基于盲目更新策略和前景模型的改进视觉背景提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105741319A(43)申请公布日2016.07.06(21)申请号201610045316.1(22)申请日2016.01.22(71)申请人浙江工业大学地址310014浙江省杭州市下城区潮王路18号(72)发明人王海霞石丽梁荣华毛帅龙(74)专利代理机构杭州天正专利事务所有限公司33201代理人王兵黄美娟(51)Int.Cl.G06T7/20(2006.01)权利要求书1页说明书4页附图3页(54)发明名称基于盲目更新策略和前景模型的改进视觉背景提取方法(57)摘要基于盲目更新策略和前景模型的改进视觉背景提取方法，包括如下步骤：第一步：读取视频的首帧，进行背景模型的初始化及建模；第二步：进行前景模型的初始化及建模；第三步：读取新的视频帧，首先根据背景模型判断该点是否分类为背景点，若分类为背景点，则将该点继续与其前景模型进行分类判断；第四步：使用形态学滤波对二值前景图像进行处理；第五步，更新前景模型与背景模型；第六步：读取新的视频帧，重复第三步到第五步，实时检测视频序列中的运动前景区域。CN105741319ACN105741319A权利要求书1/1页1.基于盲目更新策略和前景模型的改进视觉背景提取方法，包括如下步骤：第一步：读取视频的第一帧，对背景模型进行单帧初始化及建立；采用原ViBe算法的单帧视频序列初始化方式；第二步：对前景模型进行单帧初始化；将前景模型的初始化样本值全部设置为L>350，表明该像素点不具备任何前景特性；设MF(x)为某像素点x的前景模型，则该点的样本集表示为公式(1)，其中ωi是模型采样点：MF(x)＝{ω1,ω2,...,ωN}(1)第三步：读取新的视频帧，首先根据背景模型判断该点是否分类为背景点，若分类为背景点，则将该点继续与其前景模型进行分类判断；若某新像素点x在欧式空间的Rf为半径的圆形范围内可以找到至少有常数#minf＝5个样本值，则该像素点为前景点，即属于前景模型；否则，该像素点还是背景点；如公式(2)所示：其中，SRf(υ(x))表示以像素x为圆心，Rf为半径的空间区域，υ(x)是像素x的像素值，PB表示背景点集，PF表示前景点集；第四步：利用形态学原理对检测出的二值图像的前景区域进行后期处理，主要依据中心像素点是否与其5*5邻域的主体值相近的判断原则，若一致，则保留该点的原值；若不一致，则将该点的值设置为邻域的主体值；第五步：更新模型；对背景模型采用盲目更新策略，无论它被归类为背景或前景都会用来更新背景模型；每个新的像素点都有的概率去更新自己的背景模型样本集，同时也有的概率更新邻域背景模型的样本集，是时间采样因子；对于前景模型，当像素点被分类为前景点时，以前景点的像素值更新前景模型；当像素点被分类为背景点时，就直接以L值替换其相应前景模型样本点；采用先入先出的更新策略，即那些先进入模型的样本点被优先选择替换掉；第六步：读取新的视频帧，重复第三步到第五步，实时检测视频序列中的运动前景区域。2CN105741319A说明书1/4页基于盲目更新策略和前景模型的改进视觉背景提取方法技术领域[0001]本发明涉及一种针对视频中运动目标的前景检测方法。背景技术[0002]随着现代安防监控系统的发展，越来越多的视频监控技术已经广泛应用于商用场所，旅游景点及交通监控等领域，主要技术包括运动目标检测、运动物体识别、目标跟踪、行为分析及行人计数等。其中，运动目标检测是后续研究的基础，它直接影响了后续研究结果的好坏。目前，因为监控技术发展的需求，已研究出许多前景检测方法，如：帧差法、背景减除法(GMM、CodeBook、SOBS、ViBe)、光流法(稀疏光流、稠密光流)、时间熵等。这些方法都有各自适应的场所，且能取得良好的检测效果。然而，由于视频应用场景动态背景的复杂性，仍然难以找到一种通用的检测方法来适应所有的场景挑战。[0003]近年来，人们对视频监控实时性能的要求越来越高。特别是对那些短的视频序列，通常希望通过几帧就能迅速进行运动目标的检测，从而快速达到实时监控分析的目的。传统的前景检测方法的初始化需要一定长度的视频序列来完成，这通常会耗费数秒的时间，极大的影响了检测的实时性，对于手持相机实时拍照来讲并不合适。ViBe(Visualbackgroundextractor)方法就是其中一种较为受欢迎的基于像素级的视频背景建模的前景检测方法，详见参考文献BarnichO,VanDroogenbroeckM.ViBe:auniversalbackgroundsubtractionalgorithmforvideosequences[J].IEEETransImageProcess,2011,20(6):1709–1724。该