[发明专利]基于HSV空间在线聚类的视频背景提取方法

说明书

技术领域

本发明涉及一种视频背景提取的方法，尤其涉及一种提取彩色背景的、鲁棒性较强的基于HSV空间在线聚类的背景提取方法，属于运动目标检测领域。

背景技术

从视频中提取运动目标是计算机视觉领域的基础课题，广泛应用于视频监视和交通自动监控等领域。常用的运动目标检测方法有光流法、帧差法和背景差分法等。背景差分法能够完整地检测出运动目标，并能够实现实时的运动检测。因而，其在计算机视觉领域有着广泛的应用。背景差分法主要由背景提取、目标检测和背景更新三部分组成。

视频背景提取是运动目标检测和分割的基础，运动目标检测效果的好坏直接取决于所提取的背景的优劣。由于视频中存在运动物体，视觉目标本身及周边环境复杂多变，因此获得鲁棒而高效的背景提取方法目前仍旧是计算机视觉中一个极具挑战性的研究课题。

传统的利用聚类算法进行背景提取的方法是利用三个动态三元组记录每个像素的像素值在整个训练视频中的变化并进行K-均值聚类实现。但是这种方法具有一定的局限性，那就是K-均值聚类在视频背景提取中必须预先设定聚类数目，进行人工干预。针对这一问题，肖梅、韩崇昭等人在《模式识别与人工智能》第20卷第1期的基于在线聚类的背景减法一文中提出对每一像素点的灰度值进行在线聚类的方法提取背景。中国发明专利CN101834981A公开了一种基于在线聚类的视频背景提取方法，以像素点的灰度值为聚类分类依据，采用聚类的方法，通过自适应更新聚类阈值，实现自适应的在线聚类，较好地实现了背景的提取。

但是，上述方法均只能处理灰度图像，需要将视频图像首先进行灰度化处理，在此过程中，丢失了部分图像信息，导致以此为基础的背景提取效果受到影响。

蒋建国、郎立娜等人在《电子测量与仪器学报》第26卷第2期的基于像素值聚类的运动目标检测方法一文中，提出基于RGB颜色空间聚类提取彩色背景的方法，但是该算法限定了3个聚类模板，并且需要人工设置两个阈值分别进行模板选择和背景训练判定，不能做到自适应地提取背景。同时，由于采用RGB颜色空间，聚类判定时与灰度图像聚类类似，将像素点与每个模板的3个颜色分量之间的颜色差求和后作为一个值与阈值进行对比，没有体现彩色图像信息较多的优势，提取效果甚至不如灰度图像的在线聚类。

发明内容

本发明的发明目的是提供一种基于HSV空间在线聚类的视频背景提取方法，采用在线聚类方法，能够提取到彩色背景，更加符合人类的视觉特性；并且能够自动获取并更新聚类阈值，使阈值不断向优化算法效果的方向发展，获得更好的背景提取效果。

为达到上述发明目的，本发明采用的技术方案是：一种基于HSV空间在线聚类的视频背景提取方法，采用聚类方法实现，对一段视频训练帧，以像素点在HSV空间的三个通道的值为聚类分类依据，分别提取每个像素点在HSV空间的H、S和V值，视频训练帧的帧数为N，N≥50，对视频训练帧中的每个像素点，分别按下列步骤处理：

[1]取视频第一帧，以帧在HSV空间中的H、S和V值初始化三个通道中的第一个聚类，并同时初始化聚类中心和类中包含的元素数目，第一帧中该像素点在HSV颜色空间的H、S和V值分别为三个通道各自的第一个聚类的聚类中心，初始的元素数目为1，初始的聚类阈值为0；

[2]依次取视频的第t帧，1＜t≤N，每次进行如下两步操作：

[2-1]更新阈值：取该像素点在当前帧与前一帧在HSV空间中H值之差的绝对值、S值之差的绝对值和V值之差的绝对值，将上述三个值之和与上一轮的聚类阈值进行比较，取其中大的一个作为本一轮的聚类阈值；

[2-2]聚类：分别计算该像素点在第t帧中的H、S或V值与对应通道中各个聚类的聚类中心之间的距离，寻找距离最近的聚类类别，获得分别对应H、S、V值的三个最近距离；判断三个最近距离之和与本一轮的聚类阈值的关系，如果最近距离之和小于等于聚类阈值，则将该像素点在HSV空间的H、S和V值分别归入各自相应的距离最近的聚类中，并分别对三个通道的该聚类中的所有值求算术平均值，作为该聚类的新的聚类中心；如果最近距离之和大于聚类阈值，则三个通道中分别创建一个新的聚类，并进行初始化：以该像素点在第t帧的H、S和V值分别作为各自通道新聚类的聚类中心，同时定义新聚类的数目为1；

[3]统计三个通道中各聚类的元素数目，分别用三个通道中各自包含元素数目最多的聚类的聚类中心作为该像素点在HSV空间的三个通道的当前背景值。