一种克服光照突变的前景分割方法技术

本发明专利技术公开了一种克服光照突变的前景分割方法，包括有以下步骤：采用混合高斯背景建模的模型对处理后的视频帧灰度图进行初始化；结合光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；然后通过联通域标记、特征提取以及行为判断的结果提取出前景目标。本发明专利技术方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。本发明专利技术作为一种克服光照突变的前景分割方法可广泛应用于图像处理领域。

A foreground segmentation method for overcoming light mutation

The present invention discloses a foreground segmentation method to overcome the illumination mutation, including the following steps: using a mixed Gauss background modeling model to initialize the processed video frame gray scale, and combine the light intensity abrupt variable to process the mixed Gauss background modeling of the video frame, and get the updated background model; and then pass through the background model. The foreground target is extracted from the results of Unicom domain labeling, feature extraction and behavior judgment. In this method, the traditional hybrid Gauss background modeling method is adopted, and the image is processed in the model, the background model is updated in real time, the target segmentation is sensitive to the illumination and the environment mutation, and the long time stationary target is updated in the traditional mixed Gauss model. As background and disappear, the accuracy of foreground segmentation is further improved. The invention can be used as a foreground segmentation method to overcome the sudden change of illumination, and can be widely applied to the field of image processing.

【技术实现步骤摘要】
一种克服光照突变的前景分割方法
本专利技术涉及图像处理领域，尤其是一种克服光照突变的前景分割方法。
技术介绍
图像和视频是人们通过视觉获得信息的重要载体。特别是随着网络和通信技术技术的迅速发展和普及，我们正在进入信息时代，以图像处理为基础的视频处理，在信息获取和分析中扮演着越来越重要的角色。但是图片和视频信息又是最难捕捉、处理和显示的。为了让计算机能够像人类一样通过视觉获得复杂多变的图像信息，将人类从视觉劳动中解放出来，计算机视觉应运而生。计算机视觉就是想让计算机复现人的视觉功能，使由传感器和成像设备获得的静态图像或视频序列能够被计算机理解和解释。在很多应用领域中，人们只对前景目标感兴趣，因此对视频帧或者图像中前景的分割就显得格外重要。前景分割这项研究，方法日新月异，目的是在不需要人为干扰的前提下，采用数字图像处理技术和计算机视觉技术，自动对场景中的行为和目标进行识别和判断，从视频序列的场景中分割出运动目标区域，有效和准确的把前景目标从图像与视频中分割出来是后续对视频进行分析、理解的基础，因此对图像分割的研究是计算机视觉研究中的重要环节，具有深远的意义。前景分割的方法有很多种，常用的算法有：(1)、帧间差分法，将固定间隔的视频帧进行比较，适合动态变化的环境，但是由于会产生大面积的空洞，提取目标的完整性较差；(2)、背景差分法，通过当前视频帧和背景帧进行差分运算实现对运动目标检测，该方法可以较好完整的提取目标，但是缺陷在于受光照和背景的变化影响较大；(3)、光流法，计算复杂，很难满足运动检测的实时性。目前，前景分割技术正广泛应用于视频监控、遥感技术、医学诊断和治疗、水下传感、交通监管系统等，越来越多受到其他领域的高度重视，对运动目标分割进行研究，无论在理论还是实际应用中都具有极其重要的研究意义。
技术实现思路
为了解决上述技术问题，本专利技术的目的是：提供一种克服光照突变以及传统混合高斯模型中对长时间静止目标被更新为背景并消失问题的前景分割方法。本专利技术所采用的技术方案是：一种克服光照突变的前景分割方法，包括有以下步骤：S1、将采集到的视频的视频帧转换为灰度图，再经过中值滤波对灰度图进行降噪处理；S2、采用混合高斯背景建模的模型对处理后的视频帧进行初始化；S3、用当前帧与前一帧图像做帧间差分处理，计算光强突变量，判断是否有光照突变现象，若有则执行步骤S4，若无则执行步骤S5；S4、根据光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；S5、用当前帧和背景模型进行差分运算，得到的差分图像进行联通域标记；S6、计算每个联通域的外接矩形参数和中心坐标参数；S7、判定连续若干帧，目标中心坐标移动的距离，若移动距离小于运动阈值则判定目标静止，并停止对该区域进行背景更新，若移动距离大于运动阈值则判定目标运动，继续对背景模型进行更新；S8、根据背景模型提取出前景目标。进一步，所述步骤S3具体为：计算当前帧与前一帧图像做帧间所有对应像素点位置的灰度值差值，并计算所有像素点位置的灰度值差值的平均值作为光强突变量，判断光强突变量是否大于设定阈值，若是则有光照突变现象，执行步骤S4；若无则执行步骤S5。进一步，所述光强突变量Aver为：视频帧的图像表示为fk(x,y)(0≤x≤M-1，0≤y≤N-1)，M为图像的宽度，N为图像的高度，fk(x,y)表示第k帧图像中像素点(x,y)的灰度值。进一步，所述步骤S4具体包括有以下子步骤：S401、对输入视频第一帧的每个像素点进行混合高斯建模：建立多个高斯分布函数，并初始化每个高斯分布函数中的均值、方差和权重；S402、对于视频帧的像素点位置，根据其历史数据判断新像素点是否与背景模型匹配；S403、当采集到新的视频时，对新的视频帧中的所有像素点与构造的混合高斯模型逐个按下式比较条件进行判断：其中Xt为像素点的灰度值，μi,t-1为上一时刻混合高斯模型中第i个高斯分布函数的均值，Aver为光强突变量，σi,t-1为上一时刻混合高斯模型中第i个高斯分布函数的标准差，TH为噪声阈值；若对应一个像素点有一个高斯分布函数满足所述比较条件，则该像素点与背景模型匹配，执行步骤S404对背景模型进行更新，否则执行步骤S405；S404、更新与新的视频帧中的像素点匹配的高斯分布函数的权重，然后进行归一化处理，进而更新高斯分布函数的均值μt和方差当|Aver|≥TH时：μt＝(1-β)μt-1+β(Xt-Aver)+Aver当|Aver|<TH时，按下式进行更新：μt＝(1-β)μt-1+βXt其中，β为学习因子；S405、对于不匹配的像素点，按如下步骤更新背景参数：若当前高斯分布函数的个数小于步骤S401建立的高斯分布函数个数时，增加一个新的高斯分布函数：均值为对应像素点的像素值，方差小于第一方差阈值，权重大于第一权重阈值；若当前高斯分布函数的个数等于步骤S401建立的高斯分布函数个数时，用新的高斯分布函数代替优先级最小的高斯分布，以Xt作为均值，方差大于第二方差阈值，权重小于第二权重阈值；所述高斯分布函数按照优先级值为权重与方差的比值；S406、取前B个高斯分布作为背景分布，得到背景模型，B如下式所示：其中，阈值T表示代表背景模型的高斯分布函数的权值的和在整体中所占的最小比例，b为实现所述最小比例的高斯分布函数的数量。进一步，所述步骤S5中对差分图像进行联通域标记的具体步骤为：S501、逐行扫描差分图像，把每一行中连续的白色像素组成一个序列称为一个团，并记下它的起点、终点以及它所在的行号；S502、除了第一行外的所有行里的团，如果它与前一行中的所有团都没有重合区域，则给它一个新的标号；如果它仅与上一行中一个团有重合区域，则将上一行的那个团的标号赋给它；如果它与上一行的两个以上的团有重合区域，则给当前团赋一个相连团的最小标号，并将上一行的几个有重合区域的团的标记写入等价对；S503、将等价对转换为等价序列，从1开始给每个等价序列一个标号；S504、遍历团的标号，根据等价序列给予团新的标号；S505、将每个团的标号填入差分图像中。进一步，所述步骤S6具体包括有以下子步骤：S601、计算联通域的面积和联通域的最上、最下、最左、最右的点坐标；S602、通过最左边坐标的横坐标确定矩形的左边线；通过最右边坐标的横坐标确定矩形的右边线；通过最上边坐标的纵坐标确定矩形的上边线；通过最下边坐标的纵坐标确定矩形的下边线；S603、根据左边线、右边线、上边线和下边线得到联通域的外接矩形，进而计算外接矩形的中心坐标。本专利技术的有益效果是：本专利技术方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。附图说明图1为本专利技术方法的步骤流程图。具体实施方式下面结合附图对本专利技术的具体实施方式作进一步说明：参照图1，一种克服光照突变的前景分割方法，包括有以下步骤：S1、将采集到的视频的视频帧转换为灰度图，再经过中值滤波对灰度图进行降噪处理；S2、采用混合高斯背景建模的模型对处理后的视频帧进行初始化；S3、用当前帧与前一帧图像本文档来自技高网...

【技术保护点】
1.一种克服光照突变的前景分割方法，其特征在于，包括有以下步骤：S1、将采集到的视频的视频帧转换为灰度图，再经过中值滤波对灰度图进行降噪处理；S2、采用混合高斯背景建模的模型对处理后的视频帧进行初始化；S3、用当前帧与前一帧图像做帧间差分处理，计算光强突变量，判断是否有光照突变现象，若有则执行步骤S4，若无则执行步骤S5；S4、根据光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；S5、用当前帧和背景模型进行差分运算，得到的差分图像进行联通域标记；S6、计算每个联通域的外接矩形参数和中心坐标参数；S7、判定连续若干帧，目标中心坐标移动的距离，若移动距离小于运动阈值则判定目标静止，并停止对该区域进行背景更新，若移动距离大于运动阈值则判定目标运动，继续对背景模型进行更新；S8、根据背景模型提取出前景目标。

【技术特征摘要】
1.一种克服光照突变的前景分割方法，其特征在于，包括有以下步骤：S1、将采集到的视频的视频帧转换为灰度图，再经过中值滤波对灰度图进行降噪处理；S2、采用混合高斯背景建模的模型对处理后的视频帧进行初始化；S3、用当前帧与前一帧图像做帧间差分处理，计算光强突变量，判断是否有光照突变现象，若有则执行步骤S4，若无则执行步骤S5；S4、根据光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；S5、用当前帧和背景模型进行差分运算，得到的差分图像进行联通域标记；S6、计算每个联通域的外接矩形参数和中心坐标参数；S7、判定连续若干帧，目标中心坐标移动的距离，若移动距离小于运动阈值则判定目标静止，并停止对该区域进行背景更新，若移动距离大于运动阈值则判定目标运动，继续对背景模型进行更新；S8、根据背景模型提取出前景目标。2.根据权利要求1所述的一种克服光照突变的前景分割方法，其特征在于：所述步骤S3具体为：计算当前帧与前一帧图像做帧间所有对应像素点位置的灰度值差值，并计算所有像素点位置的灰度值差值的平均值作为光强突变量，判断光强突变量是否大于设定阈值，若是则有光照突变现象，执行步骤S4；若无则执行步骤S5。3.根据权利要求2所述的一种客服光照突变的前景分割方法，其特征在于：所述光强突变量Aver为：视频帧的图像表示为fk(x,y)(0≤x≤M-1，0≤y≤N-1)，M为图像的宽度，N为图像的高度，fk(x,y)表示第k帧图像中像素点(x,y)的灰度值。4.根据权利要求1-3中任一权利要求所述的一种客服光照突变的前景分割方法，其特征在于：所述步骤S4具体包括有以下子步骤：S401、对输入视频第一帧的每个像素点进行混合高斯建模：建立多个高斯分布函数，并初始化每个高斯分布函数中的均值、方差和权重；S402、对于视频帧的像素点位置，根据其历史数据判断新像素点是否与背景模型匹配；S403、当采集到新的视频时，对新的视频帧中的所有像素点与构造的混合高斯模型逐个按下式比较条件进行判断：其中Xt为像素点的灰度值，μi,t-1为上一时刻混合高斯模型中第i个高斯分布函数的均值，Aver为光强突变量，σi,t-1为上一时刻混合高斯模型中第i个高斯分布函数的标准差，TH为噪声阈值；若对应一个像素点有一个高斯分布函数满足所述比较条件，则该像素点与背景模型匹配，执行步骤S404对背景模型进行更新，否则执行步骤S405；S404...

【专利技术属性】
技术研发人员：郝禄国，龙鑫，曾文彬，李伟儒，杨琳，葛海玉，
申请(专利权)人：广州海昇计算机科技有限公司，
类型：发明
国别省市：广东,44