类码字的最大最小亮度值A是属于该类像素的像素个数或匹配成功的次数；λ i是定义在训练阶段的没有被匹配的最大时间间隔；P1、Qi为第一次和最后一次匹配成功的时间。最终建立的码本模型如图4所示。如图3所示，该过程包括以下几个详细步骤:
[0015]步骤I将每个像素的码本置空，L=0。
[0016]步骤2对于训练视频的每个像素点的序列值X = (X1, x2..., xn},[|.r；||i 二 R- + 6'; +.Bf，t = I,..., η:
[0017]I)如果码本为空，L=0，则创建一个码字L=L+1,
【权利要求】
1.一种基于码本背景模型的自适应阈值运动目标检测方法，其特征在于:包括以下步骤: 步骤一:将输入的视频图像序列分为训练集和检测结果集，对输入的训练集通过自适应阈值方法创建初始码本背景模型； 步骤二:对创建的初始码本背景模型通过时间滤波方式进行提纯和优化； 步骤三:将提纯的码本背景模型应用于前景检测，将作为训练样本的前η帧图像作为训练集创建的码本背景模型与后续输入的视频图像序列相减； 步骤四:对得到的差分图像进行二值化，并将该二值图像作为最终的检测结果图像。
2.根据权利要求1所述的基于码本背景模型的自适应阈值运动目标检测方法，其特征在于: 步骤一具体包括以下步骤: 11)将每个像素的码本置空，即L=0，L为码本中码字的个数； 12)对于训练视频的每个像素点的序列值
3.根据权利要求2所述的基于码本背景模型的自适应阈值运动目标检测方法，其特征在于: 步骤二具体包括以下步骤: 21)计算每个像素每个码字没有再次出现的最大时间间隔，即对Ci，i=l,…，L;
4.根据权利要求3所述的基于码本背景模型的自适应阈值运动目标检测方法，其特征在于:所述步骤三和步骤四具体包括: O计算输入像素Xt的亮度I，定义布尔变量matched=0,并给阈值ε 2赋值；
2)根据
【文档编号】G06T7/20GK103729862SQ201410038067
【公开日】2014年4月16日 申请日期:2014年1月26日 优先权日:2014年1月26日
【发明者】李伟生, 曹印兴 申请人:重庆邮电大学