率precision、召回率recall W及FI值都有明显提升，而同时能保证较低的错误 分类比PWC。
[0016] 本发明提出了一种基于切比雪夫像素估计的多目标检测算法，整体步骤如图1所 示，下面对各步骤进行具体说明。
[0017] 步骤一；利用第一帖视频序列，对于图像的每一个像素点，结合相邻像素点拥有相 近像素值的空间分布特性，随机的选择它的八领域点的N个像素值作为它模型样本。定义 v(x)为RGB颜色空间位于X处的像素，Vi为选取的样本，该样像素v(x)对应的模板为：
[001 引 M(x) = {v。V2,…，vj (1)
[0019] 其中，Vi是从像素v(x)的八邻域中随机选取的一个像素。
[0020] 通过上述方法对初始帖的所有像素点Xi构建上述模板M(x 1)，所有模板M(Xi)构成 初始背景模型，其中i的最大值为当前像素点个数。
[0021] 步骤二：当当前帖数小于N时，计算当前像素点cur(x)和当前背景模型模型M(x) 的相似度simtw(x)即计算cur(x)和模型M(x)中的样本像素的距离。若simtw(x)大于等于 阀值t虹eshold，则认为当前像素点cur(x)与对应的像素点模板M(x)很相似，即认为当前 像素点cur(x)是背景像素点，故用当前像素点cur(x)更新像素点模板M(x)中的样本值。 若simcw(x)小于阀值threshold,则认为当前像素点cur (X)与对应的像素点模板M(x)不 相似，即当前像素点cur (X)是前景点。
[0022] 步骤S ;当当前帖数大于等于N时，由于积累了前N帖视频数据，可W根据前N帖 像素点的期望和方差，利用切比雪夫不等式快速判别当前像素点是背景点，还是前景点，或 者可疑点。切比雪夫不等式是由随机变量的分布确定的，能描述随机变量某一方面的特征， 其中重要的数字特征是数学期望E00和方程D狂)。它给出了在随机变量分布未知、只知道 E佩和D佩的情况下，对事件{|X-E佩|< e }发生的概率值的一种估计法。
[0023] 设随机变量具有数学期望E00 = y，方差D00 = 5 2,则对于任意正数e，有不 等式：
【主权项】
1. 基于切比雪夫像素估计的多目标检测算法，其特征在于，该方法具体包括如下步 骤： 步骤一；背景模型的初始化。W视频的第一帖作为初始帖，根据相邻像素点拥有相近像 素值的空间分布特性，对于初始帖的每个像素，选取该像素点的八连通区域的像素值作为 该像素值的模板，利用该些像素值模板构建初始化背景模型。 步骤二；对于前N帖的视频帖cur,通过计算当前帖cur的像素点与背景模型对应像 素点模板的相似度，如果相似度大于等于阔值t虹eshold，则认为该像素点与背景模型对应 像素点相似，故用视频帖cur当前的像素点更新背景模型对应像素点的模板；否则，如果相 似度小于阔值t虹eshold，则认为像素点与背景模型像素点不相似，即当前像素点是前景模 型。 步骤S对于N帖W后的视频帖cur (cur〉N)，由于有了第cur-N帖到第cur-l帖该前N 帖视频的数据，则可W利用切比雪夫不等式对cur帖快速判别背景或前景特征显著的像素 点，区分出前景点和背景点，对于那些特征不显著的像素点则认为是可疑点。对于切比雪夫 不等式估计获得的可疑像素点，则计算可疑像素点与背景模型对应像素点模板的相似度， 根据前N帖的背景模型的更新算法去更新当前背景模型。对于切比雪夫不等式估计获得的 背景像素点，则用当前的像素点替换掉背景模型对应像素点。
2. 根据权利要求1所述的基于切比雪夫像素估计的多目标检测算法，其特征在于，步 骤一中所述的W视频的第一帖作为初始帖，根据相邻像素点拥有相近像素值的空间分布特 性，对于初始帖的每个像素，选取该像素点的八连通区域的像素值作为该像素值的模板，利 用该些像素值模板构建初始化背景模型。
3. 根据权利要求1所述的基于切比雪夫像素估计的多目标检测算法，其特征在于，步 骤二中所述的当当前帖数小于N时，计算当前像素点cur(x)和当前背景模型模型M(x)的 相似度simtw(x)即计算cur(x)和模型M(x)中的样本像素的距离。若simtw(x)大于等于 阀值t虹eshold，则认为当前像素点cur(x)与对应的像素点模板M(x)很相似，即认为当前 像素点cur(x)是背景像素点，故用当前像素点cur(x)更新像素点模板M(x)中的样本值。 若simcw(x)小于阀值threshold,则认为当前像素点cur (X)与对应的像素点模板M(x)不 相似，即当前像素点cur (X)是前景点。
4. 根据权利要求1所述的基于切比雪夫像素估计的多目标检测算法，其特征在于，步 骤S中所述的引入随机变量X表示某一视频帖图像，并设Xk(i，j)表示第k帖视频图像在 位置（i，j)处像素点的灰度值，读取相邻N帖视频图像，得到样本X。X,，…，Xw，随机变量 X(i，j)的总体概率分布未知，但可W通过计算样本均值与样本方差来估计像素点概率分布 的总体均值与方差，通过切比雪夫不等式，得到事件（|X-E(x) |< e }的概率估计，而该事件 恰好体现像素点所对应的灰度值在一系列视频序列图像中变化的情况。如果是背景点对应 的像素点，可选取较小的e值，e值越小，则说明该像素点色度值与均值之差越小，切比雪 夫不等式说明像素点与均值的差小于e的概率大于1-5 2/￡2,求得的概率下限值越大，贝U 该像素点成为背景点的可能性越大。
5. 根据权利要求1所述的基于切比雪夫像素估计的多目标检测算法，其特征在于，步 骤二中前N帖的背景像素点判别更新策略与步骤S中N帖W后的背景像素判别更新策略结 合起来，使该算法能适应复杂的场景，具有较好的检测精度，同时又能保证检测的实时性。
【专利摘要】本发明提出一种基于切比雪夫像素估计的多目标检测算法。该算法根据相邻像素点拥有相近像素值的空间分布特性，对于初始帧的每个像素，选取该像素点的八连通区域的像素值作为背景模板，利用这些像素值模板构建初始化背景模型。对于前N帧的视频，通过计算当前帧的像素点与背景模型对应像素点模板的相似度来确定背景点和前景点；对于N帧以后的视频，利用切比雪夫不等式对当前帧快速判别，区分出前景点，背景点和可疑像素点，对于可疑点，根据其与背景模型的相似度去更新当前背景模型。通过对六大类别场景进行实验，结果显示，该算法精确率为0.9115，召回率为0.9278，以及调和均值为0.9263，都接近于1，表明该算法具有较高的精确度和良好的实时性。
【IPC分类】G06T7-00, G06T7-20
【公开号】CN104537693
【申请号】CN201510002183
【发明人】艾明晶, 熊强
【申请人】北京航空航天大学
【公开日】2015年4月22日
【申请日】2015年1月4日...