[發(fā)明專利]基于多個(gè)高斯分布的運(yùn)動(dòng)目標(biāo)分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 200810020694.X
• 申請(qǐng)日: 2008-02-21
• 公開（公告）號(hào): CN101231694A
• 公開（公告）日: 2008-07-30
• 發(fā)明（設(shè)計(jì)）人: 王高浩
• 申請(qǐng)（專利權(quán)）人: 南京中興特種軟件有限責(zé)任公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/20;G06T5/00
• 代理公司: 南京天華專利代理有限責(zé)任公司
• 代理人: 徐冬濤;瞿網(wǎng)蘭

技術(shù)領(lǐng)域

本發(fā)明涉及一種在視頻序列中分割出運(yùn)動(dòng)目標(biāo)的方法，尤其是一種利用背景差分法中常用的高斯分布方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分割的方法，具體地說(shuō)是一種基于多個(gè)高斯分布的運(yùn)動(dòng)目標(biāo)分割方法。

背景技術(shù)

傳統(tǒng)的視頻監(jiān)控已經(jīng)不能滿足需求，監(jiān)控設(shè)備不光要能編碼傳輸視頻，還要能夠分析識(shí)別視頻里的內(nèi)容。而要做到這一點(diǎn)，最基礎(chǔ)的要求就是在視頻序列里分割出運(yùn)動(dòng)目標(biāo)，也就是區(qū)分出運(yùn)動(dòng)前景和背景。

運(yùn)動(dòng)目標(biāo)分割方法有很多，大致可以分為三大類：光流法，幀間差分法，背景差分法。其中，光流法運(yùn)算量大且約束較多，而幀間差分法雖然計(jì)算簡(jiǎn)單，但是容易形成空洞、不完整的目標(biāo)以及虛假的目標(biāo)，所以背景差分法相對(duì)較為實(shí)用，并取得較好效果。其技術(shù)要點(diǎn)在于構(gòu)造背景，然后用當(dāng)前畫面減去背景畫面以取得差分圖像，最后利用差分結(jié)果分割出運(yùn)動(dòng)目標(biāo)。所以這類方法最重要的地方在于如何構(gòu)造背景和如何更新背景。

背景差分法里面有一類利用多個(gè)高斯分布來(lái)構(gòu)造和更新每個(gè)象素點(diǎn)的背景，這樣當(dāng)背景發(fā)生改變的時(shí)候，在產(chǎn)生新背景的同時(shí)老背景也不會(huì)丟棄，而當(dāng)背景回復(fù)至老背景的時(shí)候，算法可以快速識(shí)別出老背景，而無(wú)需重新適應(yīng)。其收斂速度和分割效果優(yōu)于一般的背景差分算法。經(jīng)過(guò)文獻(xiàn)檢索，發(fā)現(xiàn)如下論文和專利使用該技術(shù)，且無(wú)本質(zhì)差別，

W.E.L.Grimson，C.Stauffer，R.Romano，L.Lee，″Using?AdaptiveTracking?to?Classify?and?Monitor?Activities?in?a?Site，″cvpr，p.22，1998?IEEE?Computer?Society?Conference?on?Computer?Vision?andPattern?Recognition(CVPR’98)，1998

Stauffer?C，Grimson?W.E.L.Adaptive?background?mixture?modelsfor?real-time?tracking.in?Proceedings.1999?IEEE?Computer?SocietyConference?on?Computer?Vision?and?Pattern?Recognition(Cat.No?PR00149).IEEE?Comput.Soc.Part?Vol.2，1999.

專利03151406.5

專利200710069927.0

該技術(shù)的第一個(gè)問(wèn)題在于，每個(gè)象素一開始的分布以及新出現(xiàn)的分布是不確定的，都被賦予較大的方差，這樣收斂速度較慢，且容易錯(cuò)判。第二個(gè)問(wèn)題是沒有利用前后幀的關(guān)聯(lián)信息，分布的生成完全利用該點(diǎn)象素每一幀的值迭代而成，這樣產(chǎn)生的分布在時(shí)間上沒有關(guān)聯(lián)，很可能不是真實(shí)的分布，等到該象素恢復(fù)了先前某個(gè)分布的背景的時(shí)候，反倒因?yàn)樵撜鎸?shí)分布已被替換，而被誤認(rèn)為是前景。第三個(gè)問(wèn)題是對(duì)所有的色彩分量做同樣的處理，使得無(wú)法有效提取陰影信息，導(dǎo)致無(wú)法從前景中去除陰影。第四個(gè)問(wèn)題是有大量的除法、排序和判斷，算法邏輯復(fù)雜且計(jì)算量大，在現(xiàn)階段導(dǎo)致只能抽點(diǎn)計(jì)算，這樣計(jì)算結(jié)果自然就不夠精確。

總而言之，該技術(shù)在理論上可行，實(shí)用性不高，需要進(jìn)行大規(guī)模改進(jìn)才可以達(dá)到實(shí)用的目的。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)現(xiàn)有的背景差分法存在實(shí)用性差，速度慢、準(zhǔn)確性差的問(wèn)題，發(fā)明一種經(jīng)過(guò)改良的、使用多個(gè)高斯分布來(lái)構(gòu)造視頻序列中的背景、進(jìn)而分割出前景的基于多個(gè)高斯分布的運(yùn)動(dòng)目標(biāo)分割方法。

本發(fā)明的技術(shù)方案是：

一種基于多個(gè)高斯分布的運(yùn)動(dòng)目標(biāo)分割方法，其特征是：

(1)、初始化所有背景象素點(diǎn)的分布，賦予一個(gè)實(shí)際中不可能存在的分布，并把權(quán)重設(shè)為0；

(2)、積累采集到的圖像，直到2n+1幀或2n+1幀以上，此時(shí)欲處理的圖像為第n+1幀或第n+1幀以上；該欲處理的幀稱為當(dāng)前幀；

(3)、以以下方法依次處理當(dāng)前幀的每一象素，每一個(gè)正被處理的象素稱為當(dāng)前象素：

a)依次得到當(dāng)前象素的色彩空間三分量的任一分量的，時(shí)間上連續(xù)的前n象素的該分量值和時(shí)間上連續(xù)的后n象素的該分量值，分別計(jì)算它們的分布；

b)判斷當(dāng)前象素的該分量值更符合前n象素形成的分布還是后n象素形成的分布；

c)如果有符合的，用該分布來(lái)代表當(dāng)前象素的該分量值，轉(zhuǎn)入d)，如果沒有，則轉(zhuǎn)入f)；