[發(fā)明專利]基于ViBe算法與SLIC超像素的背景差分法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610053951.4
• 申請(qǐng)日: 2016-01-26
• 公開(kāi)（公告）號(hào): CN105741277A
• 公開(kāi)（公告）日: 2016-07-06
• 發(fā)明（設(shè)計(jì)）人: 孫鵬;王凡;胡小鵬
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 梅洪玉;李寶元

技術(shù)領(lǐng)域

本發(fā)明涉及基于ViBe算法與SLIC超像素的背景差分法，屬于圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

近些年來(lái)，隨著人們對(duì)實(shí)時(shí)監(jiān)控的需求與日俱增，背景建模前景檢測(cè)技術(shù)在視頻監(jiān)控領(lǐng)域得到了廣泛的應(yīng)用。與此同時(shí)，監(jiān)控場(chǎng)景的種類也層出不窮，從室內(nèi)到室外，從靜態(tài)場(chǎng)景到含有強(qiáng)烈擾動(dòng)的復(fù)雜場(chǎng)景。然而，復(fù)雜場(chǎng)景也為背景建模前景檢測(cè)帶來(lái)了一些挑戰(zhàn)。

光照突變：光照突變使得背景像素點(diǎn)產(chǎn)生強(qiáng)烈變化，因此在前景檢測(cè)時(shí)容易被誤判為前景。這種情況在多云天氣的室外場(chǎng)景是很常見(jiàn)的。

背景物體移位：當(dāng)存在背景物體移位時(shí)，背景中將有兩處被判定為前景。一處是移位的物體，這是應(yīng)當(dāng)被判定為前景的。另一處是物體移位之前所覆蓋的位置，這應(yīng)當(dāng)被盡快的吸收到背景中。

為動(dòng)態(tài)場(chǎng)景建模：大多數(shù)背景建模方法希望訓(xùn)練樣本是靜止的。然而，這在一些場(chǎng)景下是不可能的，比如對(duì)車流繁忙的公路實(shí)時(shí)監(jiān)控。這要求背景建模算法可以為動(dòng)態(tài)場(chǎng)景進(jìn)行建模。

在現(xiàn)有比較流行的算法中，基于混合高斯模型的方法可使用在較為復(fù)雜的場(chǎng)景，但因其對(duì)每個(gè)像素分配多個(gè)高斯分布來(lái)進(jìn)行操作，時(shí)間復(fù)雜度較高。采用非保守的更新策略致使他對(duì)緩慢移動(dòng)的前景檢測(cè)效果不好。對(duì)光照突變敏感。ViBe(VisualBackgroundExtractor)算法利用了背景像素的空間相關(guān)性，通過(guò)讓每個(gè)像素對(duì)其鄰域進(jìn)行背景庫(kù)更新，使得它可以應(yīng)對(duì)背景中輕微的擾動(dòng)。但無(wú)論是對(duì)4鄰域還是8鄰域進(jìn)行處理，單個(gè)像素的鄰域范圍還是很有限的，從而不能很好的應(yīng)對(duì)背景中含有強(qiáng)烈擾動(dòng)的復(fù)雜場(chǎng)景。而且為了使算法的速度較快ViBe采用隨機(jī)的方式對(duì)背景庫(kù)進(jìn)行更新，這樣就給算法帶來(lái)了一定的不穩(wěn)定性。

發(fā)明內(nèi)容

本發(fā)明針對(duì)上面的問(wèn)題，研制基于ViBe算法與SLIC超像素的背景差分法。該算法繼承了ViBe算法的良好性能，同時(shí)更加充分的利用了背景像素的空間相關(guān)性，達(dá)到有效應(yīng)對(duì)復(fù)雜場(chǎng)景中強(qiáng)力擾動(dòng)并對(duì)前景物體精確檢測(cè)的目的。

本發(fā)明包括如下步驟：

第一步：基于超像素分割的背景建模，

第二步：前景檢測(cè)，

第三步：背景更新。

本發(fā)明原理及有益效果：①自然圖像中屬于同一區(qū)域內(nèi)的絕大多數(shù)像素點(diǎn)服從同一高斯分布。②復(fù)雜場(chǎng)景中的強(qiáng)烈擾動(dòng)絕大多數(shù)是由鄰域像素的移位(風(fēng)吹草動(dòng)，相機(jī)抖動(dòng))造成的。我們結(jié)合這兩種特征，在原始ViBe算法框架下結(jié)合SLIC超像素提出了基于ViBe算法與SLIC超像素的背景差分法。與現(xiàn)有的背景差分法相比，該方法更加充分的利用了背景像素的空間相關(guān)性，能夠有效應(yīng)對(duì)復(fù)雜場(chǎng)景中強(qiáng)力擾動(dòng)，虛警率更低，精確度更高。

附圖說(shuō)明

圖1本發(fā)明流程圖。

圖2SLIC超像素分割示意圖。圖中(a)、(b)、(c)分別為Fountain、Campus和WaterSurface幀序列中的一幅原圖，(d)、(e)、(f)為對(duì)應(yīng)的SLIC超像素分割結(jié)果圖。

圖3前景檢測(cè)示意圖。圖中(a)、(b)、(c)分別為Fountain、Campus和WaterSurface幀序列中的一幅待檢測(cè)幀，(d)、(e)、(f)為路面實(shí)況，(g)、(h)、(i)為GMM(GaussianMixtureModel)算法的檢測(cè)結(jié)果，(j)、(k)、(l)為ViBe算法的檢測(cè)結(jié)果，(m)、(n)、(o)為該方法的檢測(cè)結(jié)果。

圖4為recall(召回率)、precision(準(zhǔn)確率)和fmeasure對(duì)比曲線，