[发明专利]一种缩短背景建模时间的方法及装置

说明书

技术领域

本发明涉及视频图像处理领域，特别涉及一种缩短背景建模时间的方法及装置。

背景技术

运动目标检测方法的研究和应用是计算机视觉、只能视频分析领域的一个活跃的分支，在视频监控、安全检查和自动控制等系统中具有重要的地位。准确而可靠的运动目标检测结果将为后续的目标识别、目标跟踪以及行为分析等处理环节提供了坚实而有效的保障。

运动目标检测是指从图像序列中将变化区域从背景中分割出来，即背景对于目标的识别和跟踪至关重要。目前，常用的运动目标检测方法包括光流法、时间差分法和背景差分法。光流法是通过计算像素点的运动矢量来分离运动目标的，这种方法运动量大，复杂度较高，主要用于移动摄像机。时间差分法，又称为帧间差分法，通过假设背景图像中像素点的像素值和位置都不变，从而分离背景图像和前景图像。虽然时间差分法的实现过程简单，但是该方法只能提取轮廓，对噪声很敏感，因此，实用性不强。

对于固定摄像机的场景下，运动目标检测中的最重要的方法是基于混合高斯模型的背景差分法，其基本思想是通过对视频帧的学习建立高斯混合背景模型，将新输入的视频图像与高斯混合背景模型进行比较，当相应参数的差值大于预设阈值时，判断该像素为前景，当相应参数的差值小于等于预设阈值时，判断该像素为背景，从而完成运动目标的检测，其中，前景是指在假设背景为静止的情况下，任何有意义的运动物体即为前景。背景差分法的基本流程参阅图1所示。背景差分法的应用场景很多，如：LED灯光闪烁、树枝摆动、水面波动等引起的图像的象素值变化的方式多变且高频，这些变化过程不是从一个相对稳定的单模态分布过渡到另一个相对稳定的单模态分布的过程。对于呈现多模态特性的背景，可以利用多个单高斯分布的集合去描述场景中一个象素点变化的情况，这也就是多高斯分布背景模型。运动目标检测的背景差分法的实现有三个关键因素，一、背景模型能较准确的描述真实场景中的背景部分；二、背景模型的初始背景能较快的建立；三、噪声抑制作用明显。只有在至少满足以上三个关键因素的基础上，背景差分法才能保证背景建模的收敛性等方面。

目前，对背景差分法的研究多集中在背景模型能否较准确的描述真实场景中的背景部分及噪声抑制方面，而对缩短初始背景的建模时间方面的研究较少，且目前常用的背景建模的初始背景的建立方法是通过简化算法或者是减少统计背景建摸时所需的背景帧的数量来实现的，这两种算法所建立的背景模型都不能准确描述真实场景中的背景部分。

在实际应用中，基于混合高斯模型的背景差分法中涉及到到单个高斯模型在混合高斯模型中的权重值，每个单高斯模型的权重值用ωi表示，i表示为某一个单高斯模型，每个单高斯模型的权重值ωi按照公式一进行更新：

ω_k，t=(1-β)*ω_k，t-1+β    （公式一）

其中，β为高斯模型的权重值更新率，通常是常数，取值在0到1之间。由公式一可知，较大的β值对应着较快的权重值更新率。在取β为某一常数值的情况下，若背景更新较快，若β值固定不变时，背景建模的建模时间是无法动态缩短的。遇到极端的情况，若β值很小，背景建模所需时间较长，甚至可能不能保证背景模型有效建立，也就是收敛性可能在极端情况下不能实现。

发明内容

本发明实施例提供一种缩短背景建模时间的方法及装置，用以较快建立背景建模，并且建立的背景模型能较准确的描述真实场景中的背景部分。

一种缩短背景建模时间的方法，包括：

预定义用于建立背景模型的K个单高斯模型，各单高斯模型中至少包括模型建立相关参数及权重值参数；

采集当前视频帧，将所述当前视频帧的待匹配参数与所述预定义的各单高斯模型中的模型建立相关参数进行匹配，确定与所述当前视频帧匹配成功的单高斯模型；

根据所述当前视频帧的待匹配参数将所述匹配成功的单高斯模型中的模型建立相关参数进行更新，并根据当前视频帧的编号对所述匹配成功的单高斯模型中的权重值参数进行更新，以完成背景模型的建立。

一种缩短背景建模时间的装置，包括：

定义单元，用于预定义用于建立背景模型的K个单高斯模型，各单高斯模型中至少包括模型建立相关参数及权重值参数；

确定单元，用于采集当前视频帧，将所述当前视频帧的待匹配参数与所述预定义的各单高斯模型中的模型建立相关参数进行匹配，确定与所述当前视频帧匹配成功的单高斯模型；