[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

本發明公開了一種基于鄰域特征和灰度信息的背景建模方法。該方法通過將像素的鄰域特征加入到背景模型當中，提高了背景模型對于光照變化以及擾動的魯棒性。獲取輸入視頻序列的第一幀，對每個像素計算鄰域特征，初始化它的背景鄰域模型和背景灰度模型。對于視頻的后續幀，將每個像素的鄰域特征和灰度與背景鄰域模型和背景灰度模型比較，判斷像素是前景點還是背景點。最后，根據判斷結果更新背景鄰域模型和背景灰度模型。該背景建模方法模型簡單，便于實現，可以滿足實時智能監控系統的需求。

本發明屬于智能視頻監控領域，特別地涉及一種基于鄰域特征和灰度信息的背景建模方法。

背景技術

背景建模算法是智能視頻監控鄰域的一種常用算法，主要可以用來提取視頻中的前景目標，以便對視頻進行目標識別，行為檢測等智能化分析。它根據輸入視頻通過建模的方法得到監控場景的背景，然后利用當前圖像與背景進行比較得到前景目標。典型的背景建模算法有：幀間差法，均值函數法，中值函數法，高斯背景建模，W4算法，碼書模型算法，基于貝葉斯統計的模型算法，內核密度估計算法，meanshift算法等。

雖然現在已經有很多不同的背景建模方法，背景建模的效果也在不斷提升，但是仍然不能滿足實際工程應用的需要。這里主要有兩方面的原因：1)實際的視頻場景存在光照變化，背景擾動等不確定因素，使得基于像素點本身的背景建模很難獲得良好的魯棒性；2)實際應用中，背景建模算法往往作為某些智能化分析算法(如目標識別)的前置算法，計算復雜度要嚴格控制，給后續算法留出足夠的計算時間。

所以，設計一種既具有較高的魯棒性，又快速高效的背景建模方法，是很多智能監控鄰域技術人員努力的方向。

發明內容

為解決上述問題，本發明的目的在于提供了一種基于鄰域特征和灰度信息的背景建模方法。該方法通過利用像素點的鄰域特征，對背景的光照變化和擾動具有較高的魯棒性，同時計算復雜度可以滿足實時智能視頻監控系統的需求。

為實現上述目的，本發明的技術方案為：一種基于鄰域特征和灰度信息的背景建模方法，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。

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。

進一步的，上述步驟中的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)：