[发明专利]一种基于立体视觉的ATM机行为分析方法

权利要求书

1.一种基于立体视觉的ATM机行为分析方法，其特征在于该方法包括以下步骤：

步骤1：采用双目相机作为深度信息的获取设备，输出为帧率25FPS的CIF分辨率的深度图，深度图中，每个像素的取值范围为0-255，值越大表示该像素所代表的目标距离镜头越近；

步骤2：对深度图进行背景建模，并随着场景的变化，学习更新每个像素的混合高斯模型，确定背景分布，具体是：

首先对深度图进行背景建模，用由K个高斯成分组成的混合高斯模型表示像素在时间域上的概率分布模型，即深度图中像素j在t时刻取值为                                                的概率为

其中表示在t时刻像素j的混合高斯模型中的第i个高斯成分的权重，表示第i个高斯成分的均值，表示第i个高斯成分的协方差，η表示高斯概率密度函数：

其中d为的维数；

然后随着场景的变化，学习更新每个像素的混合高斯模型；

最后像素j的混合高斯模型描述了其特征值在时间域上的概率分布，为了确定像素的混合高斯模型里哪些高斯成分是由背景产生的，根据每个高斯成分的权重与其标准差之比排序后，取前个高斯成分作为背景的分布，根据下式计算

阈值T度量了背景高斯成分在像素的整个概率分布中所占得最小比例；

步骤3：对每帧新深度图中的每个像素，求其在每个背景混合高斯模型中的概率值：

若概率最大值小于阈值，则认为当前像素为前景点，说明可能有物体在背景上；

步骤4：对所有前景点进行联通域检测，同一个联通区域的像素认为是属于同一个不明物体；

步骤5：在二维彩色图上，对联通域的大小，颜色进行判断，过滤过小的区域或颜色和背景类似的区域，剩下的区域即为可能的不明物。

2.根据权利要求1所述的基于深度信息聚类的复杂场景人数统计方法，其特征在于：步骤2中的学习更新方法是：将混合高斯模型中的K个高斯成分按照由大到小排序，然后用像素的当前值与其混合高斯模型中的K个高斯成分逐一比较，若与第i个高斯成分的均值之间的差小于δ倍的该高斯成分的标准差，则该高斯成分被更新，其余高斯成分保持不变，更新方程如下：

其中是模型的学习率，当第i个高斯成分与匹配时，为1，否则为0；如果与像素j的混合高斯模型中的K个高斯成分都不匹配，则该像素混合高斯模型中排在最后的高斯成分被新的高斯成分取代，新的高斯成分均值为，初始标准差及权重设为和；在更新完成后，各高斯成分的权重被归一化，以使。