一种基于置信度加权融合和视觉注意的前景提取算法制造技术

本发明专利技术公开了一种基于置信度加权融合和视觉注意的前景提取算法。首先为背景模型中样本颜色值和纹理值赋予置信度。在分类时分别统计当前像素与样本值之间的颜色级距离和纹理距离小于等于当前帧距离阈值的样本置信度之和；然后对这两个置信度之和赋予不同权值相加，当其大于等于判定值时，当前像素点为背景，否则为前景。然后自适应更新置信度和权值；其次，对视频序列平均划分M个子序列，将子序列中上一帧检测的前景作为静止前景检测的感兴趣区域R，计算R区域颜色显著性和纹理相似度。R区域会被循环检测是否为静止前景，直至子序列最后一帧或被检测为背景为止。本发明专利技术公开的算法能有效克服颜色伪装问题，对静止前景检测具有较好的鲁棒性。

【技术实现步骤摘要】
一种基于置信度加权融合和视觉注意的前景提取算法
本专利技术属于计算机视觉
，具体涉及前景检测，可应用于学校、广场等公共场合下的智能安防视频监控中。
技术介绍
基于背景建模算法的前景检测的一般步骤在于将当前帧数据信息与背景模型对比提取出前景目标，然后更新背景模型。背景建模的难点在于如何克服颜色伪装和运动目标突然静止等问题提取完整的前景目标。目前提出的算法包括基于像素点和区域级的方法，也有基于颜色信息和纹理特征的背景建模方法，这些方法都有其特定的优势，保证了实时性，但是大多数不能克服颜色伪装和目标突然静止等问题。在基于区域级建模中，刘翠微等提出利用在线子空间的学习方法用于模型更新，2015年，Beaugendre等人提出了一种自适应区域传播的背景建模方法。2017年Maity等人将块的统计特征提取技术用于检测前景。这些方法都具有区域级建模的缺点，即无法获得精确的前景和轮廓，故而效果不佳。OlivierBarnich等人于2009年提出基于像素点的背景减除法(ViBe)后，基于像素点的背景建模方法得到重大发展，能够有效处理区域级本文档来自技高网...

【技术保护点】
1.一种基于置信度加权融合和视觉注意的前景提取算法，其特征在于，包括以下步骤：/n(1)在前N帧初始化背景模型；/n(2)采用颜色和纹理置信度自适应加权融合的方式检测运动前景目标；/n(3)更新样本颜色维度和纹理维度的置信度和权值；/n(4)构建视觉注意机制检测短时静止前景，并修正和融合前景检测结果；/n(5)依据前景检测结果指导更新背景模型。/n

【技术特征摘要】
1.一种基于置信度加权融合和视觉注意的前景提取算法，其特征在于，包括以下步骤：
(1)在前N帧初始化背景模型；
(2)采用颜色和纹理置信度自适应加权融合的方式检测运动前景目标；
(3)更新样本颜色维度和纹理维度的置信度和权值；
(4)构建视觉注意机制检测短时静止前景，并修正和融合前景检测结果；
(5)依据前景检测结果指导更新背景模型。


2.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(1)中，通过获取前N帧像素信息建立背景模型B(x)，模型由N个样本构成，结构如下：
B(x)＝{B1(x),B2(x),...,Bi(x),...,BN(x)}
其中，样本Bi(x)由颜色值vi、LBSP纹理特征值LBSPi(x)、颜色维度置信度和纹理维度置信度组成，即：

。


3.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(2)中，颜色和纹理置信度自适应加权融合的检测方式，具体包括以下步骤：
(2-1)将当前像素It(x)与模型中样本的距离小于给定的距离阈值R(x)的样本记为强相关性样本，获取其个数并记为n，并标记强相关性样本对应的颜色置信度和纹理置信度分别记为和即：



其中，m取值1或2，对应颜色维度和纹理维度。在颜色维度判断时使用欧氏距离，在纹理维度判断使用汉明距离。
(2-2)对强相关性样本的颜色置信度和纹理置信度分别求和，然后对二者加权求和，如果小于最小阈值#min则判定为前景，否则为背景,即：

。


4.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(3)中样本置信度和置信度权值的更新策略包括：
(3-1)对于检测为背景的像素，通过当前像素信息替换模型中置信度最小的样本模板，为了新样本不被迅速更新，在模型中引入新样本适应背景变化，对此样本置信度值加1。为了保证模型的稳定性，对像素的所有样本模板置信度均减
(3-2)当ti(x)＝0时，当前帧像素与模型中样本的距离大于给定距离阈值，此时样本是有效的，然后增大有效样本的置信度，减小无效样本的置信度，颜色维度和纹理维度置信度更新方式具体为：



其中，其中m取值1和...

【专利技术属性】
技术研发人员：成科扬，孙爽，荣兰，
申请(专利权)人：成科扬，孙爽，
类型：发明
国别省市：江苏;32