[發(fā)明專利]一種基于LBP和Color特征的運動檢測方法

有效

• 申請?zhí)枺?/td>: 201810589563.7
• 申請日: 2018-06-08
• 公開（公告）號: CN108711164B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計）人: 彭紹湖;鄧銘杰;劉長紅;楊釗;王力;胡曉;范俊宇;利恒浩;林生益
• 申請（專利權(quán)）人: 廣州大學(xué)
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/46
• 代理公司: 北京市盈科律師事務(wù)所 11344
• 代理人: 江錦利

本發(fā)明提供了一種基于LBP和Color特征的運動檢測方法，包括：獲取視頻文件的前N幀視頻幀圖片，并對視頻幀圖片的每個像素建立基于LBP和Color的背景模型，每個背景模型中包括N個背景樣本；對N個背景樣本按照權(quán)重降序排列，建立運動檢測模型；將視頻文件的像素與運動檢測模型的背景樣本進行LBP比較和Color比較，根據(jù)比較結(jié)果獲得前景像素和背景像素；對背景像素的運動檢測模型進行更新；對前景像素的背景模型中的背景樣本進行更新；對所述前景像素和背景像素進行濾波；該方法能夠有效提高運動檢測的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺領(lǐng)域，尤其涉及一種基于LBP和Color特征的運動檢測方法。

背景技術(shù)

運動檢測作為計算機視覺重要的技術(shù)，能夠區(qū)分出運動與靜止物體，被應(yīng)用在視頻監(jiān)控、視頻壓縮等領(lǐng)域。尤其是在視頻監(jiān)控領(lǐng)域，通過運動檢測算法，可有效檢測到運動物體，用于下一步物體跟蹤、行為識別、物體識別等。運動檢測是視頻監(jiān)控中重要的預(yù)處理步驟。在運動檢測中，運動物體被稱為前景，靜止物體被稱為背景。光流法是經(jīng)典的運動檢測算法，能準(zhǔn)確檢測視頻中的運動物體，但算法運算量大，運行速度慢，無法運用于實際的系統(tǒng)中。ViBe算法是一個非參數(shù)化、輕量級的算法，能較為完整地顯示前景，算法運行快，在相機有一定抖動的情況下，依舊能有較好的前景背景分割效果，但在光照變化的環(huán)境下效果較差，會錯誤地將背景識別成前景。目前提出的許多算法，都只使用了單一的特征，如飽和度或者邊緣特征，當(dāng)前景與背景相似時，容易將前景誤識別為背景；當(dāng)運動物體突然停止不動時，算法容易出現(xiàn)錯誤的判斷。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)中的運動檢測準(zhǔn)確性低的問題，提出一種基于LBP和Color特征的運動檢測方法，能夠有效提高運動檢測的準(zhǔn)確性。

一種基于LBP和Color特征的運動檢測方法，包括：

獲取視頻文件的前N幀視頻幀圖片，并對所述視頻幀圖片的每個像素建立基于LBP和Color的背景模型，每個所述背景模型中包括N個背景樣本；

對所述N個背景樣本按照權(quán)重降序排列，建立運動檢測模型；

將視頻文件的像素與所述運動檢測模型的背景樣本進行LBP比較和Color比較，根據(jù)比較結(jié)果獲得前景像素和背景像素；

對背景像素的運動檢測模型進行更新；

對前景像素的背景模型中的背景樣本進行更新；

對所述前景像素和背景像素進行濾波。

進一步地，對所述視頻幀圖片的每個像素建立基于LBP和Color的背景模型，包括：

對每一幀視頻幀圖片的每個像素計算LBP特征，獲得對應(yīng)的直方圖；

對每一幀視頻幀圖片的每個像素計算Color特征，獲得對應(yīng)的RGB向量；

將所述直方圖和RGB向量作為背景樣本，并對所述背景樣本賦初始權(quán)重。

進一步地，對每一幀視頻幀圖片計算LBP特征，獲得對應(yīng)的直方圖，包括：

將所述視頻幀圖片中的每個像素與周圍八個像素進行顏色強度值大小對比產(chǎn)生LBP特征，將所述LBP特征轉(zhuǎn)換為十進制數(shù)字，統(tǒng)計每個數(shù)字出現(xiàn)的次數(shù)，生成直方圖；

對每一幀視頻幀圖片計算Color特征，獲得對應(yīng)的RGB向量，包括：

將像素的R通道值賦值給R分量，將像素的G通道賦值給G分量，將像素的B通道賦值給B分量，獲得RGB向量；

對所述背景樣本賦初始權(quán)重，包括：

將所述背景樣本按照視頻幀圖片的時間順序從大到小賦初始權(quán)重值。

進一步地，建立運動檢測模型，包括：