[發(fā)明專利]一種視頻監(jiān)控中前景提取的改進(jìn)算法

在審

• 申請?zhí)枺?/td>: 201711001978.X
• 申請日: 2017-10-24
• 公開（公告）號: CN107895379A
• 公開（公告）日: 2018-04-10
• 發(fā)明（設(shè)計）人: 蘇寒松;龍鑫;劉高華
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T5/00;G06T5/50;G06T7/12;H04N7/18
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所12201
• 代理人: 劉子文

1.一種視頻監(jiān)控中前景提取的改進(jìn)算法，其特征在于，包括以下步驟：

步驟(1)：將采集到的彩色視頻幀進(jìn)行預(yù)處理，首先把彩色圖轉(zhuǎn)換為灰度圖，再經(jīng)過中值濾波對圖像進(jìn)行降噪處理，最后進(jìn)行直方圖均值化，提高圖像對比度；

步驟(2)：對預(yù)處理后的視頻幀進(jìn)行改進(jìn)的五幀差法處理；

步驟(3)：對預(yù)處理后的視頻幀同時進(jìn)行GMM建模，提取出背景模型；

步驟(4)：運(yùn)用改進(jìn)的背景減法對視頻幀進(jìn)行處理；

步驟(5)：將步驟(2)和步驟(4)所得到的視頻幀進(jìn)行邏輯或運(yùn)算；

步驟(6)：對步驟(5)所得到的視頻幀進(jìn)行形態(tài)學(xué)處理，最終提取出完整的前景。

2.如權(quán)利要求1所述的一種視頻監(jiān)控中前景提取的改進(jìn)算法，其特征在于，步驟(2)中所述的改進(jìn)的五幀差法，其建立流程具體包括以下步驟：

步驟(201)、選取實(shí)驗(yàn)視頻幀中的連續(xù)5幀f₁(x,y)，f₂(x,y)，f₃(x,y)，f₄(x,y)，f₅(x,y)，選取這5幀中的前2幀圖像采用公式：進(jìn)行絕對值差分；

步驟(202)、進(jìn)行二值化處理，從而獲得前兩幀的二值圖像D₂(x,y)，取第2幀和第3幀圖像進(jìn)行相同運(yùn)算得到二值圖像D₃(x,y)，同理可得二值圖像D₄(x,y)和D₅(x,y)；

步驟(203)、對D₂(x,y)和D₃(x,y)進(jìn)行算數(shù)加法運(yùn)算，獲得1幀含有運(yùn)動對象大致范圍的圖像g₁(x,y)，取D₄(x,y)和D₅(x,y)進(jìn)行同樣的操作，得到另一幀含有運(yùn)動對象范圍的圖像g₂(x,y)；

步驟(204)、對g₁(x,y)和g₂(x,y)使用邏輯與運(yùn)算，獲得最終結(jié)果I(x,y)，即獲得的相鄰5幀圖像的中間幀移動對象區(qū)域的圖像。

3.如權(quán)利要求1所述的一種視頻監(jiān)控中前景提取的改進(jìn)算法，其特征在于，步驟(3)中所述對預(yù)處理后的視頻幀同時進(jìn)行GMM建模，具體包括以下步驟：

步驟(301)、對要建立的背景模型中的每一個像素點(diǎn)建立K(3≤K≤5)個高斯分布；

步驟(302)、對于某一像素點(diǎn)的(x₀,y₀)，它的歷史記錄{X₁,X₂,...,X_t}＝{I(x₀,y₀)1≤i≤t}，則當(dāng)前可能觀察到的像素值變化為：

P(Xt)=Σi=1Kωi,t×η(Xt,μi,t,Σi,t)]]>

η(Xt,μi,t,Σi,t)=1(2π)n2|Σi|12e-12(Xt-μt)TΣ-1(Xt-μt)]]>

其中，η(X_t,μ_i,t,∑_i,t)為第i個高斯分布的概率密度(均值為μ_i,t，協(xié)方差矩陣為∑_i,t)，為分布對應(yīng)的權(quán)重，每個高斯分布的均值為μ_i,t，方差為σ_i,t，協(xié)方差矩陣近似為：

步驟(303)、將K個高斯分布按照優(yōu)先級ρ_i,t＝ω_i,t/σ_i排序；

步驟(304)、取前B個高斯分布作為背景分布

B=argbmin(Σk=1bwk>T);]]>

步驟(305)、通過下面的公式判斷是否與已有的分布匹配：

|X_t-μ_i,t-1|≤2.5σ_i,t-1

其中，X_t是每一個像素點(diǎn)的灰度值，μ_i,t-1是t‐1時刻混合高斯模型中第i個高斯分布的均值矢量，σ_i,t-1為第i個高斯分布的標(biāo)準(zhǔn)差；對當(dāng)前視頻幀的每一個像素點(diǎn)進(jìn)行已有的高斯分布的模型進(jìn)行匹配運(yùn)算，若匹配，進(jìn)行步驟306；若不匹配，進(jìn)行步驟307、308、309；

步驟(306)、如果一個像素點(diǎn)與高斯分布匹配時，對匹配的分布進(jìn)行參數(shù)更新：

ωi,t+1=(1-α)·ωi,t+αμt=(1-β)μt-1+βXtσt2=(1-β)σt-12+β(Xt-μt)T(Xt-μt);]]>

步驟(307)、其他不匹配的分布只改變權(quán)重，權(quán)重按如下規(guī)則更新：

ω_i,t+1＝(1-α)·ω_i,t；

步驟(308)、若都不匹配，且當(dāng)前分布的個數(shù)小于K時，增加一個新的高斯分布；

步驟(309)、若都不匹配，且當(dāng)前分布的個數(shù)等于K時，用新的高斯分布代替優(yōu)先級最小的高斯分布，以x_t作為均值，初始化一個較大方差和較小權(quán)重；

步驟(310)、對模型的權(quán)重進(jìn)行排序，得到背景模型。

4.如權(quán)利要求1所述的一種視頻監(jiān)控中前景提取的改進(jìn)算法，其特征在于，步驟(4)具體包括以下步驟：

步驟(401)、選取第3幀圖像與所提出的背景圖使用差分操作得到M；

步驟(402)、用canny算子對M進(jìn)行邊緣提取，獲得移動對象的邊緣信息；

步驟(403)、進(jìn)行二值化處理，得到運(yùn)動目標(biāo)的前景邊緣圖。