[發明專利]基于多背景模型的快速前景檢測方法

有效

• 申請號: 201210489601.4
• 申請日: 2012-11-27
• 公開（公告）號: CN103020987A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 張德馨
• 申請（專利權）人: 天津艾思科爾科技有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20;H04N7/18
• 代理公司: 天津市宗欣專利商標代理有限公司 12103
• 代理人: 王寧寧

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于多背景模型的快速前景檢測方法。

背景技術

目前視頻監控已經廣泛的應用在國民經濟的各個行業，對人民的生產和生活提供了越來越多的保障。隨著智能視頻分析技術在監控行業的應用，不但大量的人力物力被從監控屏幕前解放出來，并且報警的準確性和及時性也大大提高。

但目前絕大多數智能視頻分析軟件都部署在后端監控中心的主機上，而前端攝像頭主要是進行視頻的采集和傳輸工作，并不進行智能分析。制約前端攝像頭進行智能視頻分析功能的主要障礙在于前端嵌入式設備的計算能力不能滿足復雜的智能視頻分析算法的需要。

智能視頻分析主要是對復雜場景下運動目標的序列圖像進行分析和處理，通常包括以下幾個過程：1.?背景建模；2.?前景檢測；?3.?目標分類；?4.?目標跟蹤；?5.?運動目標行為理解和描述，如圖1所示。準確可靠的背景建模及前景檢測技術對于后續的目標分類、跟蹤和行為理解是非常重要的。但是，由于待分析場景的復雜性以及天氣、光照、影子等各種干擾的存在，使得背景建模及前景檢測技術成為智能視覺監控技術研究應用的熱點和難點，并且這兩部分的計算量是整個智能視頻分析系統的瓶頸。

目前最常用的背景建模方法是基于混合高斯模型（GMM）的方法。該方法基于每個像素點進行建模，并且混合高斯模型中一些系數（均值、方差、權值）的計算相對來講也比較繁瑣，對于這種方法在嵌入式設備中的推廣也形成了瓶頸。由于基于混合高斯模型的前景檢測是逐像素點進行判斷，沒有考慮到像素周圍的信息，因此檢測出的前景會有很多噪聲點。另外，在周圍環境光照或者攝像機視場突變的情況下，基于混合高斯模型的方法會出現一定時長的前景混亂現象。

發明內容

本發明是為了解決上述現有檢測方法中存在的耗時過長、容易出現噪聲點和不適應光照突變等缺陷，而提供了一種基于多背景模型的快速前景檢測方法。

本發明為解決現有技術中存在的技術問題所采取的技術方案是：

本發明的基于多背景模型的快速前景檢測方法，包括背景建模和前景檢測兩大步驟，?

背景建模的具體步驟包括：

背景模型的設計：?背景建模的輸入是由攝像頭或其它硬件輸入的一序列實時圖像，將輸入的每一幅圖像都分成一個N×N的建模點；每個建模點對應一個背景模型集，一個背景模型集包含3～5個背景模型；每個背景模型表示對應建模點中存在的一種背景環境模型；背景模型中主要包含的信息有：顏色信息、本模型權重、本模型方差、梯度信息；這樣，除了對每一個建模點建立背景模型集，還對整個圖像建立了一個全局背景模型集；

背景模型的更新：背景模型設計完畢之后，就要用實時視頻場景對背景模型進行實時更新，直到背景模型成功建立；

對于當前建模點，首先要計算建模點的顏色信息和梯度信息，所有參數的更新計算都采用整型數值方式；

采用變學習速率的方式，如果當前建模點屬于背景環境，則其顏色信息學習過程為：

梯度信息的學習過程為：

方差的學習過程為：

其中updateRate為基準速率，如果當前建模點屬于運動前景，則其基準學習速率減緩SlowCoef倍：

???如果當前建模點屬于前景運動目標，則對應的權值加一。如果屬于背景環境，則對應的權值加上SlowCoef；

前景檢測的具體步驟包括：前景檢測模塊的輸入是當前圖像和已經建立的背景模型，輸出是檢測到的前景掩碼和前景參數；在背景模型建立完成之后，進入前景檢測步驟，并且檢測出的前景掩碼會用于背景模型的更新；

在判斷當前建模點是否屬于前景物體時，當前建模點不但要和當前背景模型集里的模型進行比對，而且要和周圍四鄰域的背景模型集里的模型進行比對。只有當所有匹配都不符合時，當前建模點才能被認為屬于前景物體。

根據權利要求1所述的基于多背景模型的快速前景檢測方法，其特征在于：N×N的建模點中的N的取值為2、3或4。

本發明具有的優點和積極效果是：

本發明的基于多背景模型的快速前景檢測方法，能夠大大降低傳統GMM方法的計算復雜度，能夠有效去除樹葉晃動、昆蟲、光線和陰影變化對前景檢測結果的影響，而且可以檢測到昏暗環境下人和物體的運動。本發明的方法主要用在嵌入式攝像頭上，對于很多智能視覺監控領域常用的視頻格式（如YUV420等）尤其適用。使用本發明的嵌入式攝像頭可以大大提高原有智能偵測功能的功能、速度和準確度。

附圖說明