The disclosure relates to a subtraction algorithm for night environment background, the method includes receiving a background model for AMBER and the current frame; using the LBSP operator, and according to the pixel position classification of pixel classification threshold will be the current frame for the background and foreground point point; the former attractions are further categorized as target interested in and blinking pixels; and to be classified as flashing the pixel position learning association region according to the related regional study results of the dynamic update of the pixel classification threshold and the background model update rate. Based on the background subtraction method model of this disclosure background using the original AMBER method of background subtraction and LBSP operator into the pixel classification stage, and then through the study of related areas and using pixel classification threshold and background model learning results of the dynamic adjustment pixel pixel position specific location and its surrounding the update rate, which makes the application in video sequence taken at night when can obtain more accurate detection results.
【技术实现步骤摘要】
面向夜间环境下的背景减除算法
本公开内容涉及背景减除方法,更具体地涉及一种综合了现有的适应性多分辨率背景提取(AMBER)背景减除方法以及利用局部二值相似性模式(LBSP)算子的背景减除方法的优点的新型的面向夜间环境下的背景减除算法。
技术介绍
背景减除方法是一类将不感兴趣的区域剔除而只将感兴趣的前景目标保留的目标检测算法的总称。随着计算机视觉的发展,诸如目标跟踪和目标识别等高层次的应用逐渐成为某些应用场景中最为基本的需求。目标检测是这些高层次计算机视觉应用的基础,因此有必要探索检测结果更加精确、实时性更好、鲁棒性更强的背景减除方法,以满足高层次计算机视觉应用的需求。在现有技术中,例如论文“AMBER:AdaptingMulti-ResolutionBackgroundExtractor,IEEEInternationalConferenceonImageProcessing,ICIP2013,Melbourne,Australia”(作者:B.Wang和P.Dudek)提出了一种适应性多分辨率背景提取(AMBER)背景减除方法,该背景减除算法只将像素值作为构建模型的唯一依据,因此当该背景减除算法应用在前景像素值与背景像素值差别并不大的夜间环境下时,其检测结果自然不会很精确。而论文“SubSENSE:AUniversalChangeDetectionMethodWithLocalAdaptiveSensitivity,IEEETransactionsonImageProcessing,Vol.24,No.1,January2015(作者:Pierre-Lu ...
【技术保护点】
一种面向夜间环境下的背景减除算法,所述方法包括:接收用于适应性多分辨率背景提取(AMBER)的背景模型以及当前帧;利用局部二值相似性模式(LBSP)算子并根据像素分类阈值将所述当前帧的像素位置分类为背景点类和前景点类;将所述前景点类进一步分类为感兴趣的目标以及闪烁像素;以及针对被分类为闪烁像素的像素位置学习关联区域并根据关联区域的学习结果动态更新所述像素分类阈值和所述背景模型的更新率。
【技术特征摘要】
1.一种面向夜间环境下的背景减除算法,所述方法包括:接收用于适应性多分辨率背景提取(AMBER)的背景模型以及当前帧;利用局部二值相似性模式(LBSP)算子并根据像素分类阈值将所述当前帧的像素位置分类为背景点类和前景点类;将所述前景点类进一步分类为感兴趣的目标以及闪烁像素;以及针对被分类为闪烁像素的像素位置学习关联区域并根据关联区域的学习结果动态更新所述像素分类阈值和所述背景模型的更新率。2.根据权利要求1所述的背景减除方法,其中,利用局部二值相似性模式(LBSP)算子并根据像素分类阈值将所述当前帧的像素分类为背景点类和前景点类进一步包括:当所述当前帧的像素满足第一预定条件并且满足第二预定条件时,所述当前帧的所述像素被分类为背景点类。3.根据权利要求1或2所述的背景减除方法,其中,利用局部二值相似性模式(LBSP)算子并根据像素分类阈值将所述当前帧的像素分类为背景点类和前景点类进一步包括:当所述当前帧的像素不满足第一预定条件或不满足第二预定条件时,所述当前帧的所述像素被分类为前景点类。4.根据权利要求3所述的背景减除方法,其中,将所述前景点类进一步分类为感兴趣的目标以及闪烁像素进一步包括:当所述当前帧的所述像素被分类为前景点类并且所述当前帧的所述像素不是闪烁像素时,所述当前帧的所述像素被分类为感兴趣的目标;否则所述当前帧的所述像素被分类为闪烁像素。5.根据权利要求1所述的背景减除方法,其中,所述背景减除方法还包括:针对被分类为闪烁像素的像素位置学习关联区域并根据关联区域的学习结果动态更新所述像素分类阈值和背景模型的更新率,其中,针对被分类为感兴趣的目标的像素位置及所述被分类为感兴趣的目标的像素位置周围与其具有第一行为相似度的像素位置,以第一幅度降低像素分类阈值和背景模型的更新率;针对所述被分类为感兴趣的目标的像素位置周围...
【专利技术属性】
技术研发人员:王斌,曹峰银,吴芬,林俪,
申请(专利权)人:上海大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。