[发明专利]一种基于可变高斯混合数的复杂背景建模方法

说明书

技术领域

本发明涉及光电产品应用技术领域，具体涉及一种基于可变高斯混合数的复杂背景建模方法。 

背景技术

基于视频或图像序列的背运动目标检测技术一直以来都是计算机视觉、图像处理和模式识别领域中一个非常重要和活跃的研究课题。如何能从视频图像序列中将感兴趣的对象提取出来，是智能视频分析系统中最初的也是最重要的一步。视频运动目标检测方法的有效性直接影响到后续系统的处理效果，在实际的应用中，由于运动目标所在环境的复杂性和图像系统中图像传送和转换中的某些降质，使得复杂背景下运动目标检测变得更加困难。因此，找到一种能在多种背景条件下都适用的、实时、有效的背景建模技术，是智能视频分析系统软件设计的首要任务。 

发明内容

(一)要解决的技术问题 

本发明要解决的技术问题是如何设计一种可变高斯混合数的自适应背景建模方法，通过高斯混合模型和可变高斯混合数更新策略，完成对复杂背景的自适应学习，构建稳定的自适应背景模型，以实现在复杂背景下的运动目标检测。 

(二)技术方案 

为解决上述技术问题，本发明提供一种基于可变高斯混合数的复杂背景建模方法，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。 

其中，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。 

其中，整个视频场景的模型通过公式(2)中的参数向量θ来表示： 

θ=(μk(x),σk2(x))T---(2)]]>

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。 

其中，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：