[發明專利]一種多層背景模型的運動目標檢測方法

在審

• 申請號: 201710328438.6
• 申請日: 2017-05-11
• 公開（公告）號: CN107169991A
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 南寧市正祥科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及領域，具體涉及一種多層背景模型的運動目標檢測方法。

背景技術

智能視頻監控為當今社會的治安管理和維護社會穩定起到了重要作用，被廣泛應用于民用和軍工業中。在復雜背景下運動目標檢測算法仍存在如下不足：

（1）背景模型初始化時間過長；

（2）背景模型的更新系數設定不具有通用性；

（3）單層背景模型難以處理復雜背景干擾問題。

發明內容

本發明要解決的技術問題是提供一種多層背景模型的運動目標檢測方法。

一種多層背景模型的運動目標檢測方法，包括以下步驟：

S1：采集運動目標視頻圖像，并對視頻圖像進行預處理；

S2：從視頻序列的第一幀中提取每個像素的鄰域樣本，用于初始化背景模型，只需一幀圖像即可完成背景模型的初始化；

S3：引入隨機采樣技術，隨機選取一個不匹配的碼字，采用新的背景像素取而代之，避免錯誤分類的碼字長時間駐留在背景模型中；

S4：采用多層背景模型策略，每個像素經過多層背景模型的逐層驗證，保證了背景模型的精確性。

進一步的，多層背景模型的創建和更新過程如下：

1）基于鄰域初始化方法創建主模型M(x)，同時，分別創建空的一級緩存H(x)和二級緩存模型U(x)；

2）對于t時刻給定的輸入像素，在M(x)中尋找與匹配的碼字,如果在M(x)中，則認為屬于背景像素，采用EPAM方法對主模型M(x)進行更新，否則跳轉到步驟3）；

3）如果沒有找到匹配的碼字，按以下步驟進行處理：

A）將像素標記為前景像素；

B）在一級緩存模型H(x)中查找匹配碼字，如果找到匹配的碼字，則使用EPAM方法對H(x)進行更新．否則采用創建一個新的碼字插入到一級緩存模型H(x)中；

C）在二級緩存模型U(x)中尋找與匹配的碼字，如果找到匹配的碼字，則使用EPAM算法對模型U(x)進行更新，否則使用創建一個新的碼字插入到二級緩存模型U(x)中；

4）采用像素分類器2，將漏檢的真實背景碼字提升到主模型M(x)中，過程如下所示：

A）移除二級緩存模型U(x)中碼字的最長時間間隔大于的所有碼字；將U(x)中碼字的最長時間間隔大于的所有碼字提升到H(x)中，同時刪除H(x)中碼字的最大時間間隔大于的所有碼字；

B）移除一級緩存模型H(x)中碼字的最長時間間隔大于的所有碼字；將H(x)中碼字的最長時間間隔大于的所有碼字提升到M(x)中，同時刪除M(x)中碼字的最大時間間隔大于的所有碼字；

5）對于新的像素跳轉到步驟2）進行處理。

本發明的有益效果是：

本發明采用從第一幀圖像每個像素的鄰域中選取樣本，對背景模型進行初始化的方案，算法的初始化過程得到了簡化和加速；通過采用EPAM背景模型更新策略，避免了被錯誤分類的像素長期保留在背景模型中；由于多層背景模型方法的使用，即在初始化階段創建一個主模型，在檢測階段創建兩個緩存模型，通過緩存模型的逐層驗證，將漏檢的背景像素提升到主模型，增強了主模型的精確性，提高了算法在復雜背景下的魯棒性。

具體實施方式

以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。

一種多層背景模型的運動目標檢測方法，包括以下步驟：

S1：采集運動目標視頻圖像，并對視頻圖像進行預處理；

S2：從視頻序列的第一幀中提取每個像素的鄰域樣本，用于初始化背景模型，只需一幀圖像即可完成背景模型的初始化；

S3：引入隨機采樣技術，隨機選取一個不匹配的碼字，采用新的背景像素取而代之，避免錯誤分類的碼字長時間駐留在背景模型中；

S4：采用多層背景模型策略，每個像素經過多層背景模型的逐層驗證，保證了背景模型的精確性。

多層背景模型的創建和更新過程如下：

1）基于鄰域初始化方法創建主模型M(x)，同時，分別創建空的一級緩存H(x)和二級緩存模型U(x)；

2）對于t時刻給定的輸入像素，在M(x)中尋找與匹配的碼字,如果在M(x)中，則認為屬于背景像素，采用EPAM方法對主模型M(x)進行更新，否則跳轉到步驟3）；

3）如果沒有找到匹配的碼字，按以下步驟進行處理：

A）將像素標記為前景像素；