[发明专利]一种获取道路实时背景图的方法

说明书

本发明公开了一种获取道路实时背景图的方法，使用网格聚类快速获取道路背景图，首先将道路划分为诸多网格，其次对这些网格进行H分量的统计，然后根据H分量曲线图确定不同的视频帧聚成的簇，最后从中抽取特征帧，最后从中抽取特征帧。该方法具有复杂度低、效率高、可实施性强的优点。

技术领域

本发明属于数字图片处理和聚类领域，特别适用于道路视频抽取背景图。道路背景图的建模是视频压缩传输处理的一种有效方法，具体涉及一种新的网格聚类抽取背景图片的特征帧。

背景技术

最近，背景建模在高效率监控视频编码发挥越来越重要的作用。同时，许多实用视频编码应用对背景建模也提出了一些具体的要求，如低存储成本、低计算复杂度。

现有的背景建模方法大致可分类为2类：参数化方法，如高斯混合模型-1、高斯混合模型-2、高斯混合模型-3，和非参数方法包括贝叶斯模型，核密度估计，时间中值滤波，均值漂移等。

这些方法具有数学公式多，编码复杂、运行效率低等弊端，亟需采用新的、简单易行且高效的方法用于背景建模。

通过对现有专利及相关技术的检索发现，现有的与获取道路背景图技术相关的方法和系统包括：

⑴Low-complexity and high-efficiency background modeling forsurveillance video coding，2012IEEE International Conference on VisualCommunication and Image Processing,San Jose,USA,pp.1-6,11/2012

提出了一个分部和重量为基础的(SWRA)方法。首先将每个像素在SWRA在训练帧中的位置分成若干时间段，然后计算其相应的平均值与权重。之后，加权平均过程被用来减少的影响前景像素，并获得建模结果。

⑵A Fuzzy Background Modeling Approach for Motion Detection inDynamic Backgrounds，Multimedia and Signal Processing Volume 346of the seriesCommunications in Computer and Information Science pp 177-185

提出了一种方法，在高斯混合-2模型中，使用模糊逻辑系统递归自适应滤波器来计算的更新权重，并最终来获取道路背景图。结果证明使用该模糊的方法与传统方法相比，具有较大的优势。

⑶Difference of Gaussian Edge-Texture Based Background Modeling forDynamic Traffic Conditions，Advances in Visual Computing Volume 5358of theseries Lecture Notes in Computer Science pp 406-417

提出了基于高斯边缘纹理的，获取道路背景和探测汽车的方法。该方法通过像素点和其边缘、非边缘像素点建立联系，具备很强的学习性能，能够很好的对道路前景进行探测和归类。

可以看出以上方法均是基于高斯模型进行道路图处理，具有公式复杂，编码实现难度大，不具备实时性的缺点，不适合于现今对实时性要求较高的道路监控领域。

现有专利中尚没有明确针对聚类获取道路背景图的方法，所以我们提出的基于网格聚类获取道路背景图的方法有较好的研究意义与应用价值。

发明内容

鉴于以上陈述的已有方案的不足，本发明旨在提供高效、简单的方法，并使之克服现有技术的以上缺点。

为了实现上述目的，本发明的考虑是：