一种监控视频的前景目标提取方法及系统、存储介质及终端技术方案

本发明专利技术提供一种监控视频的前景目标提取方法及系统、存储介质及终端，包括以下步骤：基于监控视频流中起始的预设数量的图像帧构建混合高斯模型；基于所述监控视频流的所有图像帧预设次数优化所述混合高斯模型；根据所述优化后的混合高斯模型提取监控视频流中的前景目标。本发明专利技术的监控视频的前景目标提取方法及系统、存储介质及终端在保持算法较低的复杂度的同时，提高了视频监控任务中的前景目标提取效果。

A Foreground Object Extraction Method for Monitoring Video and Its System, Storage Media and Terminal

【技术实现步骤摘要】
一种监控视频的前景目标提取方法及系统、存储介质及终端
本专利技术涉及图像处理的
，特别是涉及一种监控视频的前景目标提取方法及系统、存储介质及终端。
技术介绍
视觉是人类获取外界信息最重要的方式，也是最便捷直观的方式。而通过采集视觉信息的视频监控对于安防领域具有重要的意义。随着“平安城市”理念的日益深入人心，各个城市普遍安装监控摄像头，广泛地采集视觉信息，保障人民生产生活的安全。近年来，全国各大城市安装的监控摄像头数量急剧增长，各大企业、重要公共场所等地方甚至实现了监控视频的全方位覆盖，如北京、上海、杭州监控摄像头分布密度分别约为71、158、130个/平方公里，摄像头数量分别达到115万、100万、40万，从而为人们提供了丰富、海量的监控视频信息，有效地保障了人民生产和生活安全。一直以来，监控视频信息的自动化处理与信息提取在计算机视觉、人工智能、模式识别等领域受到了广泛地关注。高效、快速地从监控视频中提取前景目标信息是基于监控视频信息处理任务的基础。前景目标提取技术对于后续任务具有十分重要的辅佐作用。前景目标提取能够事先提取视频中的运动信息，排除背景的干扰，对比度明显，人眼识别难度降低，大大提高了安全部门人员的工作效率。因此，这一技术已被广泛应用于视频目标追踪、城市交通检测、长时场景监测、视频动作捕捉、视频压缩等应用中。监控视频的前景目标提取的难点在于监控视频的背景往往复杂、多变和动态。目前景目标的提取方法主要包括帧间差分模型、背景减除模型和神经网络模型。然而，帧间差分模型提取方法提取的前景目标存在空洞，对目标不同运动速度的适应性差；神经网络模型把前景提取问题看作机器学习领域中的回归问题，训练出一个神经元网络模型，对未知像素进行分类，从而进行前景的判断，但是计算量大，样本需求高、提取时间长。背景减除模型的难点在于对视频的背景进行建模，然后将背景从视频帧图像中减去，这样便将前景目标提取出来。背景模型建立的效果直接影响前景目标提取的效果。现有技术中常用的背景建模方法有平均背景法、高斯模型法等。这些背景建模方法的优势在于原理简单、算法计算复杂度低；缺点在于不能对图像背景的变化具有良好的适应性。当视频背景发生变化时，前景目标提取的效果会显著降低。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种监控视频的前景目标提取方法及系统、存储介质及终端，在保持算法较低的复杂度的同时，提高了视频监控任务中的前景目标提取效果。为实现上述目的及其他相关目的，本专利技术提供一种监控视频的前景目标提取方法，包括以下步骤：基于监控视频流中起始的预设数量的图像帧构建混合高斯模型；基于所述监控视频流的所有图像帧预设次数优化所述混合高斯模型；根据所述优化后的混合高斯模型提取监控视频流中的前景目标。于本专利技术一实施例中，基于所述监控视频流的所有图像帧优化所述混合高斯模型时，对于所述监控视频流的每一图像帧依次执行以下步骤：对于所述图像帧中的某一像素，判断所述混合高斯模型中是否存在与所述像素匹配的单高斯模型；若是，判定所述像素为背景；若否，则判定所述像素为前景；当所述像素为背景时，修正与所述像素匹配的所述单高斯模型的权重、均值和方差，并对所述混合高斯模型中各个单高斯模型的模型权重进行归一化；当所述像素为前景时，调整所述混合高斯模型中单高斯模型的数量。于本专利技术一实施例中，还包括每隔某一数量的图像帧，删除所述混合高斯模型中的权重低于预设阈值的单高斯模型。于本专利技术一实施例中，当|I(x,y,t)-ui(x,y,t)|≤λ·σi(x,y,t)时，判定所述混合高斯模型中存在与所述像素匹配的单高斯模型，其中i＝1,2,...K，K为单高斯模型的个数，x,y为所述像素的坐标，t表示当前时刻，I(x,y,t)为所述混合高斯模型，ui(x,y,t)第i个单高斯模型的均值，σi(x,y,t)为第i个单高斯模型的标准差，λ为预设常数。于本专利技术一实施例中，对于第i个单高斯模型，修正后的权重、均值和方差分别为：wi(x,y,t)＝wi(x,y,t-1)+α·(1-wi(x,y,t-1))；ui(x,y,t)＝(1-α)·ui(x,y,t-1)+α·p(x,y,t)；σi2(x,y,t)＝(1-α)·σi2(x,y,t-1)+α·[p(x,y,t)-ui(x,y,t)]2；其中，x,y为所述像素的坐标，t表示当前时刻，t-1表示上一时刻，α表示更新率，p(x,y,t)表示动态背景模型，wi表示第i个单高斯模型的权重，ui表示第i个单高斯模型的均值，σi2表示第i个单高斯模型的方差。于本专利技术一实施例中，调整所述混合高斯模型中单高斯模型的数量时，若所述混合高斯模型中的单高斯模型的数目已经达到最大允许数目，则删除重要性最小的单高斯模型，其中单高斯模型的重要性为单高斯模型的权重与标准差之比；同时增加一个单高斯模型，增加的单高斯模型的权重和方差均为预设经验值，均值为下一时刻的像素值。对应地，本专利技术提供一种监控视频的前景目标提取系统，包括构建模块、优化模块和提取模块；所述构建模块用于基于监控视频流中起始的预设数量的图像帧构建混合高斯模型；所述优化模块用于基于所述监控视频流的所有图像帧预设次数优化所述混合高斯模型；所述提取模块用于根据所述优化后的混合高斯模型提取监控视频流中的前景目标。本专利技术提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的监控视频的前景目标提取方法。本专利技术提供一种终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行上述的监控视频的前景目标提取方法。最后，本专利技术提供一种监控视频的前景目标提取系统，包括上述的终端和监控端；所述监控端用于生成监控视频流，并发送至所述终端。如上所述，本专利技术的监控视频的前景目标提取方法及系统、存储介质及终端，具有以下有益效果：(1)在保持算法较低的复杂度的同时，提高了视频监控任务中的前景目标提取效果；(2)有效地降低了背景噪声，对于运动背景具有很好的适应性。附图说明图1显示为本专利技术的监控视频的前景目标提取方法于一实施例中的流程图；图2显示为本专利技术的监控视频的前景目标提取系统于一实施例中的结构示意图；图3显示为本专利技术的终端于一实施例中的结构示意图；图4显示为本专利技术的监控视频的前景目标提取系统于另一实施例中的结构示意图。元件标号说明21构建模块22优化模块23提取模块31处理器32存储器41终端42监控端具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1所示，于一实施例中，本专利技术的监控视频的前景目标提取方法包本文档来自技高网...

【技术保护点】
1.一种监控视频的前景目标提取方法，其特征在于，包括以下步骤：基于监控视频流中起始的预设数量的图像帧构建混合高斯模型；基于所述监控视频流的所有图像帧预设次数优化所述混合高斯模型；根据所述优化后的混合高斯模型提取监控视频流中的前景目标。

【技术特征摘要】
1.一种监控视频的前景目标提取方法，其特征在于，包括以下步骤：基于监控视频流中起始的预设数量的图像帧构建混合高斯模型；基于所述监控视频流的所有图像帧预设次数优化所述混合高斯模型；根据所述优化后的混合高斯模型提取监控视频流中的前景目标。2.根据权利要求1所述的监控视频的前景目标提取方法，其特征在于，基于所述监控视频流的所有图像帧优化所述混合高斯模型时，对于所述监控视频流的每一图像帧依次执行以下步骤：对于所述图像帧中的某一像素，判断所述混合高斯模型中是否存在与所述像素匹配的单高斯模型；若是，判定所述像素为背景；若否，则判定所述像素为前景；当所述像素为背景时，修正与所述像素匹配的所述单高斯模型的权重、均值和方差，并对所述混合高斯模型中各个单高斯模型的模型权重进行归一化；当所述像素为前景时，调整所述混合高斯模型中单高斯模型的数量。3.根据权利要求2所述的监控视频的前景目标提取方法，其特征在于，还包括每隔某一数量的图像帧，删除所述混合高斯模型中的权重低于预设阈值的单高斯模型。4.根据权利要求2所述的监控视频的前景目标提取方法，其特征在于，当|I(x,y,t)-ui(x,y,t)|≤λ·σi(x,y,t)时，判定所述混合高斯模型中存在与所述像素匹配的单高斯模型，其中i＝1,2,...K，K为单高斯模型的个数，x,y为所述像素的坐标，t表示当前时刻，I(x,y,t)为所述混合高斯模型，ui(x,y,t)第i个单高斯模型的均值，σi(x,y,t)为第i个单高斯模型的标准差，λ为预设常数。5.根据权利要求2所述的监控视频的前景目标提取方法，其特征在于，对于第i个单高斯模型，修正后的权重、均值和方差分别为：wi(x,y,t)＝wi(x,y,t-1)+α·(1-wi(x,y,t-1))；ui(...

【专利技术属性】
技术研发人员：汪辉，汤冬雪，田犁，祝永新，封松林，
申请(专利权)人：中国科学院上海高等研究院，中国科学院大学，
类型：发明
国别省市：上海,31