[发明专利]一种背景提取方法

说明书

技术领域

本发明属于视频检测技术领域，具体地说，是涉及一种视频背景的提取方法。

背景技术

背景提取技术是视频检测领域最关键的技术。背景提取，顾名思义就是从含有目标的视频序列中去除目标，恢复背景。背景提取质量的好坏直接关系到目标检测的效果，例如：图像中某个区域的实际的背景像素值是128，但是背景提取时的像素值由于效果不好可能仅为90，那么当作背景做差分计算时，这一区域检测的结果就会很不准确，常会出现将背景检测成目标，或者将目标检测成背景的情况。

现有的背景提取技术一般都计算比较复杂，比较成熟的是高斯背景提取法，尤其是混合高斯模型背景提取法(混合高斯模型背景提取法是业内人员普遍知道的一种算法模型)，在2005年全国博士生学术论坛(交通运输工程学科)发表的《混合交通流视频检测中区域选择更新混合高斯背景模型研究》一文中就公开了一种采用混合高斯模型背景提取法来提取背景的技术，克服了交通控制信号或交通阻塞等造成的长时间停车，以及高峰期大量运动物体长期充满当前图像等情况下对背景抽取造成的影响。该模型可以对交叉口和路段视频进行背景提取。

但是，混合高斯模型的方法计算比较复杂，应用到嵌入式系统中是非常困难的。因此，对于目前采用嵌入式系统组建的的实时视频监控系统来说，还没有一种简单有效的背景提取方法可以应用。

发明内容

本发明为了解决现有背景提取技术计算比较复杂，应用到实时系统中比较困难的问题，提供了一种计算比较简单、效果比较好的视频背景提取方法，可以方便地移植到实时的视频监控系统中。

为解决上述技术问题，本发明的背景提取方法采用以下步骤实现：

a、用当前帧与初始背景做差分后，所得结果记为图像DIF；

b、将图像DIF多值化，即把图像DIF中的各数据按照由背景到目标的顺序划分成多个等级，并采用不同的值进行表示，其结果记为图像Level；

c、将图像Level中的各数据采用当前帧的像素值与初始背景的像素值的加权值代替，即z＝A*x+(1-A)*y，以形成背景图像；其中，x为当前帧的像素值，y为初始背景的像素值，A为加权系数，z为加权结果。

进一步的，在所述步骤a中，所述差分是指做差值后再取绝对值，即图像DIF中的各数据是通过将当前帧中的各像素值与初始背景中相应位置的像素值做差值后再取绝对值后所得到的结果。

又进一步的，所述多值化的阈值根据图像DIF中数据的特点动态确定。多值化的分值可以是任意值，比如可以是3值化、5值化、7值化等等，分值越多，解决越精确；优选5值化或者7值化。

再进一步的，在所述步骤c中，将图像Level中等级最低的像素值全部采用当前帧或者初始背景中该处的像素值代替；将等级最高的像素值全部采用初始背景中该处的像素值代替。而对于等级介于最低和最高之间的各数据，在执行加权运算进行像素值代替时，考虑到等级越低则当前像素是背景的概率越大而是目标的概率越小，相反等级越高的像素是背景的概率越小而是目标的概率越大的特点，所述加权系数A的值随等级的升高而加大。

需要指出的是，在步骤c中，所述的背景图像为一幅临时的背景帧，对视频序列中后续的(N-1)帧图像循环执行步骤a、b、c，得到N幅临时的背景帧，求所述N幅临时背景帧的平均值，即形成最后的背景图像；所述N为大于1的自然数。

更进一步的，所述初始背景采用均值法将视频序列的前M帧图像取均值后得到，所述M为大于1的自然数。当然，所述的初始背景也可以采用高斯模型法提取。

优选的，所述N＝M＝100。

与现有技术相比，本发明的优点和积极效果是：本发明的背景提取方法计算简单，运行效率高，背景提取效果好，可适应于嵌入式系统，容易移植到实时的视频监控系统中，比如视频检测器、智能交通监控系统等。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明所提出的背景提取方法的原理框图；

图2是本发明所提出的背景提取方法的一种具体程序流程图。

具体实施方式

下面结合附图对本发明的具体实施方式进行详细地描述。

本发明的背景提取方法主要采用加权多值化来更新背景得到最终的背景图像。所谓加权就是考虑到不同变量在总体中的比例份额；多值化就是把差值的图像按照由背景到目标的顺序划分成多个等级，等级越低则当前像素是背景的概率越大而是目标的概率越小，相反，等级越高则当前像素是背景的概率越小而是目标的概率越大。