[發明專利]一種基于鄰域特征和灰度信息的背景建模方法

有效

• 申請號: 201510974877.5
• 申請日: 2015-12-21
• 公開（公告）號: CN105631862B
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 于慧敏;汪東旭;楊白;鄭偉偉
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/254
• 分類號: G06T7/254
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

1.一種基于鄰域特征和灰度信息的背景建模方法，其特征在于，該方法為：

步驟1：輸入視頻序列的第一幀，對每個像素點(x,y)利用鄰域特征算子計算第一幀的鄰域特征向量；

步驟2：根據第一幀的鄰域特征向量，初始化背景鄰域特征模型；根據第一幀中的像素點的灰度值，初始化背景灰度模型；

步驟3：輸入視頻序列的下一幀，對于這一幀中的每個像素點(x,y)，利用鄰域特征算子計算該點在這一幀中的鄰域特征向量；

步驟4：用這一幀中的鄰域特征向量與上一幀的背景鄰域特征模型比較，計算兩者的相似度，若相似度小于閾值T_neighbor，則判斷該點為前景點；反之，若相似度大于或等于閾值T_neighbor，則分為兩種情況：1)若該點在這一幀中的鄰域特征向量屬于非平滑類型，則將該點判斷為背景點；2)若該點在這一幀中的鄰域特征向量屬于平滑類型，則進入步驟5；其中，是否為平滑類型，通過以下方法判斷：對于的16個比特位，統計值為1的比特個數，若值為1的比特數小于等于T_smooth個，則判定該鄰域特征向量為平滑類型；反之，則判斷該鄰域特征向量為非平滑類型；

步驟5：取該點在這一幀中的灰度值，與上一幀的背景灰度模型計算相似度；若相似度小于閾值T_gray，則判斷該點為前景點；若相似度大于或等于閾值T_gray，則判斷該點為背景點；

步驟6：根據步驟3-5的判斷結果，對當前幀的背景鄰域特征模型和背景灰度模型進行更新；

步驟7：重復步驟3-6，直到視頻的最后一幀。

2.根據權利要求1所述的方法，其特征在于，所述鄰域特征向量通過以下的鄰域特征算子計算得到：

(1.1)對于像素點(x,y),將它的灰度值I(x,y)與每個8鄰域像素的灰度值I(x+i,y+j)帶入如下公式計算得到二進制鄰域特征碼code(i,j)：

上述公式中，T_code是可調閾值參數；對于每個鄰域像素，得到的是2個比特位的二進制特征碼；由于一共要與8個鄰域像素進行比較，所以一共得到2×8＝16比特的二進制鄰域特征碼；

(1.2)對(1.1)中得到的8個2比特二進制特征碼，經過串聯得到長度為16比特的鄰域特征向量串聯順序是：以像素(x,y)為中心的8鄰域像素，從左上角的像素(x-1,y-1)開始，按順時針方向串聯；

所述步驟2中的背景鄰域特征模型M_neighbor(x,y)和背景灰度模型M_gray(x,y)，通過以下方法初始化：

對于視頻序列中第一幀的每個像素點(x,y)，計算其鄰域特征向量并復制n份組成集合M_neighbor(x,y)，作為初始的背景鄰域特征模型；

對于視頻序列中第一幀的每個像素點(x,y)，取其灰度值并復制m份組成集合M_gray(x,y)，作為初始的背景灰度模型；

步驟4中的背景鄰域特征模型通過以下方法得到：

對于像素點(x,y),以n＝10個鄰域特征向量的集合作為此像素點(x,y)的背景鄰域特征模型，記為：

步驟5中，從第二幀開始的背景灰度模型通過以下方法得到：

對于像素點(x,y),以其m＝10個歷史灰度值I₁,I₂,…,I_m的集合作為此點的背景灰度模型，記為：M_gray(x,y)＝{I₁,I₂,…,I_m}；

所述步驟5中的像素點(x,y)處的灰度值與背景灰度模型M_gray(x,y)的相似度Sim_gray(x,y)，具體通過以下公式計算得到：

其中，d_gray是可調閾值。