[发明专利]基于动态背景自适应的改进ViBe背景建模方法

说明书

技术领域

本发明涉及背景建模领域，具体涉及一种基于动态背景自适应的改进ViBe背景建模方法。

背景技术

运动目标检测是基于视频的智能监控系统的重要环节。常用的运动目标检测方法主要有背景相减法、帧间差分法和光流法。其中背景相减法是目前最常用的运动目标检测法，其基本思想是将当前帧图像与事先存储或者实时得到的背景图像相减，若对应像素的差值大于某一阈值，则判此像素属于运动目标上的一个像素，阈值操作后得到的结果直接给出了运动目标的位置、大小、形状等信息。但是由于该方法在使用中只考虑到像素级的更新，可能会发生背景更新的“死锁”问题，出现把静止物体误判为运动目标，降低检测的准确率。

如专利CN101621615公开的一种自适应背景建模及运动目标检测方法，该算法采用背景减除法得到差图像，然后采用自适应阈值进行二值化和滤波处理，得到运动目标二值化掩模图像，采用二值化掩模图像和当前帧输入图像进行逻辑与操作检测运动目标，然而背景减除法得到的二值化图像往往存在很大噪声，针对背景的强烈扰动存在较大的误检率，影响运动目标的检测准确率。

为解决上述现有技术的问题，专利CN101635852A公开了一种基于自适应背景建模的实时运动目标检测方法，该方法主要基于差分图像提取运动目标和非运动目标，而针对非运动目标区域实时更新，从而获得自适应更新的实时背景，然后再次利用差分图像获得前景图像；然而，差分图像提取图像前景存在很大的噪声，针对动态背景下的前景检测会存在较大噪声，仍存在较高的误检率。

又如Martin Hofmann等学者提出了PBAS算法，该算法利用连续多帧图像的平均距离作为动态背景的度量，针对动态背景值高的图像像素增加阈值，降低前景的误判率，然而该算法很大程度上抑制了正常的前景点，针对动态背景视频存在较高的误检率。

ViBe是一种像素级视频背景建模或前景检测的算法，其相比于其他方法有很多的不同和优点，具体的思想是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。该算法具体的参考文件可查阅文献O.Barnich and M.Van Droogenbroeck.ViBe:A universal background subtraction algorithm for video sequences[J].IEEE Transactions on Image Processing,20(6):1709–1724,2011.专利CN103971386A公开一种动态背景场景下的前景检测方法，该发明在ViBe算法基础上采用多帧连续图像初始化背景模型，利用背景模型的最小距离集合判断背景的动态性，采用空间一致性原则与模糊理论选择更新匹配阈值，完成前景检测。然而，该发明采用的最小距离测度仅考虑了背景模型的距离特征，而没有考虑到图像的全局特性，并且当强度较大时，动态背景往往会一直存在于前景中，无法实时更新背景模型，因此存在一定的误检率。

为解决ViBe算法无法实现动态背景的自适应性、在动态背景视频中存在较大的误检率、而现有的算法在抑制动态背景的同时却抑制了正常的前景像素的技术问题，申请人提出一种新的动态背景表征方法。

发明内容

本发明针对现有技术的上述问题，提供一种基于动态背景自适应的改进ViBe背景建模方法，该方法是一种新的动态背景表征方法，准确地表征像素的动态背景性，提高前景检测到准确性，为目标分类和识别提供准确的目标信息。

为解决以上技术问题，本发明的技术方案如下：

一种基于动态背景自适应的改进ViBe背景建模方法，包括以下步骤：

(1)采用第一帧图像中的像素点x的像素值初始化背景模型，设置初始决策阈值和更新率；

(2)从第二帧开始，连续提取帧差图像中子块的标准差Dstd作为图像动态背景的表述特征；

(3)根据ViBe前景修正标准差Dstd值；

(4)连续提取M幅帧差图像子块的修正后的标准差Dstd集合表征动态背景，进一步采用该集合的均值作为该子块所有像素的时空动态背景特征，即TSD特征；

(5)根据图像像素的时空动态背景特征自适应调整决策阈值和更新率；

(6)根据步骤(5)得到的决策阈值和更新率，利用反馈机制不断地更新背景模型数据；

(7)获取视频前景目标，并将该前景目标的图像进行形态学后处理。