[发明专利]一种基于可变高斯混合数的复杂背景建模方法

权利要求书

1.一种基于可变高斯混合数的复杂背景建模方法，其特征在于，所述方法包括：

步骤S1：在拍摄设备静止状态下采集当前视频序列图像；

步骤S2：假设视频场景中的每个像素受到独立高斯噪声的影响，建立背景的像素模型；

步骤S3：根据所述像素模型算出整个视频场景的模型；

步骤S4：采用高斯混合模型计算某一个像素点值的概率；

步骤S5：根据当前像素点的值，像素点的均值和像素点的方差，计算当前像素点与某个高斯分布的马氏距离；

步骤S6：预设定判断阈值，通过将马氏距离与判断阈值进行比较，根据比较结果来更新混合高斯分布的背景模型参数，从而得到更新匹配度最好的高斯分布的背景模型参数，根据更新匹配度最好的高斯分布的背景模型参数来完成复杂背景建模。

2.如权利要求1所述的基于可变高斯混合数的复杂背景建模方法，其特征在于，所述步骤S2中，背景的像素模型根据公式(1)来表示为：

b_k(x)＝μ_k(x)+n_k(x)                       (1)

其中，随机变量b_k(x)是单个像素x在时刻k的背景表示，μ_k(x)是亮度均值，n_k(x)表示时刻k方差为 的噪声。

3.如权利要求2所述的基于可变高斯混合数的复杂背景建模方法，其特征在于，整个视频场景的模型通过公式(2)中的参数向量θ来表示：

其中，每一帧中像素在时刻k的均值和方差通过历史帧来进行自适应的估计。

4.如权利要求3所述的基于可变高斯混合数的复杂背景建模方 法，其特征在于，所述步骤S4中，采用多个单模态的集合来描述复杂场景中像素点值的变化，对于每一个像素点，定义K个高斯分布来表示其所呈现的颜色，则根据公式(3)可以得到某一个像素点值为g_k(x)的概率：

其中，w_i，k是不同高斯分布的权重系数，η(g_k(x)，θ_i，k(x))是正态高斯分布项，η(g_k(x)，θ_i，k(x))通过公式(4)来表示：

                                                          (4)

其中，K个分布通过w_i，k(x)/μ_i，k(x)的值的大小排序，并检查新的像素值是否和某个高斯分布相匹配。

5.如权利要求4所述的基于可变高斯混合数的复杂背景建模方法，其特征在于，所述步骤S5中，根据当前像素点的值g_k(x)，像素点的均值μ_i，k(x)和像素点的方差 以及公式(5)，计算当前像素点与第i个高斯分布的马氏距离：

6.如权利要求5所述的基于可变高斯混合数的复杂背景建模方法，其特征在于，所述步骤S6包括：

步骤S601：预设判断阈值Th1，所述判断阈值Th1根据实际场景的复杂度在取值区间（2，10）中选取设定；

步骤S602：当D_i＜Th1时，根据公式（6）来更新混合模型参数：

w_i,k(x)＝w_i,k-1(x)+α(1-w_i,k-1(x)),

μ_i，k(x)＝(1-α)μ_i，k-1(x)+(α/w_i，k-1(x))σ_i，k-1(x),   （6）；

其它的背景模型参数根据公式（7）更新： 

w_i,k(x)＝(1-α)w_i,k-1(x)-αc_t    （7）；

其中，c_t为0.01；

如果w_i,k(x)＜0，则删除此高斯分布项，即K＝K-1；

步骤S603：当minD_i＞Th1时，则该值所属的高斯分布项将被新的高斯分布项所更新，新分布的均值为当前像素值，初始化一个较大的标准差和较小的权值，并设置K＝K+1；

步骤S604：在k时刻按w_i,k(x)σ_i，k-1(x)由大到小的排列次序，各高斯分布记为i₁,i₂...i_k，若前M_i个分布满足式则这个分布被认为是背景分布，其余分布被认为是运动前景分布；

其中，τ是权重阈值，表示能够描述场景背景的高斯分布权重之和的最小值，τ通过实验的方法得到。