本申请涉及一种在线视频前景提取方法及装置，包括：针对在线视频的当前视频帧采用低秩矩阵分解的方法进行处理，确定当前视频帧的噪声；针对每个像素点，基于像素点的噪声和像素点的噪声对应的隐变量构建隐马尔可夫模型；基于输入参数求解隐马尔可夫模型，得到输出参数，输出参数包括当前视频帧的每个像素点的噪声对应的混合高斯分布的方差；根据当前视频帧的每个像素点的噪声对应的混合高斯分布的方差，确定当前视频帧的每个像素点是否为前景像素点。本申请的在线视频前景提取方法，在相依误差的假设下，将整个过程表达为一个概率模型，构建相应算法迭代求解，不仅能够满足实时处理的要求，而且还能够较好的提取前景。而且还能够较好的提取前景。而且还能够较好的提取前景。
【技术实现步骤摘要】
在线视频前景提取方法及装置
[0001]本申请涉及计算机视觉
，具体地，涉及一种在线视频前景提取方法及装置。
技术介绍
[0002]从视频中提取前景目标，受到复杂的背景场景所影响。比如天气、光照等条件变化的情形下，监控视频中背景发生了动态的变化，使得前景的提取和背景建模变得非常困难。
[0003]在现有的视频监控前景提取的在线方法中，背景减法作为视频处理中提取前景的基础方法，是进行目标检测与识别的前提和基础，背景减法一般都是在有移动物体的前提下才能提取到背景图像，这种要求可以使背景的更新适应场景不同情况的变化，例如：环境光线的改变、固定物体的运动、阴影的影响等，但这类方法的缺点是忽略了有用的视频结构知识，例如背景场景的时间相似性和前景目标的空间连续性，因此在实际应用中往往不能保证良好的性能；另外，混合高斯噪声模型的低秩矩阵分解方法能够较好模拟噪声分布，但存在相邻帧之间独立的不合理假设。
技术实现思路
[0004]为了克服现有技术中的至少一个不足，本申请实施例提供一种在线视频前景提取方法及装置。
[0005]第一方面，提供一种在线视频前景提取方法，包括：
[0006]针对在线视频的当前视频帧采用低秩矩阵分解的方法进行处理，确定当前视频帧的噪声；当前视频帧的噪声包括每个像素点的噪声；
[0007]针对每个像素点，基于像素点的噪声和像素点的噪声对应的隐变量构建隐马尔可夫模型；像素点的噪声服从混合高斯分布，隐马尔可夫模型的输入参数包括前一个视频帧的像素点的噪声对应的混合高斯分布的方差、混合高斯分布的混合系数、背景子空间的系数矩阵向量、背景子空间的基矩阵向量、转移概率和生成背景子空间的基矩阵向量的两个中间参数；
[0008]基于输入参数求解隐马尔可夫模型，得到输出参数，输出参数包括当前视频帧的每个像素点的噪声对应的混合高斯分布的方差；
[0009]根据当前视频帧的每个像素点的噪声对应的混合高斯分布的方差，确定当前视频帧的每个像素点是否为前景像素点；
[0010]获取所有前景像素点，构成当前视频帧的前景。
[0011]在一个实施例中，输出参数还包括：当前视频帧的每个像素点的噪声对应的混合高斯分布的混合系数、背景子空间的系数矩阵向量、背景子空间的基矩阵向量、转移概率和生成背景子空间的基矩阵向量的两个中间参数；
[0012]输出参数作为下一个视频帧的像素点对应的隐马尔可夫模型的输入参数。
[0013]在一个实施例中，基于输入参数求解隐马尔可夫模型，得到输出参数，包括：
[0014]采用E
‑
M方法求解隐马尔可夫模型，得到输出参数。
[0015]在一个实施例中，生成背景子空间的基矩阵向量的两个中间参数，采用以下公式计算：
[0016][0017][0018]其中，为当前视频帧t的第i个像素点的噪声对应的背景子空间的基矩阵向量的第一个中间参数，为前一个视频帧t
‑
1的第i个像素点的噪声对应的背景子空间的基矩阵向量的第一个中间参数，为当前视频帧t的第i个像素点的噪声对应的背景子空间的基矩阵向量的第二个中间参数，为前一个视频帧t
‑
1的第i个像素点的噪声对应的背景子空间的基矩阵向量的第二个中间参数，ρ为参数系数，为当前视频帧t的第i个像素点的噪声的高斯分布权重值，为当前视频帧t的第i个像素点的噪声对应的背景子空间的系数矩阵向量，为当前视频帧t的第i个像素点的噪声值。
[0019]在一个实施例中，根据当前视频帧的每个像素点的噪声对应的混合高斯分布的方差，确定当前视频帧的每个像素点是否为前景像素点，包括：
[0020]混合高斯分布为3阶混合高斯分布，包括3个状态的高斯分布，混合高斯分布的方差包括3个状态的高斯分布的方差；3个状态的高斯分布分别对应前景、相机噪声和阴影；
[0021]针对每个像素点，确定像素点的噪声对应的3个状态的高斯分布的方差的最大值；
[0022]若方差的最大值对应的高斯分布为前景对应的高斯分布，则像素点为前景像素点，否则，像素点不是前景像素点。
[0023]在一个实施例中，若当前帧为第一帧，则输入参数为初始参数，初始参数包括：混合高斯分布的初始方差、混合高斯分布的初始混合系数、背景子空间的初始系数矩阵向量、背景子空间的初始基矩阵向量、初始转移概率和生成背景子空间的基矩阵向量的两个初始中间参数。
[0024]在一个实施例中，获取多个视频帧，对多个视频帧采用主成分分析方法，确定初始参数。
[0025]第二方面，提供一种在线视频前景提取装置，包括：
[0026]噪声确定模块，用于针对在线视频的当前视频帧采用低秩矩阵分解的方法进行处理，确定当前视频帧的噪声；当前视频帧的噪声包括每个像素点的噪声；
[0027]模型构建模块，用于针对每个像素点，基于像素点的噪声和像素点的噪声对应的隐变量构建隐马尔可夫模型；隐马尔可夫模型的输入参数包括前一个视频帧的像素点的噪声对应的混合高斯分布的方差、混合高斯分布的混合系数、背景子空间的系数矩阵向量、背景子空间的基矩阵向量、转移概率和生成背景子空间的基矩阵向量的两个中间参数；
[0028]模型求解模块，用于基于输入参数求解隐马尔可夫模型，得到输出参数，输出参数包括当前视频帧的每个像素点的噪声对应的混合高斯分布的方差；
[0029]前景像素点确定模块，用于根据当前视频帧的每个像素点的噪声对应的混合高斯分布的方差，确定当前视频帧的每个像素点是否为前景像素点；
[0030]前景提取模块，用于获取所有前景像素点，构成当前视频帧的前景。
[0031]第三方面，提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时，以实现上述的在线视频前景提取方法。
[0032]第四方面，提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述的在线视频前景提取方法。
[0033]相对于现有技术而言，本申请具有以下有益效果：本申请在对实际视频数据进行描述性分析后，结合隐马尔可夫模型的特点，构造了基于隐马尔可夫模型的前景提取在线算法，不仅能够满足实时处理的要求，而且还能够较好的提取前景，为下一步实现目标检测做准备。
附图说明
[0034]本申请可以通过参考下文中结合附图所给出的描述而得到更好的理解，附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。在附图中：
[0035]图1示出了根据本申请实施例的在线视频前景提取方法的流程框图；
[0036]图2示出了根据本申请实施例的隐马尔可夫模型的示意图；
[0037]图3示出了根据本申请实施例的在线视频前景提取装置的结构框图；
[0038]图4示出了采用本申请实施例的在线视频前景提取方法得到的前景提取结果图
[0039]图5示出了本申请实施例的在线视频前景提取方法与现有方法的前景提取结果对比图。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种在线视频前景提取方法，其特征在于，包括：针对在线视频的当前视频帧采用低秩矩阵分解的方法进行处理，确定当前视频帧的噪声；所述当前视频帧的噪声包括每个像素点的噪声；针对每个像素点，基于所述像素点的噪声和所述像素点的噪声对应的隐变量构建隐马尔可夫模型；所述像素点的噪声服从混合高斯分布，所述隐马尔可夫模型的输入参数包括前一个视频帧的像素点的噪声对应的混合高斯分布的方差、混合高斯分布的混合系数、背景子空间的系数矩阵向量、背景子空间的基矩阵向量、转移概率和生成所述背景子空间的基矩阵向量的两个中间参数；基于所述输入参数求解所述隐马尔可夫模型，得到输出参数，所述输出参数包括当前视频帧的每个像素点的噪声对应的混合高斯分布的方差；根据所述当前视频帧的每个像素点的噪声对应的混合高斯分布的方差，确定所述当前视频帧的每个像素点是否为前景像素点；获取所有所述前景像素点，构成所述当前视频帧的前景。2.如权利要求1所述的在线视频前景提取方法，其特征在于，所述输出参数还包括：当前视频帧的每个像素点的噪声对应的混合高斯分布的混合系数、背景子空间的系数矩阵向量、背景子空间的基矩阵向量、转移概率和生成背景子空间的基矩阵向量的两个中间参数；所述输出参数作为下一个视频帧的像素点对应的隐马尔可夫模型的输入参数。3.如权利要求1所述的方法，其特征在于，所述基于所述输入参数求解所述隐马尔可夫模型，得到输出参数，包括：采用E
‑
M方法求解所述隐马尔可夫模型，得到所述输出参数。4.如权利要求2所述的方法，其特征在于，所述生成背景子空间的基矩阵向量的两个中间参数，采用以下公式计算：间参数，采用以下公式计算：其中，为当前视频帧t的第i个像素点的噪声对应的背景子空间的基矩阵向量的第一个中间参数，为前一个视频帧t
‑
1的第i个像素点的噪声对应的背景子空间的基矩阵向量的第一个中间参数，为当前视频帧t的第i个像素点的噪声对应的背景子空间的基矩阵向量的第二个中间参数，为前一个视频帧t
‑
1的第i个像素点的噪声对应的背景子空间的基矩阵向量的第二个中间参数，ρ为参数系数，为当前视频帧t的第i个像素点的噪声的高斯分布权重值，为当前视频帧t的第i个像素点的噪声对应的背景子空间的系数矩阵向量，为当前视频帧t的第i个像素点的噪声值。5.如权利要求1所述的方法，其特征在于，所述根据所述当前视频帧的每个像素点的噪声对应的...
【专利技术属性】
技术研发人员：夏志明，王子璇，梁奕宁，
申请(专利权)人：西北大学，
类型：发明
国别省市：
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。