一種基于可變高斯混合數(shù)的復(fù)雜背景建模方法
【專利摘要】本發(fā)明涉及基于可變高斯混合數(shù)的復(fù)雜背景建模方法，屬于光電產(chǎn)品應(yīng)用【技術(shù)領(lǐng)域】。該方法包括：假設(shè)視頻場景中每個(gè)像素受獨(dú)立高斯噪聲的影響，建立背景像素模型；根據(jù)像素模型算出整個(gè)視頻場景模型；采用高斯混合模型計(jì)算某像素點(diǎn)值概率；根據(jù)當(dāng)前像素點(diǎn)值、像素點(diǎn)均值和像素點(diǎn)方差，計(jì)算當(dāng)前像素點(diǎn)與某個(gè)高斯分布的馬氏距離；根據(jù)馬氏距離與判斷閾值的比較結(jié)果更新混合高斯分布的背景模型參數(shù)，完成復(fù)雜背景建模。該方法通過高斯混合模型和可變高斯混合數(shù)更新策略，有效地對受動(dòng)態(tài)擾動(dòng)的復(fù)雜場景進(jìn)行運(yùn)動(dòng)目標(biāo)檢測。通過對街道環(huán)境下的可見光序列圖像進(jìn)行試驗(yàn)，證明該算法具有良好的抗干擾性，能實(shí)現(xiàn)樹枝晃動(dòng)、陰影存在等復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)檢測。
【專利說明】一種基于可變高斯混合數(shù)的復(fù)雜背景建模方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及光電產(chǎn)品應(yīng)用【技術(shù)領(lǐng)域】，具體涉及一種基于可變高斯混合數(shù)的復(fù)雜背景建模方法。
【背景技術(shù)】
[0002]基于視頻或圖像序列的背運(yùn)動(dòng)目標(biāo)檢測技術(shù)一直以來都是計(jì)算機(jī)視覺、圖像處理和模式識(shí)別領(lǐng)域中一個(gè)非常重要和活躍的研究課題。如何能從視頻圖像序列中將感興趣的對象提取出來，是智能視頻分析系統(tǒng)中最初的也是最重要的一步。視頻運(yùn)動(dòng)目標(biāo)檢測方法的有效性直接影響到后續(xù)系統(tǒng)的處理效果，在實(shí)際的應(yīng)用中，由于運(yùn)動(dòng)目標(biāo)所在環(huán)境的復(fù)雜性和圖像系統(tǒng)中圖像傳送和轉(zhuǎn)換中的某些降質(zhì)，使得復(fù)雜背景下運(yùn)動(dòng)目標(biāo)檢測變得更加困難。因此，找到一種能在多種背景條件下都適用的、實(shí)時(shí)、有效的背景建模技術(shù)，是智能視頻分析系統(tǒng)軟件設(shè)計(jì)的首要任務(wù)。

【發(fā)明內(nèi)容】

[0003](一 )要解決的技術(shù)問題
[0004]本發(fā)明要解決的技術(shù)問題是如何設(shè)計(jì)一種可變高斯混合數(shù)的自適應(yīng)背景建模方法，通過高斯混合模型和可變高斯混合數(shù)更新策略，完成對復(fù)雜背景的自適應(yīng)學(xué)習(xí)，構(gòu)建穩(wěn)定的自適應(yīng)背景模型，以實(shí)現(xiàn)在復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測。
[0005]( 二 )技術(shù)方案
[0006]為解決上述技術(shù)問題，本發(fā)明提供一種基于可變高斯混合數(shù)的復(fù)雜背景建模方法，所述方法包括:
[0007]步驟S1:在拍攝設(shè)備靜止`狀態(tài)下采集當(dāng)前視頻序列圖像；
[0008]步驟S2:假設(shè)視頻場景中的每個(gè)像素受到獨(dú)立高斯噪聲的影響，建立背景的像素模型；
[0009]步驟S3:根據(jù)所述像素模型算出整個(gè)視頻場景的模型；
[0010]步驟S4:采用高斯混合模型計(jì)算某一個(gè)像素點(diǎn)值的概率；
[0011]步驟S5:根據(jù)當(dāng)前像素點(diǎn)的值，像素點(diǎn)的均值和像素點(diǎn)的方差，計(jì)算當(dāng)前像素點(diǎn)與某個(gè)高斯分布的馬氏距離；
[0012]步驟S6:預(yù)設(shè)定判斷閾值，通過將馬氏距離與判斷閾值進(jìn)行比較，根據(jù)比較結(jié)果來更新混合高斯分布的背景模型參數(shù)，從而得到更新匹配度最好的高斯分布的背景模型參數(shù)，根據(jù)更新匹配度最好的高斯分布的背景模型參數(shù)來完成復(fù)雜背景建模。
[0013]其中，所述步驟S2中，背景的像素模型根據(jù)公式(1)來表示為:
[0014]bk(x) = μ k (x) +nk (x)(1)
[0015]其中，隨機(jī)變量bk(x)是單個(gè)像素x在時(shí)刻k的背景表示，μ,(χ)是亮度均值，nk(x)表不時(shí)刻k方差為σ〗(χ)的噪聲。
[0016]其中，整個(gè)視頻場景的模型通過公式(2)中的參數(shù)向量Θ來表示:
【權(quán)利要求】
1.一種基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，所述方法包括: 步驟S1:在拍攝設(shè)備靜止?fàn)顟B(tài)下采集當(dāng)前視頻序列圖像； 步驟S2:假設(shè)視頻場景中的每個(gè)像素受到獨(dú)立高斯噪聲的影響，建立背景的像素模型； 步驟S3:根據(jù)所述像素模型算出整個(gè)視頻場景的模型； 步驟S4:采用高斯混合模型計(jì)算某一個(gè)像素點(diǎn)值的概率； 步驟S5:根據(jù)當(dāng)前像素點(diǎn)的值，像素點(diǎn)的均值和像素點(diǎn)的方差，計(jì)算當(dāng)前像素點(diǎn)與某個(gè)高斯分布的馬氏距離； 步驟S6:預(yù)設(shè)定判斷閾值，通過將馬氏距離與判斷閾值進(jìn)行比較，根據(jù)比較結(jié)果來更新混合高斯分布的背景模型參數(shù)，從而得到更新匹配度最好的高斯分布的背景模型參數(shù)，根據(jù)更新匹配度最好的高斯分布的背景模型參數(shù)來完成復(fù)雜背景建模。
2.如權(quán)利要求1所述的基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，所述步驟S2中，背景的像素模型根據(jù)公式(I)來表示為: bk(x) = μ k(x) +nk (x)(I) 其中，隨機(jī)變量bk(x)是單個(gè)像素X在時(shí)刻k的背景表示，μ k(x)是亮度均值，nk(x)表示時(shí)刻k方差為Q2(X)的噪聲。
3.如權(quán)利要求2所述的基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，整個(gè)視頻場景的模型通過公式(2)中的參數(shù)向量Θ來表示:
4.如權(quán)利要求3所述的基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，所述步驟S4中，采用多個(gè)單模態(tài)的集合來描述復(fù)雜場景中像素點(diǎn)值的變化，對于每一個(gè)像素點(diǎn)，定義K個(gè)高斯分布來表示其所呈現(xiàn)的顏色，則根據(jù)公式(3)可以得到某一個(gè)像素點(diǎn)值為gk(x)的概率:
5.如權(quán)利要求4所述的基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，所述步驟S5中，根據(jù)當(dāng)前像素點(diǎn)的值gk(x)，像素點(diǎn)的均值yi,k(x)和像素點(diǎn)的方差σ:(χ)以及公式(5)，計(jì)算當(dāng)前像素點(diǎn)與第i個(gè)高斯分布的馬氏距離:
6.如權(quán)利要求5所述的基于可變高斯混合數(shù)的復(fù)雜背景建模方法，其特征在于，所述步驟S6包括: 步驟S601:預(yù)設(shè)判斷閾值Thl，所述判斷閾值Thl根據(jù)實(shí)際場景的復(fù)雜度在取值區(qū)間(2，10)中選取設(shè)定； 步驟S602:當(dāng)Di < Thl時(shí)，根據(jù)公式(6)來更新混合模型參數(shù):
【文檔編號(hào)】G06T7/20GK103700114SQ201210365922
【公開日】2014年4月2日 申請日期:2012年9月27日 優(yōu)先權(quán)日:2012年9月27日
【發(fā)明者】楊文佳, 王楠, 柴智, 李亞鵬 申請人:中國航天科工集團(tuán)第二研究院二O七所