一种用于视频分析中背景建模方法技术

本发明专利技术公开了一种用于视频分析中背景建模方法，先根据PBAS算法，对一幅图像上所有像素点进行分类，分类的阈值采用亮度和纹理的融合阈值，根据融合阈值将像素分成前景点和背景点，待像素被分类完成后，当有新图像进入模型后，对于亮度信息有变化的像素点进行混合高斯建模，然后再更新每个像素点对应的阈值。本发明专利技术将两个检测算法的优点融合，并融合纹理和色彩亮度来作为阈值进行比较，能够在存在多种外部扰动，如光照变化、摄像机轻微抖动、动态的背景元素等情况下，准确的提取背景并抑制阴影对真实运动目标的影响。能够在一定程度上抑制阴影影响，增强抗干扰能力，加快图像处理的速度。同时能够有效提高运动目标分割精度。

【技术实现步骤摘要】

本方法属于视频分析领域，具体涉及一种用于视频分析中背景建模方法。
技术介绍
随着科学技术的发展以及人们对安全防范意识的不断增强,具有智能分析功能的新一代视频监控系统,获得越来越多的关注，这种具有智能分析功能的视频监控系统开始在安全监控领域发挥非常积极的作用，已经开始渗入到我们的日常生活当中。智能视频监控是指在不需要人为干预的情况下，利用计算机视觉分析方法对视频序列进行自动分析，实现运动目标检测、分类、识别、跟踪等，并在此基础上通过预先设定的规则对目标的行为进行分析，从而为采取进一步措施提供参考(比如在对象进入设防区时自动报警)。运动目标的精确提取是智能视频监控系统重要的研究内容之一，也是当前运动视觉研究中尚未根本解决的难点问题。运动检测的目的是通过对监控视频图像序列的分析，确定监控场景中有无运动目标，进而把运动区域(也称前景区域)从检测图像中提取出来。对运动区域准确有效地分割是进行运动目标跟踪、分类和识别等后续处理的基本前提。目前已有的运动检测方法有很多,其中研究比较成熟同时应用也比较广泛的运动检测方法是背景减除法。背景减除法首先为背景图像建立背景模型，然后通过比较检测图像和背景模型的差异，来判断场景中是否存在运动目标。背景模型能否正确有效地反映实时背景，会直接影响运动检测的准确性。但由于在复杂的场景中，通常会存在各种外界因素的干扰(如光照变化、摄像机轻微抖动、动态的背景元素等等)，这些都使得要设计>一个理想的背景模型提出挑战性的要求；再者，运动阴影和运动目标紧密相连，且在光照比较强的情况下，运动阴影和运动目标一样都与背景有明显差别，因此常常被作为运动目标的一部分被提取出来，这会严重影响运动目标分割的精度。
技术实现思路
专利技术目的：针对现有技术存在的问题，本专利技术提供了一种有有效提高运动目标分割精度，并能够精确快速的提取背景并抑制阴影对真实目标的影响的用于视频分析中背景建模方法。
技术实现思路
：本专利技术提供了一种用于视频分析中背景建模方法，先根据PBAS算法，对一幅图像上所有像素点进行分类，分类的阈值采用亮度和纹理的融合阈值，根据融合阈值将像素分成前景点和背景点，待像素被分类完成后，当有新图像进入模型后，对于亮度信息有变化的像素点进行混合高斯建模，然后再更新每个像素点对应的阈值。进一步，包括以下步骤：步骤1：采集一帧图像中的所用像素点，并获取图像数据和纹理数据。步骤2：利用步骤1中获得的图像数据以及纹理数据结合PBAS算法对背景模型的初始状态进行赋值并计算亮度和纹理的融合阈值；步骤3：根据当前像素点的像素值与步骤2中获得的融合阈值相比较，如果像素值大于融合阈值，则该像素点为背景点；步骤4：当步骤3检测出新的背景点，PBAS背景模型更新；步骤5：当新图像进入模型后，对亮度信息有变化的像素点进行混合高斯建模；步骤6：更新每个像素点对应的阈值T和计算更新率R。进一步，包括以下步骤：所述步骤2包括以下步骤：步骤201：随机选择一个像素点的邻域的像素点的像素值作为这个像素点的模型样值；步骤202：根据公式计算计算亮度和纹理的融合阈值dist,其中，计算公式如下：norm=Σjmax(|sobel_xj[randIndex]-sobel_xj|,|sobel_yj[randIndex]-sobel_yj|);]]>dis=Σj|lumij[randIndex]-lumij|;]]>dist＝alpha*(norm/N)+beta*dis；其中，j∈(1,2,3)，表示有RGB三个通道的标号；sobel_xj[randIndex]和sobel_yj[randIndex]分别表示第j个通道样本集中随机选择的第randIndex个样本的水平和竖直的sobel梯度，randIndex为样本的标号，randIndex的取值范围为样本的总数。sobel_xj和sobel_yj分别表示第j个通道的水平和竖直的sobel梯度；lumij表示第j个通道的亮度；lumij[randIndex]表示第j个通道样本集中随机选择的第randIndex个样本的亮度；alpha和beta为纹理和亮度的融合系数，一般alpha为7，beta为1；N为前一帧中统计需要更新的像素点对应的norm之和。工作原理：本专利技术通过结合混合高斯模型和PBAS算法的优点进行背景提取。有益效果：与现有技术相比，本专利技术提出了该方法本专利技术将两个检测算法的优点融合，并融合纹理和色彩亮度来作为阈值进行比较，能够在存在多种外部扰动，如光照变化、摄像机轻微抖动、动态的背景元素等情况下，准确的提取背景并抑制阴影对真实的运动目标的影响。能够在一定程度上抑制了阴影影响，增强抗干扰能力，加快图像处理的速度。同时能够有效提高运动目标分割精度。附图说明图1是本专利技术提供的方法的流程图。图2是基于GMM方法进行背景建模结果图；图3是基于PBAS方法进行背景建模结果图；图4是基于本专利技术提供的方法进行背景建模结果图。具体实施方式下面结合附图，对本专利技术进行详细说明。本专利技术提供一种用于视频分析中背景建模方法，包括以下步骤：步骤1：采集一帧图像中的所用像素点，并获取图像数据和纹理数据。步骤2：利用步骤1中获得的图像数据以及纹理数据结合PBAS算法对背景模型的初始状态进行赋值并亮度和纹理的融合阈值。具体包括以下步骤：步骤201：随机选择一个像素点的邻域的像素点的像素值作为这个像素点的模型样值。即M0(x)＝{v0(y|y∈NG(x))本文档来自技高网...

【技术保护点】
一种用于视频分析中背景建模方法，其特征在于：先根据PBAS算法，对一幅图像上所有像素点进行分类，分类的阈值采用亮度和纹理的融合阈值，根据融合阈值将像素分成前景点和背景点，待像素被分类完成后，当有新图像进入模型后，对于亮度信息有变化的像素点进行混合高斯建模，然后再更新每个像素点对应的阈值。

【技术特征摘要】
1.一种用于视频分析中背景建模方法，其特征在于：先根据PBAS算法，对一幅图
像上所有像素点进行分类，分类的阈值采用亮度和纹理的融合阈值，根据融合阈值将像
素分成前景点和背景点，待像素被分类完成后，当有新图像进入模型后，对于亮度信息
有变化的像素点进行混合高斯建模，然后再更新每个像素点对应的阈值。
2.根据权利要求1所述的用于视频分析中背景建模方法，其特征在于：包括以下
步骤：
步骤1：采集一帧图像中的所用像素点，并获取图像数据和纹理数据。
步骤2：利用步骤1中获得的图像数据以及纹理数据结合PBAS算法对背景模型的
初始状态进行赋值并计算亮度和纹理的融合阈值；
步骤3：根据当前像素点的像素值与步骤2中获得的融合阈值相比较，如果像素值
大于融合阈值，则该像素点为背景点；
步骤4：当步骤3检测出新的背景点，PBAS背景模型更新；
步骤5：当新图像进入模型后，对亮度信息有变化的像素点进行混合高斯建模；
步骤6：更新每个像素点对应的阈值T和计算更新率R。
3.根据权利要求2所述的用于视频分析中背景建模方法，其特征在于：包括以下
步骤：所述步骤2包括以下步骤：
步骤201：随机选择一个像素点的邻域的像素点的像素值作为这个像素点的模型样
值；
步骤2...

【专利技术属性】
技术研发人员：王敏，高加猛，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32