出使得模型严格按照权值大小进行排列，为后续判别缩短了时间，此处采用FIFO输出可以进一步隔离与外围逻辑之间的控制，使得逻辑单元简单化且能作为数据缓冲，尽快进入下一点的判别从而提升系统性能。
[0138]参见图4，高斯混合模型输出插队排序实现，依照模型排序单元排序完成的序号来进行插队排序，避免了前期排序过程不必要的模型交换时间。
[0139]本发明已经在XilinxVertex5LX330和Xilinx Vertex7LX2000T FPGA上通过实测检验，可以满足不同场景需求下的测试要求。
[0140]本发明的一种基于硬件实现的高速智能背景判别的实现，通过对混合高斯模型背景判别浮点软件算法的改进，将其进行硬件定点化和并行化，使用常规逻辑电路实现，通过用户输入动态图像像素点，并辅以模型存取和参数配置即可完成对动态图像的背景判别。能动态地适应图像变化，达到人工干预少、检测效果优的目标，由于硬件算法并行化、定点化、加以流水线处理的架构可以工作在很高的时钟频率下，精简化的目标策略使得该装置具有普通软件算法无可比拟的处理速率优势，且器件资源使用少、时序性能优，其并行性和独立性更易于扩展成为多核并行高速检测系统，在降低功耗和器件资源的基础上保证系统性能的快速提升。
[0141]采用了该发明的基于并行处理的图像数据背景快速识别方法及系统，由于其系统结构包括FIFO存储器、初始化模型建立单元、背景识别模块和归一化单元，其中初始化模型建立单元和背景识别模块能够对数据进行并行处理，进一步的背景识别模块中的模型更新单元与最弱模型替换单元也可对数据进行并行处理，从而保证本发明的基于并行处理的图像数据背景快速识别方法及系统的处理速度更快，效率更高。
[0142]在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。
【主权项】
1.一种基于并行处理的图像数据背景快速识别方法，其特征在于，该方法顺序包括数据获取阶段，数据处理阶段和结果输出阶段， 所述的数据获取阶段包括以下步骤: 获取高斯混合模型数据和像素点数据，所述的高斯混合模型数据包括一组高斯混合模型，所述的像素点数据为组成所述的图像数据的像素点的集合； 所述的数据处理阶段包括(A)模型初始化步骤、(B)背景识别步骤和(C)归一化步骤， 其中所述的(A)模型初始化步骤和(B)背景识别步骤并行处理， 所述的(A)模型初始化步骤包括: (Al)根据一个高斯混合模型和一个像素点判断该高斯混合模型是否有效，若是，则进入所述的步骤(B)，若否，则进入步骤(A2); (A2)初始化一个对于所述的像素点有效的高斯混合模型，而后进入步骤(B); (A3)获取下一个高斯混合模型和一个像素点，而后返回步骤(Al); 所述的(B)背景识别步骤包括: (BI)利用所述的有效的高斯混合模型对所述的像素点进行背景识别，获得识别结果； (B2)根据所述的识别结果对所述的高斯混合模型进行更新； (B3)根据所述的识别结果替换所述的高斯混合模型数据中权值最弱的高斯混合模型； (B4)对所述的高斯混合模型数据中的高斯混合模型进行排序； 所述的(C)归一化步骤包括: (Cl)对经排序的高斯混合模型进行归一化处理； 所述的结果输出阶段包括以下步骤: 输出高斯混合模型数据和识别结果数据，所述的识别结果数据为对于各像素点识别结果的集合。2.根据权利要求1所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的步骤(B2)与步骤(B3)并行处理。3.根据权利要求1所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的步骤(BI)中利用所述的有效的高斯混合模型对所述的像素点进行背景识别，具体为: 利用定点算法根据所述的高斯混合模型对所述的像素点进行背景识别。4.根据权利要求3所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的定点算法为:bg= (totalWeight〈TB*totalWeight)&&(dist2〈Tb*var)，其中bg为当前点是否为背景，totalWeight为模型权值累加和，TB为配置参数中的权值门限，dist2为当前像素点与当前模型之间在坐标系下的距离值，Tb为配置参数中的方差门限，var为当前模型中的方差。5.根据权利要求1所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的步骤(B2)中所述的根据所述的识别结果对所述的高斯混合模型进行更新，具体为: 根据所述的识别结果对所述的高斯混合模型中的均值、方差、权值进行更新。6.根据权利要求1所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的步骤(B4)对所述的高斯混合模型数据中的高斯混合模型进行排序，具体为: 将当前待排序的高斯混合模型的权值与优先级更高的高斯混合模型权值进行比较，寻找到一个位置使得当前待排序的高斯混合模型的权值在新位置的前后两个高斯混合模型权值之间，将所述的高斯混合模型数据中的各高斯混合模型根据权值大小进行排序。7.根据权利要求1所述的基于并行处理的图像数据背景快速识别方法，其特征在于，所述的步骤(Cl)对经排序的高斯混合模型进行归一化处理，具体为: 根据所述的高斯混合模型数据中的所有高斯混合模型的权值是否导致累加溢出或累加值过小导致误差太大，对所有高斯混合模型权值进行左右移位，在一个时钟周期内完成权值归一化操作。8.一种基于并行处理的图像数据背景快速识别系统，其特征在于，该系统包括: FIFO存储器，用以根据用户设定，获取高斯混合模型数据和像素点数据，所述的高斯混合模型数据包括一组高斯混合模型，所述的像素点数据为组成所述的图像数据的像素点的集合;并用以输出高斯混合模型数据和识别结果数据，所述的识别结果数据为对于各像素点识别结果的集合； 初始化模型建立单元，用以实现以下步骤: (Al)根据一个高斯混合模型和一个像素点判断该高斯混合模型是否有效，若是，则进入所述的步骤(BI)，若否，则进入步骤(A2); (A2)初始化一个对于所述的像素点有效的高斯混合模型，而后进入步骤(BI); (A3)获取下一个高斯混合模型和一个像素点，而后返回步骤(Al); 背景识别模块，包括背景判别单元、模型更新单元、最弱模型替换单元和模型排序单元， 所述的背景判别单元，用以实现以下步骤: (BI)利用所述的有效的高斯混合模型对所述的像素点进行背景识别，获得识别结果； 所述的模型更新单元，用以实现以下步骤: (B2)根据所述的识别结果对所述的高斯混合模型进行更新； 所述的最弱模型替换单元，用以实现以下步骤: (B3)根据所述的识别结果替换所述的高斯混合模型数据中权值最弱的高斯混合模型； 所述的模型排序单元，用以实现以下步骤: (B4)对所述的高斯混合模型数据中的高斯混合模型进行排序； 所述的初始化模型建立单元和所述的背景识别模块并行工作； 归一化单元，用以实现以下步骤: (Cl)对经排序的高斯混合模型进行归一化处理。9.根据权利要求8所述的基于并行处理的图像数据背景快速识别系统，其特征在于，所述的模型更新单元与所述的最弱模型替换单元并行工作。10.根据权利要求8所述的基于并行处理的图像数据背景快速识别系统，其特征在于，所述的FIFO存储器用以输出高斯混合模型数据具体为: 所述的FIFO存储器用以根据所述的模型排序单元对所述的高斯混合模型数据中的高斯混合模型进行排序的结果，依各高斯混合模型的权值大小，输出高斯混合模型数据。
【专利摘要】本发明涉及一种基于并行处理的图像数据背景快速识别方法及系统，属于计算机应用技术领域。该系统硬件结构包括FIFO存储器、初始化模型建立单元、背景识别模块和归一化单元，其中初始化模型建立单元和背景识别模块能够对数据进行并行处理，进一步的背景识别模块中的模型更新单元与最弱模型替换单元也可对数据进行并行处理，从而保证本发明的基于并行处理的图像数据背景快速识别方法及系统的处理速度更快，效率更高。
【IPC分类】G06K9/46, G06K9/00
【公开号】CN105608435
【申请号】CN201510979934
【发明人】李林, 仲亚东, 颜浩
【申请人】上海华力创通半导体有限公司
【公开日】2016年5月25日
【申请日】2015年12月23日