1.一种面向静态相机的非线性背景模型更新方法,其特征在于,该方法采用的步骤如下:
步骤1)设定一个检测阈值T,设定一个背景更新率α(其中0≤α≤1);
步骤2)采用视频刚开始2-3秒内的图像帧来学习建立背景模型,或以第一帧图像作为背景模型;
步骤3)输入当前图像帧;
步骤4)计算当前图像帧和背景模型之间的视觉特征差异,为色彩、纹理或灰度差异;
步骤5)针对当前图像帧中每一个像素点,根据该像素点在步骤4)中计算出来的差异值,如果它大于步骤1)中设置的检测阈值T,则判定该像素点是前景对象,反之,则判定该像素点为背景;
步骤6)针对步骤5)中判定为背景的像素点,根据该像素点当前的输入和该像素点前一时刻背景模型之间差异来自适应调整该像素点背景模型的更新率,并更新该像素点的背景模型如下:
式中是表示步骤5)中判定为背景一像素点所在的空间位置,t是当前图像帧的时刻,表示位于像素点上更新后的背景模型值,表示位于像素点上前一时刻的背景模型值,是当前图像帧在像素点上的输入,符号是表示取符号中数值的绝对值,在公式(1)中就是取和之间差异的绝对值;
步骤7)如果t时刻图像帧是视频最后一帧,则检测前景对象和背景更新过程终止,反之,回到步骤3),输入下一时刻图像帧,即t+1时刻的图像帧,重复步骤4)到步骤6)。
2.根据权利要求1所述的一种面向静态相机的非线性背景模型更新方法,其特征在于,所述非线性背景模型更新方法是一种非线性平滑平均方法。