[发明专利]一种基于反馈的运动物体分割的图像处理方法

说明书

技术领域

本发明涉及一种基于反馈的运动物体分割的图像处理方法，属于智能交通模式识别技术领域。 

背景技术

运动物体图像处理方法中背景建模和前景分割是智能视频监控系统的基础。背景模型和前景分割的精度将直接影响系统的后续处理，包括运动物体分割、识别和行为理解等。传统的背景建模和前景分割技术存在两个艰难的权衡问题：一个是背景建模时保持模型的鲁棒性与敏感性之间的权衡；另一个是前景分割时抑制噪声和防止前景物体出现空洞和被割裂情况之间的权衡。 

智能视频监控系统一般都采用图1的流程。图1中的模块顺序执行，背景建模与前景分割决定后续物体分割、识别和跟踪操作，但是后续的操作并不对背景建模和前景分割产生影响。在众多的背景建模方法中，混合高斯模型（GMM）方法[1]是最普遍使用的方法，在它基础上又提出了很多改进的方法[2-3]。但是这些方法在背景更新时采用固定的更新率，不能同时保证模型的鲁棒性和敏感性。当更新率取得较大时，缓慢运动的物体会被错误的更新到背景中去；当更新率取得较小时，需要很长的时间来更新突来停止或运动的物体的区域，从而引进很多的虚警。 

为了使建立的模型兼具鲁棒性和敏感性，文献[4-5]开始采用图1的结构，通过高层反馈对像素进行分类，进而根据像素类别对背景更新率进行调整控制。但是这些方法仍旧存在一些问题：首先就像文献[4][5]所说，当前帧对像素类别错误的划分会损害到后续帧的操作。其次，这些方法对前景分割中存在的权衡问题没有很好的解决。最后，这些方法的计算复杂度比较高，不利于实时应 用。 

文献[6-7]主要致力于前景分割的研究。文献[6]根据邻居节点是否为前景像素来调节分割阈值。文献[7]通过融合物体的运动，颜色和对比度等信息来提高前景分割的效果。这些方法没有使用高层信息的反馈，在抑制噪声和防止前景物体出现空洞、被割裂情况之间不能取得很好的权衡。 

[1]C.Stauffer,and W.Grimson,Adaptive background mixture models for real-time tracking,in Proc.IEEE Conference on Computer Vision and Pattern Recognition,vol2,pp.246-252,1999. 

[2]M.Heikkila,and M.Pietikainen,A texture-based method for model-ing the background and detecting moving objects,IEEE Transaction on Pattern Analysis and Machine Intelligence,vol.28,no.4,pp.657-662,2006. 

[3]T.Haines,and T.Xiang,”Background Subtraction with Dirichlet Processes,”in Proc.2012European Conference on Computer Vision,pp.97-111,2012. 

[4]T.Boult,R.Micheals,and X.Gao,Frame-rate omnidirectional surveillance and tracking of camouflaged and occluded targets,Sec-ond IEEE Workshop on Visual Surveillance,pp.48-55,1999. 

[5]H.Lin,J.Chuang,and T.Liu,Regularized Background Adaptation:A Novel Learning Rate Control Scheme for Gaussian Mixture Mod-eling,IEEE Trans.on Image Processing,vol.20,no.3,pp.822-836,2011.