[发明专利]一种基于稀疏编码融合的夜间监控视频实时增强方法

权利要求书

1.一种基于稀疏编码融合的夜间监控视频实时增强方法，该方法包括：

A、离线学习和融合：通过大量视频数据集的稀疏训练和学习，得到原子字典和稀疏编码，并通过稀疏融合算法重构出增强后的背景；

A1、收集大量特定地点的白天和夜间监控视频流数据；

A2、使用MCL(mutual coherence learning:互相干扰性学习)方法训练和学习A1中收集到的数据，将视频数据中每一帧划分为若干小块，求出白天数据和夜间数据视频帧中相同位置小块的原子字典和稀疏编码；

A3、将学习到的白天的原子字典和稀疏编码与夜间的原子字典和稀疏编码，按照公式(1)进行融合；

P_scf(i)＝γD_dX_d(i)+ηD_nX_n(i)(1)

公式中i为图像块序号，P_scf(i)是融合后i号的图像块，D_d是白天的原子字典，D_n是夜间的原子字典，X_d(i)是白天的i号图像块的稀疏编码，X_n(i)是夜间的i号图像块的稀疏编码，η和γ分别是白天和夜间的融合系数；

A4、将融合后的图像块按照块序号重构出增强后的背景图；

A5、将夜间原子字典和对应稀疏编码按照D_nX_n(i)的方式重构出夜间稳定背景图；

B、在线提取和融合：在实时视频流中提取出运动物体，并将之融合进A4得到的增强后的背景中；

B1、采集当前视频，并使用A5中重构出的夜间稳定背景图提取出当前视频帧中的运动物体；

B2、将提取出的运动物体融合到A4得到的增强后背景图中，得到夜间效果增强视频。

2.如权利要求1所述的一种基于稀疏编码融合的夜间监控视频实时增强方法，其特征在于步骤A2中互相干扰性学习的具体步骤包括：

A21、将白天视频中的每一帧划分为若干小的图像块y，并对在同一个坐标位置的块赋予一个块序号i，对每一个拥有相同块序号的图像块进行如下训练；

A22、随机初始化原子字典D([d₁,...,d_i,...,d_k])，d_i表示字典中原子；

A23、使用正交追踪算法计算出稀疏编码矩阵X([x₁,...,x_i,...x_m])，使得任一x_i满足公式(2)

minxi||yi-Dxi||2s.t.||xi||0≤K---(2)]]>

公式中y_i是收集视频中的每一帧划分为的图像块信息，D是原子字典，||·||₀是零范式计算，K是稀疏度；

A24、对于字典中每一个原子d_i按照公式(3)进行重新初始化

di=(Y-Σj=1;j≠ikdjxjT)xixiTxi---(3)]]>

公式中Y是收集到的视频数据,对于特定编码i，指代所有编号i块的全部训练数据；

A25、计算如果其大于0,则将标志位flag置为1，否则将flag置为-1；

A26、对于字典中每一个原子d_i，利用A25的计算结果按照公式(4)进行更新

di=di-2β{xiTxidi-(Y-Σj=1,j≠ikdjxjT)xi+(-1)flagΣj=1,j≠ikdj(diTdj)2}---(4)]]>

公式总β为梯度参数；

A27、比较d_i在更新前后的变化，如果没有变化则跳到A28，如果有变化则返回A25；

A28、返回A23，直到训练得到的稀疏编码X不再变化，从而求白天视频帧中相同位置小块的原子字典和稀疏编码；

A29、采用A21～A28相同的方法计算出夜间视频视频帧中相同位置小块的原子字典和稀疏编码。