[发明专利]视频流背景图像建模方法

说明书

技术领域

本发明属于视频监控技术领域，涉及一种用于视频监控系统的视频流背景图像建模方法。

背景技术

视频监控系统是一个备受关注且具有广泛的应用前景的智能系统。一个典型的视频监控系统一般是用一个静态的摄像机对某个固定区域的目标进行监控，其中从视频流中实时分离出运动目标是视频监控系统一个基本环节。而背景差分法以其简单可靠在运动目标检测中得到广泛应用，然而，在许多视频监控场所，监控场景的背景不是固定的，往往受光照、天气等环境因素的影响，因此如何准确获取动态变化的场景背景是利用背景差分法进行运动目标检测的关键，为此，前人提出了大量的背景建模方法：其中Stauffer与Grimson在《Adaptive BackgroundMixture Models for Real-Time Tracking》一文中利用自适应的混合高斯背景模型，并且利用在线估计来更新模型，进而可靠地处理了光照变化、背景动态运动的干扰等影响，然而，由于其背景模型是逐象素进行计算，存在计算量大，“虚影”现象等问题，李志慧等人在《交通流视频检测中背景模型与阴影检测算法》一文中通过对彩色视频的背景建模，并引入反馈机制，较好的克服了“虚影”现象，然而彩色视频的引入大大提高了背景建模的复杂度，赵燕伟等人在《一种交通流信息视频检测中的特征采集方法》(中国专利，专利申请号200510062004.3)中采用了一种基于逐象素亮度混合高斯分布的背景帧维护方法。但在上述文献中，背景模型的建立和维护都是逐象素进行，计算复杂度大，特别是对于彩色视频存在更大的计算复杂度，难于满足那些对系统的实时性、可靠性和准确性都要求较高的应用场合的需求。

发明内容

本发明要解决的技术问题是克服目前基于混合高斯模型的背景建模方法中存在实时性差的问题，提供一种基于Bayer模式的快速混合高斯背景建模方法，使其能够提高视频监控系统的实时性、可靠性和准确性。

为解决上述技术问题，本发明的方法包括以下步骤：

(1)设定混合高斯模型的相关参数，所述的参数包括全局背景阈值T、学习率α、高斯分布模型个数K、和初始化帧数M；

(2)采集摄像机的数字视频信息，并利用中值和高斯滤波对获取的彩色或灰度数字视频信息进行去噪和清晰化处理；

(3)数字视频信号进行子采样，对基于RGB或YCrCb模式的彩色数字视频信号，依据分量分离的原则，按照Bayer模式进行子采样，而对于灰度数字视频信号，则直接对亮度信息按照Bayer模式进行1/2子采样；

(4)根据前K帧子采样视频图像的各象素分量值对各象素的混合高斯模型进行初始化，在此基础上，利用前M-1帧的子采样视频图像完成对混合高斯背景模型的初始化；

(5)随监控场景外界条件的变化，根据运动目标区域有选择地进行混合高斯模型的背景更新；

(6)通过邻域插值来获取完整的背景模型，对基于RGB或YCrCb模式的彩色数字视频信号，在Bayer模式子采样视频图像的基础上，按照邻域插值方法还原到原来的色彩模式，而对灰度数字视频信号则采用邻域插值方法还原到完整的视频模式。

所述(1)中，全局背景阈值T一般取T＝0.4、学习率α的取值范围一般在[0.001，0.2]、高斯分布个数K的取范围一般为[3，5]、而初始化帧数M取值范围一般为[50，500]。

所述(4)和(5)中，对基于RGB或YCrCb模式的彩色数字视频信号，将子采样视频图像上每个象素上的对应的色彩分量的视频序列可看作一时间序列{X_ij，1，X_ij，2，…，X_ij，t}，且该时间序列可表示为K个高斯分布的叠加，即混合高斯分布。其当前点的概率表示为：