【技术实现步骤摘要】
本专利技术涉及一种安防系统视频监控中遗留物检测的背景建模方法。
技术介绍
近年来，随着社会对公共安全的不断重视，对于人流密集场所的抗议遗留物的检测己成为安防系统不可或缺的部分。遗留物检测方法一般包括如下几个步骤背景提取、前景分割、静态区域检测和物体分类跟踪。其中，背景提取是遗留物检测的最基本步骤。一般的背景提取方法都假定背景为静态，在静态的基础上有微弱的光线变化，因此现有方法多采用混合高斯模型对背景进行建模。但是这种采用混合高斯模型对背景进行建模的方法会把长时间遗留的物体学习到背景模型中，使得背景模型和当前帧的差异消失，从而导致整个检测机制失效。
技术实现思路
本专利技术针对现有技术中的上述问题，提出了一种基于可变学习速率的背景建模方法。实验显示，该方法有效地解决了较长时间后前景物体融入背景中的问题。本专利技术采用如下技术方案，该方法采用单高斯模型进行背景建模，其特征在于所述单高斯模型的学习速率随着视频帧颜色和纹理特征的变化而变化，并按照如下公式更新单高斯模型的均值和方差权利要求1 ，该方法采用单高斯模型进行背景建模，其特征在于所述单高斯模型的学习速率随着视频帧颜色和纹理特征的变化而变化，并按照如下公式更新单高斯模型的均值和方差2.根据权利要求I所述的视频监控中的背景建模方法，其特征在于K1、K2、K3通过利用具有groundtruth的视频库中的多个视频进行训练得到。全文摘要本专利技术提供，该方法采用单高斯模型进行背景建模，所述单高斯模型的学习速率随着视频帧颜色和纹理特征的变化而变化。可变的学习速率使得前景物体不会融入背景，背景的光线变化却能很好的更新到新...
【技术保护点】
一种视频监控中的背景建模方法，该方法采用单高斯模型进行背景建模，其特征在于：所述单高斯模型的学习速率随着视频帧颜色和纹理特征的变化而变化，并按照如下公式更新单高斯模型的均值和方差：μt=μt？1+α(p)(xt？μt？1)σt2=σt-12+α(p)(xt-μt-1)T(xt-μt-1)其中μ为像素值的均值，σ2为像素分布的方差，x为像素值，下标t表示时间，上标T表示转置；α(p)为学习速率，p表示像素，其中α0为最大学习速率，dm和d为两个预先定义的常数；为混合差异，由颜色差异和纹理差异加权求和得到，的计算方法为：其中，wt(p)为纹理差异dt(p)的权值，wc(p)为颜色差异dc(p)的权值，wc(p)=1？wt(p)，并且wt(p)=1ifgi(p)>Twgi(p)Twifgi(p)≤Tw,其中Tw的值是由图像的噪声来决定的，Tw=kσl，σl是图像L部分的标准差，k是系数，是像素p周围包含M个像素的邻域；其中，Cii(p)=f′i(p)·f′i(p)=||f′i(p)||2？？？？i=1，2？？？？？？C12(p)=f′1(...
【技术特征摘要】
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。