[发明专利]基于Codebook背景建模的运动目标检测方法

权利要求书

1.一种基于Codebook背景建模的运动目标检测方法，将RGB空间的建模转移到YUV空间进行运动目标检测，首先将一帧图像中的每个像素点在时间轴上进行聚类，提取背景模板；之后采用当前图像与背景模板进行比较，从而检测出运动目标，并同时进行背景模板的更新。

对图像像素点在时间上的采样序列X={x₁,x₂,...,x_N}以及其码字集C={c₁,c₂,...c_L}，在YUV颜色空间下，亮度和颜色通道相互独立，对三个通道分别进行处理，各通道码字的二元组合为c_i=<learnmin_i,learnmax_i,min_i,max_i,f_i,λ_i,q_i>。其中，learnMin，learnMax分别为码元在每个通道上的学习值下限和上限，f表示码元的出现次数，q表示码元在最后更新时的帧数，λ表示码元的消极帧数。基于YUV空间的前景检测方法的具体步骤如下：

步骤一：初始化码本，即将码本清空：L=0，C=Φ；

步骤二：在该编码本中遍历每个像素，计算像素的向下扩展值low、向上扩展值high：

low=max(p-cbBounds,0)high=min(p+cbBounds,255)]]>

其中，p为像素在某个通道的值，cbBounds每通道的扩展边界偏移量；

步骤三：遍历每个像素对应的每个码元，寻找匹配当前像素值的码元；

步骤四：如果码元在每个通道均满足learnMin<p<learnMax，则找到了匹配的码元，按下式更新匹配码元的每个通道：

boxMin=min(boxMin,p)boxMax=max(boxMax,p)]]>

如果learnMin>low，令learnMin=learnMin-1，如果learnMax>high，令learnMax=learnMax+1，f=f+1，q=T，λ=0。其中，T为编码本已经更新的总帧数，boxMin，boxMax分别为码元在每个通道的像素值下限和上限；

步骤五：如果没有找到匹配的码元，则新增一个码元：learnMin=low，learnMax=high boxMin=boxMax=p，q=T，λ=0，f=1对于不匹配的码元，只需设置消极帧数即可：λ=λ+1；

步骤六：若λ>N/2且满足频率信息f的判定标准，则将该码元从码本中去掉，即消除冗余码字；

步骤七：计算像素在每个通道的向下扩展偏移量m和向上扩展偏移量M：m=modMin，如果需要进行阴影检测，则m=m+BrightnessMin；M=modMax，如果需要进行阴影检测，则M=M+BrightnessMax；

步骤八：在该编码本中遍历每个像素，计算像素的向下扩展值l，向上扩展值h及更新次数阀值f_ref：

l=p+m

h=p-M

其中，p为像素的当前值，f_ref为当前像素对应所有码元的更新次数之和；

步骤九：遍历每个像素对应的每个码元，寻找包容当前像素值的码元；

步骤十：如果码元在每个通道均满足boxMin≤l，h≤boxMax且f>f_ref，则找到了包容当前像素值的码元，像素是背景；

步骤十一：如果不存在包容当前像素值的码元，则认为像素是前景；

步骤十二：将空域信息加入背景建模过程，以增加背景判定的可靠性；

步骤十三：若某像素点被检测为前景的基础上，进行二层判断以防误检，即在检测为前景的像素上重新建立码本，根据输入的像素信息更新码元，每五帧统计新建码本信息，若同时满足条件：f≥Tadd与convertScale≥Taveragestale。则将该像素重新加入背景像素。其中，

convertScale=(FramNum-T)frequency.]]>

若不执行上述步骤十三则为单层Codebook方法，若执行上述步骤十三则为双层Codebook方法。