本发明专利技术公开了一种背景减除实现方法和装置，包括：对于当前输入图像，联合局部空间信息和颜色信息计算每个像素当前观测模式；对每个像素的当前观测模式与背景模型中所有模式进行比较，找到与当前观测模式距离最近的背景模型模式；对于找到的距离最近的背景模型模式，判断如果所述当前观测模式距离小于预定的阈值，则判定为背景，否则判定为前景；根据前景背景的判决情况对背景模型进行更新。本发明专利技术针对现有技术存在的问题，联合像素信息和空间结构信息描述每个像素的观测模式，并进一步采用混合高斯模型的框架，构建一种联合像素信息和空间结构信息的混合高斯背景模型。从而大幅提升了前景提取性能，使前景提取的准确性和精确性得到有效提高。
【技术实现步骤摘要】
本专利技术涉及视频处理
，特别涉及一种背景减除实现方法和装置。
技术介绍
背景减除又常常被称为前景提取，运动检测等，它是低级计算视觉和视频处理的关键技术之一，广泛的应用于视频监控、智能交通、工业视觉等领域。背景减除应用在静止摄像头的条件下，其含义是，静止摄像头视野内固定不动的场景是背景，而与之有相对运动的对象就是运动前景，将背景信息从视频图像中减去，以提取运动前景信息。实际的背景环境的变化是非常复杂的，依据背景变化的原因，可以分成三类1)光线的变化光线的变化包括三个子类一是光线的渐变，如昼夜阳光的渐变；二是光线的突变，如开关灯；三是阴影的影响，阴影常常会导致局部区域亮度变暗，但是色彩信息保持不变。2)动态背景扰动包括全局扰动，指整体背景发生的变化，如相机轻微晃动，相机成像的噪声等；局部扰动，指局部背景发生的变化，如被风吹动的树叶等。3)前景和背景角色变化场景中的运动目标可能会停止下来，然后长时间保持静止，从而成为背景的一部分，如轿车在停车场上停止；这个过程也可能反过来，如停留的车本来是背景的一部分，车辆启动，则成为前景。一个理想的背景模型需要有效地描述背景在各种条件下的空间和时间上的变化， 但这是非常困难的。关于背景减除方法的研究从上个世纪80年代就开始了，提出了很多种方法，这些方法可以分成四大类简单的帧差、光流的方法；基于区块特征方法；基于边缘特征的方法；基于背景模型的方法。虽然提出了很多种背景减除的算法，但是每种方法都只能处理少数几种情况，还有很多情况处理不了。从应用的广泛性角度看，以混合高斯模型为代表的算法是目前应用最广泛的算法，它得到广泛应用的原因是混合高斯模型提出表示背景的多模态思想，能够较好地处理动态背景问题。在后续提出来的多数影响较大的算法都借鉴了混合高斯模型的多模态思想，如非参数模型法、码本法等。从背景的描述角度看，绝大多数算法要么仅利用颜色、亮度等像素信息，要么仅采用边缘、纹理等空间结构特征。仅采用颜色、亮度特征的方法对阴影、噪声比较敏感，并且在前背景颜色相似的情况下性能会下降。仅采用空间结构信息的方法一般能够较好地处理阴影，但是前景提取结果比较粗糙，并且在结构信息缺乏的区域(如颜色一致的区域)性能下降。由于两种特征是从完全不同的角度描述背景，可以考虑将它们联合起来描述背景模型。虽然已经有一些文献在这方面作了尝试，但是效果不是很好。例如有文献尝试采用颜色和梯度信息描述背景模型，并采用颜色共生矩阵表示相邻帧的颜色变化，但是由于是单模态的，所以处理动态背景的性能不好。还有文献联合基于像素的混合高斯的方法和基于 MRF (Markov Random Field)的整幅图像分割方法去建立背景模型和提取前景，该算法的问题是复杂度很高，每秒钟处理速度1帧左右。
技术实现思路
有鉴于此，本专利技术所要解决的问题是提供一种新的背景减除实现方法和装置，优化动态前景提取性能，提高前景提取的准确性和精确性。为了达到上述目的，本专利技术提供了一种背景减除实现方法，包括对于当前输入图像，联合局部空间信息和颜色信息计算每个像素当前观测模式；对每个像素的当前观测模式与背景模型中所有模式进行比较，找到与当前观测模式距离最近的背景模型模式；对于找到的距离最近的背景模型模式，判断如果所述当前观测模式距离小于预定的阈值，则判定为背景，否则判定为前景；所述阈值为所述最近背景模式分量的2. 5倍标准差范围。该方法还包括如果判定为背景，对当前背景所属的模式进行更新，增加当前背景模型分量的权重，其它的背景模式参数保持不变，但是降低权重；如果判定为前景，利用当前模式替换权重最小的背景模式，并给该模式赋一个较小的初始权重和初始方差，其它模式的参数保持不变，但是降低它们对应的权重。该方法还包括在初始阶段，在为视频的第一帧像素计算出观测模式后，将该观测模式作为当前像素背景模型的第一个模式。在另一方面，本专利技术还提供了一种背景减除实现装置，包括观测模式计算模块，用于对于当前输入图像，联合局部空间信息和颜色信息计算每个像素当前观测模式；模式匹配模块，用于接收观测模式计算模块的输出结果，对每个像素的当前观测模式与背景模型中所有模式进行比较，找到与当前观测模式距离最近的背景模型模式；背景判断模块，用于接收模式匹配模块的输出结果，对于找到的距离最近的背景模型模式，判断如果所述当前观测模式距离小于预定的阈值，则判定为背景，否则判定为前旦足；背景模型生成模块，用于根据背景判断模块输出的前景背景的判决情况对背景模型进行更新并保存。从上面所述的方案可以看出，本专利技术提出的背景减除实现方法和装置针对现有技术存在的问题，联合像素信息和空间结构信息描述每个像素的观测模式，并进一步采用混合高斯模型的框架，构建一种联合像素信息和空间结构信息的混合高斯背景模型。从而大幅提升了前景提取性能，使前景提取的准确性和精确性得到有效提高。附图说明图1为本专利技术背景减除实现方法一个实施例的流程示意图；图2为LBP描述算子示意图；图3为DLBP和LBP模式描述的对比示意图；其中图3 (a)是一个无噪声干扰的颜色一致区域；图3(b)是图3(a)被噪声干扰后的图像；图3 (C)是一个颜色一致的区域；图3 (d)是一个发生剧烈变化的区域；图4为本专利技术背景减除实现装置一个实施例的结构示意图；图5为本专利技术实施例的处理效果与其他多种现有技术的处理效果的对比示意图。具体实施例方式本专利技术针对现有技术存在的问题，联合颜色信息和空间结构信息描述每个像素的观测模式；并进一步采用混合高斯模型的框架，提出基于一种联合颜色信息和空间结构信息的混合高斯背景模型。像素信息采用位于每个位置处局部区域内的颜色表示，而局部空间信息采用像素灰度特征表示。本专利技术背景减除实现方法主要包括如下步骤对于当前输入图像，联合局部空间信息和颜色信息计算每个像素当前观测模式；对每个像素的当前观测模式与背景模型中所有模式进行比较，找到与当前观测模式距离最近的背景模型模式；对于找到的距离最近的背景模型模式，判断如果所述当前观测模式距离小于预定的阈值，则判定为背景，否则判定为前景；根据前景背景的判决情况对背景模型进行更新。作为一个较佳的实施例，对于每个像素的状态联合局部空间信息和颜色信息表示，局部空间信息为灰度特征，例如LBP或者双局部二值模式(DLBP，double local binary pattern)局部区域特征直方图，颜色信息为局部颜色特征；每个像素的背景模型采用混合高斯模型描述，即在本实施例中为每个像素设置多种背景模式，每种模式依据出现的频率对应一定的权重；对该像素在当前图像所展现的模式，与背景模型中所有模式进行比较，对于距离最近的模式，认为是该像素的当前备选背景模式；如果距离小于等于事先确定好的阈值，则认为当前像素与背景模型匹配，被确认为是当前的背景模式，同时增大当前背景模式的权重，降低其它模式的权重，并归一化所有模式的权重之和；如果距离大于事先确定好的阈值，则认为当前像素与背景模型不匹配则用像素的当前模式替代背景模式中权重最小的模式，赋予固定的权重，同时归一化所有模式的权重之和；对于像素当前模式与背景模型匹配者，认为是该像素是背景，否则认为是前景。下面结合附图1对本专利技术背景减除实现方法的一个实施例作进一步地详细说明。步骤本文档来自技高网...
【技术保护点】
１．一种背景减除实现方法，包括：对于当前输入图像，联合局部空间信息和颜色信息计算每个像素当前观测模式；对每个像素的当前观测模式与背景模型中所有模式进行比较，找到与当前观测模式距离最近的背景模型模式；对于找到的距离最近的背景模型模式，判断如果所述当前观测模式距离小于预定的阈值，则判定为背景，否则判定为前景；根据前景背景的判决情况对背景模型进行更新。
【技术特征摘要】
【专利技术属性】
技术研发人员：贾慧星，
申请(专利权)人：北京平安视讯科技有限公司，
类型：发明
国别省市：11
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。