自适应参数的视频中静态背景提取与更新方法
【专利摘要】本发明提供一种视频中的静态背景的提取与更新方法。引入新参数背景权值与背景权值变化量，以背景权值表示背景的可靠度，以背景权值变化量作为每一帧背景权值的变化。读入视频，以第一帧图像作为初始背景，之后对后续读入的图像进行二次判定，对图像元素进行分类，根据图像元素具体是背景元素、运动目标元素、需更新的背景元素、噪声元素中的哪一种，根据判定结果决定背景权值变化量的值，进而调控背景权值，最终以背景权值数值的正负决定背景的输出。本发明方法，原理简单，计算量小，鲁棒性强，完全解决背景提取中的虚影问题，更新速度快，适用实时使用。
【专利说明】自适应参数的视频中静态背景提取与更新方法
【技术领域】:
[0001]本发明属于视觉检测【技术领域】，具体涉及一种在有着静态背景的视频中提取与更新静态背景的技术。
【背景技术】:
[0002]智能视频源自计算机视觉技术。计算机视觉技术是人工智能研究的分支之一，它能够在图像及图像描述之间建立映射关系，从而使计算能够通过数字图像处理和分析来理解视频画面中的内容。而视频监控中所提到的智能视频技术主要指的是:“自动的分析和抽取视频源中的关键信息。”如果把摄像机看作人的眼睛，而智能视频系统或设备则可以看作人的大脑。智能视频技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息。
[0003]智能视频监控以数字化、网络化视频监控为基础，但又有别于一般的网络化视频监控，它是一种更高端的视频监控应用。智能视频监控系统能够识别不同的物体，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，从而能够更加有效的协助安全人员处理危机，并最大限度的降低误报和漏报现象。在世界反恐斗争日趋严峻的今天，智能视频监控显然能够成为应对恐怖主义袭击和处理突发事件的有力辅助工具。此外，智能视频监控还可以应用在交通管理、客户行为分析、客户服务等多种非安全相关的场景，以提高用户的投资回报。
[0004]智能视频的应用大体上可以分为安全相关应用和非安全相关应用两大类。安全类相关的应用是目前市场上存在的主要智能视频应用，特别是在911恐怖袭击、马德里爆炸案以及伦敦爆炸案发生之后，市场上对于此类应用的需求不断增长。这些应用主要作用是协助政府或其他机构的安全部门提高室外大地域公共环境的安全防护。此类应用主要包括:高级视频移动侦测、物体追踪、人物面部识别、车辆识别和非法滞留等。
[0005]除了安全相关类应用之外，智能视频还可以应用到一些非安全相关类的应用当中。这些应用主要面向零售、服务等行业，可以被看作管理和服务的辅助工具，用以提高服务水平和营业额。此类应用主要包括:人数统计、人群控制、注意力控制和交通流量控制等。
[0006]背景差法作为智能视频监控中检测目标的最常用算法，有着天然的契合视频监控的特性，而背景差法的重点问题主要有两个:一、如何提取出一个纯净的背景；二、如何更新出一个不受前景干扰的新背景。目前常用方法有多帧平均法、高斯模型法、帧差取景法等等。这些方法的共性在于，针对背景图像的每个像素，进行数学建模，之后通过数学模型来判定当前帧对背景的影响，从而提取与更新背景，不过这类型的方法，前景元素会或多或少影响背景的提取，产生“虚影”。
【发明内容】
:
[0007]本发明要解决的技术问题是提供一种自适应参数的视频中静态背景提取与更新方法，其目的是解决以往的方式所存在的出现“虚影”的情况。[0008]技术方案:
[0009]一种自适应参数的视频中静态背景提取与更新方法，其特征在于:其步骤为:
[0010]a、读入视频，若为第一帧，则以第一帧图像作为背景；
[0011]b、判断当前帧Ik (X，y)是否等于上一帧输出的背景BhU, y),若相等,则初步判定当前帧Ik(x，y)为背景元素；
[0012]C、判断当前帧Ik (X，y)是否等于前一帧Ilrf (x，y)，若相等，则表示当前帧与上一中贞是连贯的；
[0013]d、通过二、三步的判断，将当前帧的状态分为四种情况，按照四种不同的情况确定背景权值变化量Pk (X，y)的值；
[0014]e、通过背景权值变化量pk(x，y)对上一帧背景权值Wlrl (x，y)进行调节，得出背景权值 Wk (X，y)；
[0015]f、通过背景权值wk(x, y)判定背景Bk(x，y)。
[0016]d步骤中的确定背景权值变化量Pk (X，y)的值的公式如下:
[0017]
【权利要求】
1.一种自适应参数的视频中静态背景提取与更新方法，其特征在于:其步骤为: a、读入视频，若为第一帧，则以第一帧图像作为背景； b、判断当前帧Ik(x,y)是否等于上一帧输出的背景BhU, y),若相等,则初步判定当前中贞Ik(XJ)为背景元素； C、判断当前帧Ik(X，y)是否等于前一帧Ik-! (X，y),若相等,则表示当前帧与上一帧是连贯的； d、通过二、三步的判断，将当前帧的状态分为四种情况，按照四种不同的情况确定背景权值变化量Pk(x，y)的值； e、通过背景权值变化量Pk(x，y)对上一帧背景权值Wlri(Xj)进行调节，得出背景权值Wk (X，y)； f、通过背景权值wk(x,y)判定背景Bk(x，y)。
2.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:d步骤中的确定背景权值变化量Pk (X，y)的值的公式如下:
3.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于: e步骤中的背景权值Wk (X，y)的方法公式如下: wk(x, y) = Wk^1 (x, y) +pk(x, y) (2) F步骤:通过背景权值wk判定背景Bk，公式如下:
4.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:取第一帧图像作为初始背景。
5.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:b步骤与c步骤所述的视频中静态背景的提取与更新算法分两次判定，对当前帧图像进行分类，判定其属于背景元素、运动目标元素、新背景元素、噪声元素中的哪一种。
6.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:d步骤所述的视频中静态背景的提取与更新算法经过步骤b与步骤c的二次分类，四种图像元素所对应计算的背景权值变化量P的公式需按照权利要求2分别计算。
7.根据权利要求4所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:d步骤四种不同图像对应背景权值变化量P的计算式中的定值系数α、β、δ、ε各具不同的取值策略。
8.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:e步骤中背景权值w每一帧的变化完全由背景权值变化量P决定；f步骤中背景B的输出由当前帧的背景权值w的数值正负决定，背景权值w为正则继续输出上一帧背景图像；背景权值w为负，则输出当前帧图像作为背景图像输出。
9.根据权利要求1所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:b步骤和c步骤步中，判定的都是对于几幅图像中对应像素点灰度值是否相等，对于静态背景中亮度的细微波动，导致灰度值的细微变化，会导致方案中背景权值w的累积混乱，实际环境中，根本不可能出现灰度值非常稳定的现象，由此对权值变化量P进行简单的模糊处理:
10.根据权利要求5所述的自适应参数的视频中静态背景提取与更新方法，其特征在于:d步骤步中，α、β、δ、ε四个自定义系数的说明: α出现于当前帧与上一帧和上一帧输出背景均相等的情况即α状态。由于当前帧与背景和上一帧没有变化，可认定是与之前图像“连续”的背景元素，进行背景权值w累积；随着多帧图像的读取，w值获得累加,w值的增大，表示输出背景的可靠性提高；连续读取的相同灰度值会使W值持续增加，如果W值的急剧增加，会致使W值过高，不易消除；此外，背景发生变化时，过高的W值同样导致背景更新缓慢。由此可见，W值的累积速度必须要得到适度地控制，所以P值应持续递减，使W值的累积速度随时间推移而减慢；随着时间推移，P值逐渐减小，减小速度趋于平缓；所以，α的取值应小于I ;根据不同运动环境，如果是运动目标数量较多或运动目标速度较慢，即背景的出现时间较短，则α的取值应适当增大，反之，则α值适当减小。根据经验，α通常取0.96~0.99 ; β参数出现的情况是当前帧图像与上一帧图像相同，而与上一帧输出背景不同即β状态；β状态分为前后两个阶段，初期暂定此区域为纯色运动目标元素，对背景权值w进行减除，短时间的运动目标出现，所减除的w值不会导致w值为负；而后期连续大量帧数重复出现同一灰度值，表明此区域有可能是需要更新的背景，之后此灰度值若依旧连续出现，W值不断减小，最终W<0时，当前帧成为背景，回到α状态中叙述的情况，开始背景累积；由此可见，β参数既要保证β状态初期w值的缓慢减小，又要保证β状态后期w值可以快速减小；随着时间推移，P值持续增加，增幅速度加快；短时间的w值减少，不会对w值有巨大影响，保持原有背景输出；而长时间的P值增加，导致w值迅速减少，最终可以达到背景更新的目的；β的取值应大于1，当运动目标数量多或者运动速度慢时，β值可适当减小，反之，则增大；β值通常取1.02~1.05 ; δ参数出现在当前帧不同于上一帧却与上一帧输出背景相同的情况，此时判定为背景元素重新出现，S值此时取一个较大固定数值，之后如果与之前输出的背景灰度值相同的灰度值重复出现，则回到α状态；只有背景元素才具有这种多次重复出现的特征，而具有这种特征的背景置信度较高，背景权值w正是体现这种背景的“可靠性”存在的参数，所以需要对w进行大幅增加；将δ设定为一个较大的定值常数，可以为α状态提供了一个较大的P初值，背景权值w累积速度会大大提高。一次δ状态的出现，会整体提高一次α状态下w的累积效率；类比于α的取值，δ的取值同样是在运动目标数量较多或运动目标运动较慢时，S的取值适当增大，反之，则减小；S的经验取值为1.5~2; ε参数出现于当前帧图像与上一帧图像不等，与上一帧输出背景不等时，这时视为噪声或者杂色运动目标。无论是噪声或者杂色运动目标，都不应该对背景进行干扰，所以此时对背景权值进行轻微的减除；这时权值变化量P取为接近O的较小数值，对原背景权值不进行大改变，权值w基本保持不变；而后续帧数若与当前帧数相同，则进入β状态，ε值作为β状态中背景变化量P的阶段初值，此时开始对背景权值w进行持续减小，直至背景被替换更新。如果此时出现的确实为噪声，随后马上会转为δ状态，再转为α状态，促进了背景权值的累积，使背景输出更加稳定，反映了本方案的方法有较强的抗噪声能力；ε的经验取值为-0.02~-0. 01。
【文档编号】G06T7/00GK103793914SQ201410054134
【公开日】2014年5月14日 申请日期:2014年2月17日 优先权日:2014年2月17日
【发明者】桑海峰, 陈仲, 徐超 申请人:沈阳工业大学