專利名稱：一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺技術(shù)，特別是涉及一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法。
背景技術(shù)：
隨著科學技術(shù)的發(fā)展以及人們對安全防范意識的不斷增強，具有智能分析功能的新一代視頻監(jiān)控系統(tǒng)，開始在安全監(jiān)控領(lǐng)域發(fā)揮非常積極的作用，已經(jīng)開始滲入到我們的日常生活當中。智能視頻監(jiān)控是指在不需要人為干預(yù)的情況下，利用計算機視覺分析方法對視頻序列進行自動分析，實現(xiàn)運動目標檢測、分類、識別、跟蹤等，并在此基礎(chǔ)上，通過預(yù)先設(shè)定的規(guī)則對目標的行為進行分析，從而為采取進一步措施提供參考(比如在對象進入設(shè)防區(qū) 時自動報警)。其中，運動檢測的目的是通過對監(jiān)控視頻圖像序列的分析，確定監(jiān)控場景中有無運動目標，進而把運動區(qū)域(也稱前景區(qū)域)從檢測圖像中提取出來。對運動區(qū)域準確有效地分割是進行運動目標跟蹤、分類和識別等后續(xù)處理的基本前提。目前，應(yīng)用比較廣泛運動檢測方法是背景減除法。背景減除法首先為背景圖像建立背景模型，然后通過比較檢測圖像和背景模型的差異，來判斷場景中是否存在運動目標。背景模型能否正確有效地反映實時背景，會直接影響運動檢測的準確性。但由于在復(fù)雜的場景中，通常會存在各種外界因素的干擾(如光照變化、攝像機輕微抖動、動態(tài)的背景元素等等)，嚴重影響運動目標分割的精度。為了提高運動目標的檢測精度，現(xiàn)有基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法提供了一種能夠適應(yīng)復(fù)雜背景和光照變化的自適應(yīng)背景差分方法，該方法首先獲取視頻幀，進行利用混合高斯模型方法進行背景建模初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。該方法具有很高的實時性和魯棒性，有效的解決了運動目標檢測精度易受到是動態(tài)背景擾動和光照變化的影響的問題，達到設(shè)計目的?，F(xiàn)有技術(shù)有一種基于混合高斯模型的運動目標檢測方法，正在審理中。首先采集視頻幀；提取初始背景幀，進行背景模型的初始化，建立HSV分量模型；當前幀跟背景幀相差分，得前景幀；對所得到的前景幀進行二值化處理；根據(jù)所述的前景幀，引入更新因子更新混合高斯背景模型的權(quán)值、均值和方差；利用Jeffrey值判斷是否為運動目標前景；利用混合高斯陰影模型去除所述運動目標前景的陰影。但以上技術(shù)只是提出了在HSV彩色空間進行混合高斯模型進行背景建模，并沒有對當前幀進行自適應(yīng)二值化。由于從混合高斯模型建模方法得到的前景幀，對復(fù)雜背景下的光照變化比較敏感，所以嚴重影響運動目標分割的精度
發(fā)明內(nèi)容
本發(fā)明提供了一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，該方法能夠?qū)崿F(xiàn)復(fù)雜場景下的運動目標精確檢測，解決了在復(fù)雜的場景中，通常會存在各種外界因素的干擾(如光照變化、攝像機輕微抖動、動態(tài)的背景元素等等)，嚴重影響運動目標分割的精度的問題。為了實現(xiàn)上述目的，本發(fā)明包括如下技術(shù)特征包括首先獲取視頻幀，進行利用混合高斯模型方法進行背景建模初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀；所述從獲取視頻幀，利用混合高斯模型進行建模初始化；所述噪聲模型泊松分布是利用當前幀與背景幀的R、G、B分量的差值直方圖建立，統(tǒng)計其相關(guān)方差，利用最大的相關(guān)方差對當前幀進行二值化，得到前景幀。
與現(xiàn)有的方法相比，本發(fā)明提出了首先獲取視頻幀，進行利用混合高斯模型方法進行背景建模初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。該方法具有很高的實時性和魯棒性，有效的解決了運動目標檢測精度易受到是動態(tài)背景擾動和光照變化的影響的問題。


圖為本發(fā)明的總體流程圖。
具體實施例方式本發(fā)明設(shè)計了一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，該方法能夠?qū)崿F(xiàn)復(fù)雜場景下的運動目標精確檢測，解決了在復(fù)雜的場景中，通常會存在各種外界因素的干擾(如光照變化、攝像機輕微抖動、動態(tài)的背景元素等等)，嚴重影響運動目標分割的精度的問題。如附圖所示，該方法流程圖包括采集視頻幀、利用混合高斯模型進行背景建模；然后，分別統(tǒng)計當前幀與背景幀的差值直方圖，并建立噪聲模型泊松分布，對其計算相關(guān)方差，尋找出其最大值；最后，利用其相關(guān)方差最大值分別對R、G、B分量進行二值化，得到前景中貞。具體實現(xiàn)為包括采集視頻幀，并提取初始背景幀，進行背景模型的初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。所述從獲取視頻幀，利用混合高斯模型進行建模初始化；所述噪聲模型泊松分布是利用當前幀與背景幀的R、G、B分量的差值直方圖建立，統(tǒng)計其相關(guān)方差，利用最大的相關(guān)方差對當前幀進行二值化，得到前景幀。由上述可見，本發(fā)明一個具體實施例為對復(fù)雜場景中的運動目標進行檢測。進一步的，通過采集視頻幀，并提取初始背景幀，進行背景模型的初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。能夠?qū)崿F(xiàn)復(fù)雜場景下的運動目標精確檢測，解決了在復(fù)雜的場景中，通常會存在各種外界因素的干擾(如光照變化、攝像機輕微抖動、動態(tài)的背景元素等等)，嚴重影響運動目標分割的精度的問題。因此，容易理解，以 上所述僅為本發(fā)明的較佳實施例，并非用于限定本發(fā)明的精神和保護范圍，任何熟悉本領(lǐng)域的技術(shù)人員所做出的等同變化或替換，都應(yīng)視為涵蓋在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，其特征在于包括首先獲取視頻幀，進行利用混合高斯模型方法進行背景建模初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。
2.根據(jù)權(quán)利要求I所述的基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，其特征在于所述從獲取視頻幀，利用混合高斯模型進行建模初始化。
3.根據(jù)權(quán)利要求I所述的基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，其特征在于根據(jù)所述噪聲模型泊松分布是利用當前幀與背景幀的R、G、B分量的差值直方圖建立，統(tǒng)計其相關(guān)方差，利用最大的相關(guān)方差對當前幀進行二值化，得到前景幀。
全文摘要
本發(fā)明公開了一種基于混合高斯背景重構(gòu)的自適應(yīng)背景減去方法，首先采集視頻幀，并提取初始背景幀，進行背景模型的初始化；然后利用當前幀與背景幀的R、G、B分量差值建立噪聲模型泊松分布，并統(tǒng)計其直方圖，對所得的直方圖計算相關(guān)方差；最后，對所得的相關(guān)方差進行排序，尋找出最大值，作為當前幀的R、G、B分量的分割閾值，進行二值化，得到前景幀。該方法能夠適應(yīng)動態(tài)背景擾動和光照變化的影響，實時檢測出視頻中存在的運動目標，同時具有很好的魯棒性。
文檔編號H04N5/14GK102903123SQ201210337329
公開日2013年1月30日 申請日期2012年9月8日 優(yōu)先權(quán)日2012年9月8日
發(fā)明者毛亮, 汪剛, 李子巖 申請人:佳都新太科技股份有限公司