[发明专利]图像处理设备和图像处理方法

说明书

技术领域

本发明一般涉及用于从视频序列中检测运动对象的图像处理设备和图像处理方法，尤其涉及基于高斯混合模型来区分视频序列的图像中背景与前景的图像处理设备和图像处理方法。

背景技术

随着视频图像处理技术的发展，人们已经不满足于视频图像的捕捉、编/解码和传输，而是对视频图像中运动对象的识别、分析和处理提出了更多的要求。为满足这些要求，基础的工作是从视频序列中分割出运动对象，即区分运动前景和背景。

目前，运动对象检测的问题主要分为两类，摄像机固定和摄像机运动。对于摄像机固定的情形，前景是指在假设背景为静止的情况下，任何有意义的运动对象即为前景。相对比地，背景的变化是缓慢的，而且主要是由于光照，风等等的影响。通常采用高斯混合模型来对背景进行建模，在视频序列的图像中分离出前景和背景。在Chris Stauffer和W.E.L.Grimson的文章“Adaptive background mixture models for real-time tracking”，1999 IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR′99)-Volume 2，pp.2246，1999中描述了如何采用高斯混合模型对背景进行建模以及如何在图像中区分前景和背景。

发明内容

由于存在光线变化、风吹导致的慢速摆动等因素，背景中会存在缓慢的变化。在基于高斯混合模型的各种方案中，能够根据学习速率α和ρ来更新模型，以适应背景的这种改变。然而如果背景改变的速度超过高斯混合模型的学习速度，则背景改变会被误检为前景，从而提高背景噪声。虽然高的学习速率α和ρ使得高斯混合模型能够适应快的背景改变，然而也提高了将运动对象误检为背景，从而丢失前景的概率。调节高斯混合模型的学习速度显然不是解决问题的优选途径。

在基于高斯混合模型的各种方案中，图像的每个像素均有一个高斯混合模型，其由多个高斯分布组成。当判断一个像素是背景像素还是前景像素时，根据相应高斯混合模型求出与该像素的值匹配的各个高斯分布的权重和。如果权重和超过预定阈值，则判断该像素为背景像素，否则为前景像素。此外，还对高斯混合模型进行更新。在更新过程中，对于与该像素的值匹配成功的高斯分布，提高匹配成功的高斯分布在高斯混合模型中的权重并更新其模型参数；对于与该像素的值未匹配成功的高斯分布，降低未匹配成功的高斯分布在高斯混合模型中的权重。

只要匹配成功，便对高斯分布的参数进行更新。然而并非所有的更新都是有益的。例如，有关像素的值与高斯分布是否匹配的判断依据是高斯分布的后验概率大小。然而在更新过程中，高斯分布的后验概率大小与像素的值的稳定性相关。具体地，高斯混合模型的第k个高斯分布的后验概率为