本发明专利技术针对现有的背景差分法存在实用性差，速度慢、准确性差的问题，发明专利技术了一种经过改良的、使用多个高斯分布来构造视频序列中的背景、进而分割出前景的基于多个高斯分布的运动目标分割方法，并公开了初始化、数据采集以及像素值计算等方法。本发明专利技术具有速度快、准确性高的优点，是一种实用价值很高的运动目标分割方法。
【技术实现步骤摘要】
本专利技术涉及一种在视频序列中分割出运动目标的方法，尤其是一种利用 背景差分法中常用的高斯分布方法对运动目标进行分割的方法，具体地说是 一种。技术背景传统的视频监控已经不能满足需求，监控设备不光要能编码传输视频， 还要能够分析识别视频里的内容。而要做到这一点，最基础的要求就是在视 频序列里分割出运动目标，也就是区分出运动前景和背景。运动目标分割方法有很多，大致可以分为三大类光流法，帧间差分 法，背景差分法。其中，光流法运算量大且约束较多，而帧间差分法虽然计 算简单，但是容易形成空洞、不完整的目标以及虚假的目标，所以背景差分 法相对较为实用，并取得较好效果。其技术要点在于构造背景，然后用当前 画面减去背景画面以取得差分图像，最后利用差分结果分割出运动目标。所 以这类方法最重要的地方在于如何构造背景和如何更新背景。背景差分法里面有一类利用多个高斯分布来构造和更新每个象素点的 背景，这样当背景发生改变的时候，在产生新背景的同时老背景也不会丢弃， 而当背景回复至老背景的时候，算法可以快速识别出老背景，而无需重新适 应。其收敛速度和分割效果优于一般的背景差分算法。经过文献检索，发现 如下论文和专利使用该技术，且无本质差别，W. E丄 Grimson， C. Stauffer， R. Romano, L. Lee， "Using Adaptive Tracking to Classify and Monitor Activities in a Site, " cr/ r, p. 22，1998 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR，98)， 1998Stauffer C, Grimson W. E. L. Adaptive background mixture modelsfor real-time tracking, in Proceedings. 1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (Cat. No PR00149) IEEE Comput. Soc. Part Vol. 2， 1999.专利03151406. 5专利200710069927. 0该技术的第一个问题在于，每个象素一开始的分布以及新出现的分布 是不确定的，都被赋予较大的方差，这样收敛速度较慢，且容易错判。第二 个问题是没有利用前后帧的关联信息，分布的生成完全利用该点象素每一帧 的值迭代而成，这样产生的分布在时间上没有关联，很可能不是真实的分布， 等到该象素恢复了先前某个分布的背景的时候，反倒因为该真实分布已被替 换，而被误认为是前景。第三个问题是对所有的色彩分量做同样的处理，使 得无法有效提取阴影信息，导致无法从前景中去除阴影。第四个问题是有大 量的除法、排序和判断，算法逻辑复杂且计算量大，在现阶段导致只能抽点 计算，这样计算结果自然就不够精确。总而言之，该技术在理论上可行，实用性不高，需要进行大规模改进才 可以达到实用的目的。
技术实现思路
本专利技术的目的是针对现有的背景差分法存在实用性差，速度慢、准确 性差的问题，专利技术一种经过改良的、使用多个高斯分布来构造视频序列中的 背景、进而分割出前景的。本专利技术的技术方案是一种，其特征是(1) 、初始化所有背景象素点的分布，赋予一个实际中不可能存在的分 布，并把权重设为0;(2) 、积累采集到的图像，直到2n+l帧或2n+l帧以上，此时欲处理的 图像为第n+l帧或第n+l帧以上；该欲处理的帧称为当前帧；(3) 、以以下方法依次处理当前帧的每一象素，每一个正被处理的象素 称为当前象素a) 依次得到当前象素的色彩空间三分量的任一分量的，时间上连续的前 n象素的该分量值和时间上连续的后n象素的该分量值，分别计算它们的分 布；b) 判断当前象素的该分量值更符合前n象素形成的分布还是后n象素形 成的分布；c) 如果有符合的，用该分布来代表当前象素的该分量值，转入d)，如果 没有，则转入f);d) 用符合的分布与当前象素该分量的所有背景分布一一比对，得到相互 "相似"的程度mp，更新背景分布，并得到相应比例的"相似"权重mpw，再将mp加入原来分布的权重中；如果所有背景分布都与被比较的分布不"接 近"，则把背景分布中权重最小的那个分布替换为被比较的分布，并将这个新 的背景分布的权重设为较小值，如l;e) 将得到的即w累加，将所有背景权重累加，判断前者与后者的比例关 系，根据比例关系所属区间赋值。转入h);f) 将当前象素的该份量值与当前象素该分量的所有背景分布一一比对， 如果当前象素的该份量值被当前象素该分量的某一背景分布"接受"，则取出 这个背景分布的权重；g) 将取出的权重累加，将所有背景权重累加，判断前者与后者的比例关 系，根据比例关系所属区间赋值；h) 将上面计算出的对应于当前象素的三分量的3个值累加，如果超过某 阈值，则判断这个点为前景点，否则为背景；(4) 、使整个系统逐渐"遗忘"过去的背景，以便系统适应背景的改变；(5) 、此时得到一幅只包含前景和背景的2值图象，可以使用腐蚀和膨 胀算法加以完善，再使用连通算法得到每一个运动前景。本专利技术的有益效果1、 本专利技术利用前后帧的象素值直接计算出分布，并根据后续的分布加 以调整。而一般的多高斯分布方法是假设一个很粗略的初始分布，再逐渐接 近真实分布。因此本专利技术更加准确快速。2、 本专利技术区分出时间上孤立的点以及和时间上前后分布相关联的点， 这样本专利技术就可以只记录真实存在的有前后关联的分布，并且只用真实存在 的分布来更新背景分布，而一般的多高斯分布方法会把无时间关联的色彩分 量当作同一个分布，这种虚假的分布反倒替换了真实的背景分布。因此本发 明更加快速准确。3、 本专利技术既可以采用rgb等亮度和色差混合的色彩空间，也可以采用 yuv等亮度和色差分离的色彩空间。并且在采用后者的时候，可以对亮度和 色差信号采用不同的计算方法，从而有效提取阴影信息而加以排除。而一般 的多高斯分布方法无此能力，使得阴影图像也出现在前景中，以致干扰对物 体的定位和识别。因此本专利技术更加快速准确。4、 本专利技术逻辑相对简单，并且避免了很多耗时的除法、排序和判断， 现有一般硬件己经有足够的计算能力进行逐点实时计算，使得本专利技术可以分 割出微小的运动物体。因此本专利技术更加快速准确。具体实施方式下面结合实施例对本专利技术作进一步的说明。一种，包括以下步骤(1) 、初始化所有背景象素点的分布，赋予一个实际中不可能存在的分 布，并把权重设为0;(2) 、积累采集到的图像，直到2n+l帧或2n+l帧以上，此时欲处理的 图像为第n+l帧或第n+l帧以上；该欲处理的帧称为当前帧；(3) 、以以下方法依次处理当前帧的每一象素，每一个正被处理的象素称为当前象素a) 依次得到当前象素的色彩空间三分量的任一分量的，时间上连续的前 n象素的该分量值和时间上连续的后n象素的该分量值，分别计算它们的分 布；b) 判断当前象素的该分量值更符合前n象素形成的分布还是后n象素形 成的本文档来自技高网...
【技术保护点】
一种基于多个高斯分布的运动目标分割方法，其特征是： （１）、初始化所有背景象素点的分布，赋予一个实际中不可能存在的分布，并把权重设为０； （２）、积累采集到的图像，直到２ｎ＋１帧或２ｎ＋１帧以上，此时欲处理的图像为第ｎ＋１帧或第ｎ＋１帧以上；该欲处理的帧称为当前帧； （３）、以以下方法依次处理当前帧的每一象素，每一个正被处理的象素称为当前象素： ａ）依次得到当前象素的色彩空间三分量的任一分量的，时间上连续的前ｎ象素的该分量值和时间上连续的后ｎ象素的该分量值，分别计算它们的分布； ｂ）判断当前象素的该分量值更符合前ｎ象素形成的分布还是后ｎ象素形成的分布； ｃ）如果有符合的，用该分布来代表当前象素的该分量值，转入ｄ），如果没有，则转入ｆ）； ｄ）用符合的分布与当前象素该分量的所有背景分布一一比对，得到相互“相似”的程度ｍｐ，更新背景分布，并得到相应比例的“相似”权重ｍｐｗ，再将ｍｐ加入原来分布的权重中；如果所有背景分布都与被比较的分布不“接近”，则把背景分布中权重最小的那个分布替换为被比较的分布，并将这个新的背景分布的权重设为较小值，如１； ｅ）将得到的ｍｐｗ累加，将所有背景权重累加，判断前者与后者的比例关系，根据比例关系所属区间赋值。转入ｈ）； ｆ）将当前象素的该份量值与当前象素该分量的所有背景分布一一比对，如果当前象素的该份量值被当前象素该分量的某一背景分布“接受”，则取出这个背景分布的权重； ｇ）将取出的权重累加，将所有背景权重累加，判断前者与后者的比例关系，根据比例关系所属区间赋值； ｈ）将上面计算出的对应于当前象素的三分量的３个值累加，如果超过某阈值，则判断这个点为前景点，否则为背景； （４）、使整个系统逐渐“遗忘”过去的背景，以便系统适应背景的改变； （５）、此时得到一幅只包含前景和背景的２值图象，可以使用腐蚀和膨胀算法加以完善，再使用连通算法得到每一个运动前景。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王高浩，
申请(专利权)人：南京中兴特种软件有限责任公司，
类型：发明
国别省市：84[中国|南京]
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。