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 ...
【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
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。