基于ViBe算法与SLIC超像素的背景差分法制造技术

一种基于ViBe算法与SLIC超像素的背景差分法，属于图像处理技术领域。本发明专利技术包括如下步骤：基于超像素分割的背景建模，前景检测，背景更新。本发明专利技术提出了一种在ViBe算法框架下结合SLIC超像素的背景建模前景检测算法。有效的利用了ViBe算法优势的同时，通过与SLIC超像素结合来扩展像素的邻域范围，更充分的利用了背景像素的空间相关性从而能更好的应对风吹草动、相机抖动等现象。将ViBe算法对背景库随机替换的背景更新方式改为对高斯分布的更新方式，避免了随机替换策略对算法带来的不稳定性。在实验部分使用I2R数据集中的三组帧序列进行背景建模前景检测实验，并使用GMM算法、ViBe算法与我们的算法进行对比。

【技术实现步骤摘要】

本专利技术涉及基于ViBe算法与SLIC超像素的背景差分法，属于图像处理

技术介绍
近些年来，随着人们对实时监控的需求与日俱增，背景建模前景检测技术在视频监控领域得到了广泛的应用。与此同时，监控场景的种类也层出不穷，从室内到室外，从静态场景到含有强烈扰动的复杂场景。然而，复杂场景也为背景建模前景检测带来了一些挑战。光照突变：光照突变使得背景像素点产生强烈变化，因此在前景检测时容易被误判为前景。这种情况在多云天气的室外场景是很常见的。背景物体移位：当存在背景物体移位时，背景中将有两处被判定为前景。一处是移位的物体，这是应当被判定为前景的。另一处是物体移位之前所覆盖的位置，这应当被尽快的吸收到背景中。为动态场景建模：大多数背景建模方法希望训练样本是静止的。然而，这在一些场景下是不可能的，比如对车流繁忙的公路实时监控。这要求背景建模算法可以为动态场景进行建模。在现有比较流行的算法中，基于混合高斯模型的方法可使用在较为复杂的场景，但因其对每个像素分配多个高斯分布来进行操作，时间复杂度较高。采用非保守的更新策略致使他对缓慢移动的前景检测效果不好。对光照突变敏感。ViBe(VisualBackgroundExtractor)算法利用了背景像素的空间相关性，通过让每个像素对其邻域进行背景库更新，使得它可以应对背景中轻微的扰动。但无论是对4邻域还是8邻域进行处理，单个像素的邻域范围还是很有限的，从而不能很好的应对背景中含有强烈扰动的复杂场景。而且为了使算法的速度较快ViBe采用随机的方式对背景库进行更新，这样就给算法带来了一定的不稳定性。
技术实现思路
本专利技术针对上面的问题，研制基于ViBe算法与SLIC超像素的背景差分法。该算法继承了ViBe算法的良好性能，同时更加充分的利用了背景像素的空间相关性，达到有效应对复杂场景中强力扰动并对前景物体精确检测的目的。本专利技术包括如下步骤：第一步：基于超像素分割的背景建模，第二步：前景检测，第三步：背景更新。本专利技术原理及有益效果：①自然图像中属于同一区域内的绝大多数像素点服从同一高斯分布。②复杂场景中的强烈扰动绝大多数是由邻域像素的移位(风吹草动，相机抖动)造成的。我们结合这两种特征，在原始ViBe算法框架下结合SLIC超像素提出了基于ViBe算法与SLIC超像素的背景差分法。与现有的背景差分法相比，该方法更加充分的利用了背景像素的空间相关性，能够有效应对复杂场景中强力扰动，虚警率更低，精确度更高。附图说明图1本专利技术流程图。图2SLIC超像素分割示意图。图中(a)、(b)、(c)分别为Fountain、Campus和WaterSurface帧序列中的一幅原图，(d)、(e)、(f)为对应的SLIC超像素分割结果图。图3前景检测示意图。图中(a)、(b)、(c)分别为Fountain、Campus和WaterSurface帧序列中的一幅待检测帧，(d)、(e)、(f)为路面实况，(g)、(h)、(i)为GMM(GaussianMixtureModel)算法的检测结果，(j)、(k)、(l)为ViBe算法的检测结果，(m)、(n)、(o)为该方法的检测结果。图4为recall(召回率)、precision(准确率)和fmeasure对比曲线，fmeasure=2recall×precisionrecall+precision---(3)]]>图中横坐标为帧号，纵坐标为相应评测指标的数值。(a)、(b)、(c)分别为Fountain实验中的recall、precision、fmeasure对比曲线，(d)、(e)、(f)分别为Campus实验中的recall、precision、fmeasure对比曲线，(g)、(h)、(i)分别为WaterSurface实验中的recall、precision、fmeasure对比曲线。具体实施方式本专利技术包括四步：基于超像素分割的背景建模，前景检测，背景更新。第一步：基于超像素分割的背景建模。首先利用SLIC超像素分割方法对视频的第一帧进行超像素分割，得到大小和内容基本均匀一致的超像素块。计算超像素内每个像素点的亮度Brightness和平均亮度aveBrightness。Brightness＝0.3×r+0.6×g+0.1×b(4)aveBrightness=1nΣi=1nBrightnessi---(5)]]>其中，n为超像素内像素点总数，Brightnessi为超像素内第i个像素点的亮度，r、g、b分别为像素点rgb三通道的数值。利用平均亮度将超像素内像素点分为像素值大于平均亮度和小于等于平均亮度的两类。为每个超像素分配两个高斯分布并通过两类像素点计算两个高斯分布的均值μ、方差var、标准差std。即μ=1nΣi=1nxi---(6)]]>var=1nΣi=1n(xi-μ)2---(7)]]>std=var---(8)]]>其中，n为属于此高斯分布的像素点总数，xi表示属于此高斯分布的第i个像素点。如果超像素内的像素点完全相同，经计算得出的标准差将会非常小。在进行前景检测时微小的噪声都会被判定为前景。为了避免此情况发生，计算标准差时为其规定最小值。如果计算结果小于此最小值则使用最小值将其替换。实验中设定最小值为17。第二步：前景检测。首先利用超像素的两个高斯模型对其内部待检测像素点进行前景检测。如果待检测像素点至少与其中一个高斯模型满足像素值与均值的距离不大于λ倍标准差的条件，即|x-μ|≤λ×std(9)则判定为背景点；其中x为带检测像素点，μ和std分别为公式(6)、(8)中的均值和标准差，λ为我们自己设定的数值，实验中λ的取值范围为0.8到2。如果没有满足条件，则在以超像素中心点为中心，超像素平均边长为半径的八邻域内寻找邻域超像素，使用邻域超像素的背景模型进行检测。如果依然没有被判定为背景点，则为前景点。最后，为了应对光照突变,当被判定为前景的像素点个数超过总像素点个数50％的时候，重新建模。第三步：背景更新。在背景更新阶段，采用保守的更新方式，即只有当待检测像素点被判定为背景点且像素点与高斯模型均值的距离不小于倍的标准差时，即|x-μ|≥12×λ×std---(10)]]>才用来更新背景模型。即μ＝(1-α)×μ+α×x(11)var＝(1-α)×var+α×(x本文档来自技高网...

【技术保护点】
一种基于ViBe算法与SLIC超像素的背景差分法，其特征在于：第一步，基于超像素分割的背景建模首先利用SLIC超像素分割方法对视频的第一帧进行超像素分割，得到大小和内容基本均匀一致的超像素块；计算超像素内每个像素点的亮度Brightness和平均亮度aveBrightness；Brightness＝0.3×r+0.6×g+0.1×b          (1)aveBrightntess=1nΣi=1nBrightntessi---(2)]]>其中，n为超像素内像素点总数，Brightnessi为超像素内第i个像素点的亮度，r、g、b分别为像素点rgb三通道的数值；利用平均亮度将超像素内像素点分为像素值大于平均亮度和小于等于平均亮度的两类；为每个超像素分配两个高斯分布并通过两类像素点计算两个高斯分布的均值μ、方差var、标准差std；即μ=1nΣi=1nxi---(3)]]>var=1nΣi=1n(xi-μ)2---(4)]]>std=vαr---(5)]]>其中，n为属于此高斯分布的像素点总数，xi表示属于此高斯分布的第i个像素点；计算标准差时为规定最小值，如果计算结果小于此最小值则使用最小值将其替换；第二步，前景检测；第三步，背景更新。...

【技术特征摘要】
1.一种基于ViBe算法与SLIC超像素的背景差分法，其特征在于：
第一步，基于超像素分割的背景建模
首先利用SLIC超像素分割方法对视频的第一帧进行超像素分割，得到大小和内容基本
均匀一致的超像素块；计算超像素内每个像素点的亮度Brightness和平均亮度
aveBrightness；
Brightness＝0.3×r+0.6×g+0.1×b(1)
aveBrightntess=1nΣi=1nBrightntessi---(2)]]>其中，n为超像素内像素点总数，Brightnessi为超像素内第i个像素点的亮度，r、g、b分
别为像素点rgb三通道的数值；
利用平均亮度将超像素内像素点分为像素值大于平均亮度和小于等于平均亮度的两
类；为每个超像素分配两个高斯分布并通过两类像素点计算两个高斯分布的均值μ、方差
var、标准差std；即
μ=1nΣi=1nxi---(3)]]>var=1nΣi=1n(xi-μ)2---(4)]]>std=vαr---(5)]]>其中，n为属于此高斯分布的像素点总数，xi表示属于此高斯分布的第i个像素点；
计算标准差时为规定最小值，如果计算结果小于此最小值则使用最小值将其替换；
第二步，前景检测；第三步，背景更新。
2.根据权利要求1所述的一种基于ViBe算法与SLIC超像素的背...

【专利技术属性】
技术研发人员：孙鹏，王凡，胡小鹏，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21