[發(fā)明專利]一種基于高斯背景模型的靜態(tài)目標(biāo)分割的方法

無效

• 申請?zhí)枺?/td>: 201110314576.1
• 申請日: 2011-10-17
• 公開（公告）號: CN102509073A
• 公開（公告）日: 2012-06-20
• 發(fā)明（設(shè)計）人: 厲鵬;王宸昊;王沖鶄;劉允才
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/00
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

1.一種基于高斯背景模型的靜態(tài)目標(biāo)分割的方法，其特征在于，包括如下具體步驟：

根據(jù)預(yù)存背景圖片或視頻的第一幀圖像構(gòu)建高斯背景模型，每個像素點的每個顏色通道構(gòu)建K個高斯模型分布，載入模型對應(yīng)初始參數(shù)，包括學(xué)習(xí)速率win_size，匹配閾值std_threshold，權(quán)值閾值bg_stdshold，方差初始值var_init，目標(biāo)最小區(qū)域閾值area_threshold，重復(fù)次數(shù)計數(shù)器counter閾值counter_threshold，初始化各點高斯分布模型，分配內(nèi)存空間；

當(dāng)新的一幀載入時，對每個像素點每個通道和背景模型的K個高斯分布依次進(jìn)行匹配，并返回對應(yīng)匹配結(jié)果，根據(jù)匹配結(jié)果進(jìn)行參數(shù)更新，參數(shù)更新公式選擇根據(jù)是否到達(dá)學(xué)習(xí)速率的幀數(shù)決定；每次匹配同一分布則該點重復(fù)次數(shù)加一，不匹配則清零；

對每個點的高斯分布權(quán)值和方差的比值由大到小進(jìn)行排序，根據(jù)匹配分布對應(yīng)權(quán)值及其之前權(quán)值和是否大于閾值決定該點是否匹配背景，不匹配則為前景點；

對整幅圖像中已確認(rèn)的前景點進(jìn)行連通域掃描，濾掉遠(yuǎn)小于目標(biāo)物體大小的前景點，將之標(biāo)記為背景部分；

對識別出的前景點和背景點進(jìn)行掃描，檢測每個點的重復(fù)次數(shù)是否超過閾值，超過閾值則進(jìn)行參數(shù)還原，并把重復(fù)次數(shù)清零；

高斯模型更新結(jié)束，返回上述2）步驟直至視頻結(jié)束。

2.。

3.根據(jù)權(quán)利要求2所述的基于高斯背景模型的靜態(tài)目標(biāo)分割的方法，其特征在于，所述1）步驟中，為預(yù)防第一幀中目標(biāo)物體靜止存在的可能性，在預(yù)先載入背景圖像時，將該圖像設(shè)定為預(yù)先重復(fù)Th_{pre_num}次，Th_{pre_num}值大于學(xué)習(xí)速率win_size的半值。

4.。

5.

，若該像素此次的匹配高斯分布同上次一致，則重復(fù)次數(shù)加1，否則清零。

6.，若該像素此次的匹配高斯分布同上次一致，則重復(fù)次數(shù)加1，否則清零。

7.。

8.根據(jù)權(quán)利要求7所述的基于高斯背景模型的靜態(tài)目標(biāo)分割的方法，其特征在于，所述5）步驟中，對采集到的前景點進(jìn)行逐像素掃描，若其對應(yīng)的重復(fù)次數(shù)超過設(shè)定閾值counter_threshold，則將重復(fù)次數(shù)清零，并按照下述公式進(jìn)行參數(shù)還原；

對其他分布區(qū)域所在高斯分布：

。