可适应随机噪声和光照变化的背景建模方法
【技术领域】
[0001] 本发明涉及媒体通信技术领域，尤其涉及一种可适应随机噪声和光照变化的背景 建模方法。
【背景技术】
[0002] 近年来，安防等用途的视频采集设备逐渐普及，所产生的视频数据呈现数据体量 巨大、数据类型繁多、价值密度低、处理速度要求高等特点，人工方式难W处理，因此智能视 频分析技术受到了广泛的关注和应用。现代的物体识别技术中，基于启发式规则方式的，多 采用物体的形状、大小、比例等信息对提取的前景物体进行分析，从而得到物体种类。
[0003]复杂条件下的前景提取是一项较困难的工作，困难主要来源于背景的高度复杂性 和背景本身的变化。背景消除法是一种广泛使用的方法，它假定背景已知而且是动态的。通 过将视频峽和背景图像进行逐像素比较来提取前景，该种方法在背景本身变化的情况下会 失效，为了解决背景的局部变化问题，采用背景建模是智能视频分析的重要技术之一，主流 的方法是基于背景区域在时间上保持相对不变的一般规律，采用混合高斯模型对视频图像 中的像素值进行建模，并W像素值相对于模型的匹配度分割前景和背景。
[0004]上述现有技术中的背景建模的方法的缺点为；不能适应光照的快速变化，并且在 随机噪声较严重时应用效果较差。例如，仓库环境中的沙尘和照明都会严重影响其使用性 能，导致前景目标的误检和漏检，造成智能视频分析的障碍。
【发明内容】
[0005]本发明的实施例提供了一种可适应随机噪声和光照变化的背景建模方法，提高了 光照变化时对图像前景背景分割的准确性和模型的适应能力。
[0006]-种可适应随机噪声和光照变化的背景建模方法，包括W下步骤：
[0007] 步骤A ;选取视频图像中的若干峽图像作为训练图像，基于设定的高斯滤波器组 对所述训练图像进行滤波，得到多组滤波图像，根据每组滤波图像和所述训练图像初始化 多组单高斯模型；
[0008]步骤B;根据所述每组单高斯模型参数，结合多组滤波图像和当前峽图像计算出 多组参考背景掩模；
[0009] 步骤C ;根据光照变化概率计算差异度掩模，对所述每组参考背景掩模进行光照 补偿，并计算出多组修正背景掩模；
[0010] 步骤D;对所有修正背景掩模进行平均得到鲁棒背景掩模，并通过该鲁棒背景掩 模对所述当前峽图像进行分割前景背景，并更新所述每组单高斯模型参数。
[0011] 所述步骤A包括：
[0012] 选取视频图像中的开始部分的若干峽图像作为训练图像，设置不同方差的多个高 斯滤波器组成高斯滤波器组，用所述高斯滤波器组中的每个高斯滤波器对每个训练图像进 行滤波，得到多组滤波图像；
[0013] 对每个所述训练图像和所述每组滤波图像中的相同位置的对应像素点的像素值 采用期望最大化EM算法训练一个单高斯模型；
[0014] 并将最后一峽训练图像设为当前峽图像。
[001引所述步骤B包括：
[0016] 当所述当前峽图像为所述训练图像之后的任意峽图像时，将所述当前峽图像通过 所述高斯滤波器组进行滤波，得到多个滤波图像；
[0017] 计算所述当前峽图像和所述多个滤波图像中的相同位置的对应像素点的像素值 属于对应的所述单高斯模型的概率值，作为参考背景掩模；
[0018] 当当前峽图像是最后一峽训练图像时，则将所述参考背景掩模作为当前峽图像的 修正背景掩模，执行步骤D;否则执行步骤C。
[001引所述步骤C包括：
[0020] 根据每个所述参考背景掩模和所述当前峽图像的前一峽图像对应的修正背景掩 模的差异度，生成一个新图像，该新图像中各像素点的值随着对应像素点处的所述差异度 指数增长，将该新图像作为该参考背景掩模对应的差异度掩模；
[0021] 根据所述当前峽图像和所述前一峽图像的差异度，计算各像素点光照变化的概 率，通过光照补偿得到每个所述参考背景掩模对应的所述修正背景掩模。
[002引所述步骤D包括：
[0023] 对步骤C中得到的所有所述修正背景掩模进行平均计算，得出的值作为当前峽图 像的鲁棒背景掩模，将所述鲁棒背景掩模作为当前峽图像前景背景的分割阔值，对于当前 峽图像中的每一个像素点的像素值，大于所述前景背景的分割阔值，则当前峽图像中的该 像素点为背景；否则，该当前峽图像中的该像素点为前景；
[0024] 所述当前峽图像是所述视频中需要进行前景背景分割的最后一峽图像，则前景背 景分割过程结束；否则根据所述差异度掩模和所述鲁棒背景掩模对所有单高斯模型参数进 行更新；并将下一峽图像作为当前峽图像，执行步骤B。
[0025] 所述步骤B中的参考背景掩模的计算公式为：
[0026]
[0027] 设所有滤波器的序号为i，且i=0, . . .，N，k是由经验确定的参数，控制参考背景掩 模中90%W上的像素点取值在0-1之间；其中，第t峽图像记为/f，经过第i个滤波器滤波 后的滤波图像为^才i=〇, . . .，N，训练出的高斯模型由均值图像yi和方差图像0i表示。
[0028] 所述步骤C中的差异度掩模的计算公式为：
[0029]
2
[0030] 其中，a是与背景变化速度相关的响应系数，且a〉l; 是第t-1峽第i个修正背 景掩模。
[003。 所述修正背景掩模j：非勺计算公式为：
[0032]
3
[0033] 其中，?表示两个图像中各对应的像素点的像素值相乘产生一个新的图像；b是 与光照变化概率相关的响应系数，且〇<b<l; 4表示/(,'中的光照变化系数，其计算公式 为：
[0034]
4
[00巧]如果i=0, 是所有训练图像和经过一个单高斯滤波器产生的所有滤波图像中 的第t-1峽图像，否则itl是所有训练图像和经过一个单高斯滤波器产生的所有滤波图像 中的第t-1峽图像经过第i个滤波器滤波后得到的滤波图像；Rp，Gp，Bp分别表示图像P的 红、绿、蓝H个通道各自的单通道图像，P的取值为1^1或4。
[0036] 所述步骤D中的鲁棒背景掩模Rt的计算公式为：
[0037]
5 [003引其中，N为所有高斯滤波器的数量。
[0039] 所述步骤D中对所述单高斯模型参数进行更新的计算公式为：
[0042] 其中，巧一//'严表示!;一作中各像素点的像素值经过平方计算后的图像，使 t=t+l后，继续执行步骤B。
[0043] 由上述本发明的实施例提供的技术方案可W看出，本发明实施例通过多个高斯滤 波器对需要进行前景背景分割的视频图像进行滤波，并通过训练高斯模型计算出参考背景 掩模，在该参考背景掩模的基础上进行光照补偿，计算得出修正背景掩模，并最终计算出鲁 棒背景掩模，从而通过该鲁棒背景掩模对所述视频图像进行前景背景的分割，实现了通过 估计背景变化的速度和模型对背景变化的滞后性进行背景建模，并且可W根据光照变化对 图像进行光照补偿，自适应地调节单高斯模型的更新速度，从而提高了在光照变化的情况 下对图像进行前景背景分割的准确性。
【附图说明】
[0044]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可W根据该些附图获得其他 的附图。
[0045] 图1为本发明实施例提供的一种可适应随机噪声和光照变化的背景建模方法的 处理流程图。
【具体实施方式】
[0046] 为便于对本发明实施例的理解，下面将结合附图W几个具体实施例为例做进一步 的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0047] 本发明通过对需要分割前景和背景的视频截取若干峽视频图像作为训练图像，通 过训练图像和滤波图像的相应像素点的像素值使用EM(ExpectationMaximization,期望 最大化）算法训练单高斯模型，并通过单高斯模型计算出各训练图像和滤波图像的参考背 景掩模，在该参考背景掩模的基础上进行光照补偿，计算得出修正背景掩模，并最终计算出 鲁棒背景掩模从而对所述视频图像进行前景和背景的分割。W使该背景建模方法可W在光 照等干扰情况下提高对图像进行前景背景分割的准确性。
[0048] 本发明实施例提供了一种可适应随机噪声和光照变化的背景建模方法的处理流 程图如图1所示，包括如下的处理步骤：
[004引步骤S100 ;从视频图像中的开始部分选取d峽图像作为训练图像，将视频图像的 分辨率记为n行m列。设置一个由N> 0个高斯滤波器组成的高斯滤波器组，其中每个高 斯滤波器的方差都不相同，并基于设定的高斯滤波器组对所述训练图像进行滤波，得到多 组滤波图像，根据每组滤波图像和所述训练图像初始化多组单高斯模型。设滤波器的序号 为i，且i=0,. . .，N，当i=0时，代表没有滤波器，即该图像没有经过滤波器的滤波作用，即进 行处理的该峽图像为训练图像。
[0050] 然后分别进行W下两步操作：
[0051] 第一步：如果i=〇,即没有滤波器进行滤波作用，则把所有的训练图像作为单高斯 模型的训练样本集；否则，用第i个高斯滤波器对所有的训练图像逐一进行滤波，把经过第 i个滤波器滤波后生成的d峽滤波图像和原始的所有训练图像作为一个训练样本集，则有i 个训练样本集，其中各峽滤波图像的分辨率为n行m列；
[0052] 第二步：针对训练样本集中所有图像的相应位置处的每个相应像素点的像素值使 用EM算法进行计算，训练出多组单高斯模型，即共有i组单高斯模型，训练出的单高斯模型 皆由均值图像yi和方差图像表示，其中，均值图像yi的分辨率大小为n行m列，其各 像素点的像素值表示所有图像中相同位置处对应像素点像素值的均值；0i的分辨率大小 也为n行m列，其各像素点的像素值表示所有图像中相同位置处的该对应像素点的像素值 的方差，并将当前处理的图像序号记为t，其值设为d。
[0053] 步骤S110 ;根据步骤S100中的每组单高斯模型的参数，结合多组滤波图像和当前 峽图像计算出多组参考背景掩模；
[0054]首先将第t峽图像记为/f，对i=0,. . .，N，分别执行W下两步操作：
[00巧]第一步；用步骤S100中的第i个高斯滤波器对if进行滤波，当当前峽图像为训练 图像之后的任意峽图像时，将当前峽图像通过高斯滤波器组进行滤波，相应得到多个滤波 图像，并且产生的滤波图像记为^，其中//的分辨率大小为n行m列；
[0056] 第二步；计算第t峽第i个参考背景掩模，记为哀;'。度/是分