[發明專利]基于長時間視頻序列背景建?？蚣艿倪\動目標檢測方法

有效

• 申請號: 201710298485.0
• 申請日: 2017-04-28
• 公開（公告）號: CN108804981B
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 丁潔;肖江劍;宋康康;彭成斌
• 申請（專利權）人: 中國科學院寧波材料技術與工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 李麗華

1.一種基于長時間視頻序列背景建?？蚣艿倪\動目標檢測方法，其包括如下步驟：

(a)通過固定式全景攝像機獲取長時間全景視頻；

(b)對所述長時間全景視頻進行解碼處理，并通過棧式自編碼神經網絡對處理后的長時間全景視頻進行合理描述，得到多個背景描述子；

(c)通過聚類組織所述背景描述子，獲取典型背景描述子，并將典型背景描述子以層次樹的形式進行組織得到背景詞袋；其中，步驟(c)具體包括以下步驟：

(c1)采用隨機森林譜聚類方法對多個背景描述子進行聚類處理，得到分類后的子類，并計算出該分類后的子類所對應的典型背景描述子；

(c2)采用K-means++對該分類后的子類進行再聚類處理，選出該分類后的子類中的典型類，并計算該分類后的子類中的典型類所對應的典型背景描述子；

(c3)將該分類后的子類中的典型類所對應的典型背景描述子以層次樹的形式進行組織，得到背景詞袋；

(d)采用ViBe背景建模方法對該背景詞袋進行融合處理，得到背景建?？蚣?，進而獲得背景模型，再通過該背景模型對運動目標進行檢測。

2.一種如權利要求1所述的基于長時間視頻序列背景建?？蚣艿倪\動目標檢測方法，其特征在于，步驟(a)為通過固定式全景攝像機采集位于不同方向的多個相機在同一時刻拍攝的長時間視頻流。

3.一種如權利要求2所述的基于長時間視頻序列背景建?？蚣艿倪\動目標檢測方法，其特征在于，步驟(b)具體包括以下步驟：

(b1)對采集的長時間視頻流進行剪輯，得到剪輯后的視頻流；

(b2)通過計算機解碼技術對剪輯后的視頻流進行解碼，獲取多路YUV中灰度圖像；

(b3)求所述剪輯后的視頻流內的多路YUV中灰度圖像的平均灰度圖像，并將平均灰度圖像表達為向量形式；

(b4)通過下采樣對表達為向量形式的平均灰度圖像進行降維，得到背景向量集；

(b5)通過棧式自編碼神經網絡對所述背景向量集進一步進行非線性降維，得到多個背景描述子。

4.一種如權利要求3所述的基于長時間視頻序列背景建模框架的運動目標檢測方法，其特征在于，所述步驟(b5)具體為：

首先，將步驟(b4)所得到的背景向量集作為輸入，利用稀疏自編碼網絡訓練出第一個隱含層的網絡參數，并利用訓練好的第一個隱含層的網絡參數算出第一個隱含層的輸出；

然后，將第一個隱含層的輸出作為第二個隱含層的輸入，用稀疏自編碼網絡訓練出第二個隱含層的網絡參數；

最后，利用訓練好的第二個隱含層的網絡參數計算出第二個隱含層的輸出，將此第二個隱含層的輸出作為背景描述子。

5.一種如權利要求1所述的基于長時間視頻序列背景建模框架的運動目標檢測方法，其特征在于，所述步驟(c1)具體為：

(c11)計算n個背景描述子的相似度矩陣；

(c12)將相似度矩陣的每一列相加放到對應的對角位置處，求得對角矩陣；

(c13)通過對角矩陣求解拉普拉斯矩陣，并求解拉普拉斯矩陣的特征值；

(c14)取拉普拉斯矩陣的特征值中的前K個特征值所對應的特征向量，并將該前K個特征值所對應的特征向量組成新的n*K的矩陣R，其中K為譜聚類的聚類個數；

(c15)采用K-means++對矩陣R的每行元素進行聚類處理，得到的類別即為分類后的子類，并根據歐式距離計算出該分類后的子類所對應的典型背景描述子。