[发明专利]一种基于降采样策略的统计背景减除方法

权利要求书

1.一种基于降采样策略的统计背景减除方法，其特征在于，包括如下步骤：

S1、对每一个前景帧F^t-s计算重采样时刻r(n)，具体步骤为：

S11、取前景最后τ_f帧作为参考，合成样本帧在区间(t-2,t+2]中产生，其中，τ_f表示前景的帧数，t为采样时刻，r(n)是合成样本帧的时刻；

S12、将S11所述区间(t-2,t+2]等分为8个子区间；

S13、将S12所述8个子区间均等分配给前景帧{F^t-s|s＝1,...,4}；

S14、初始化合成样本帧数N；

S15、设合成样本帧是以F^t-s为参考的，所述合成样本帧均匀地插在重采样区间，计算r(n)，其中，r(n)是合成样本帧的时刻；

S2、计算从F^t-s到F^t的稀疏点轨迹；

S3、将F^t-s划分为两个子集F₁和F₂，其中，F₁为KLT跟踪算法获取的特征像素点中的较好的特征像素点，F₂为剩下特征像素点，其中，所述较好的特征像素点为经验判断；

S4、计算t-s时刻到r(n)时刻的移动矢量，具体为：

S41、计算S3所述F₁中每一个像素点从t-s时刻到时刻r(n)移动矢量Δ₁，具体为：

S411、对于S3所述F₁中每个特征像素点，由S2所述稀疏点轨迹得到时刻t-s到最接近r(n)的整数时刻的移动矢量；

S412、将S411得到的移动矢量进行线性延伸至r(n)，得到时刻t-s到时刻r(n)的移动矢量Δ₁；

S42、计算S3所述F₂中每一个像素点时刻t-s到时刻r(n)移动矢量Δ₂，具体步骤如下：

S421、对于S3所述F₂中的像素点z_i，假设在S3所述F₁中与z_i在x方向最近邻的像素点为z_k，保持时刻t-s到r(n)时刻z_i和z_k的相对位置不变，即z_i和z_k具有平行的移动矢量；

S422、假设像素点z_k的移动矢量为所述移动矢量指向一个r(n)时刻的新像素点z_j，分别计算z_j在x方向和y方向的坐标；z_j在x方向的坐标为z_j在y方向的坐标为

S423、对于S3所述F₂中的像素点z_i，其相应的r(n)时刻的像素点为z_j′，z_k在S3所述F₁中，且是z_i在x方向最近邻的像素点，分别计算z_j′在x方向和y方向的坐标，z_j′在x方向的坐标为z_j′在y方向的坐标为

S5、由S41所述的移动矢量Δ₁连接的两个像素点有相同的颜色信息，获得以S3所述F₁作为参考产生的合成样本帧由S42所述移动矢量Δ₂连接的两个像素点有相同的颜色信息，获得以S3所述F₂作为参考产生的合成样本帧将所述和所述合并，记作合成样本帧

S6、对S5所述合成样本帧进行后处理，得到处理后的合成样本帧其中，所述后处理分为两种情况：

情况A、对一个前景像素点，若其8邻域点全部为空，则该像素点被移除；

情况B、对一个空像素点，若其8邻域点超过6个点为前景点，则该像素点被设为前景点，且将该点的8领域点的平均颜色信息设置为该点的颜色信息；

S7、求背景帧差分，具体为：

S71、选择与当前帧时刻最接近的

S72、与当前背景帧B^k进行差分运算，得到差分映射D^k＝{d_i}，其中，s＝arg min_r(n)|t-r(n)|；

S8、删除部分背景像素点，获取均衡样本集，具体为：对背景样本B^k进行降采样得到将d_i≤θ的背景像素点删除，获取均衡样本集，其中θ为经验阈值；

S9、计算每个像素点属于前景或背景的概率，进行组合优化分类，具体为：

S91、根据计算每帧Z^t的每个像素点zh属于前景的概率，其中，f_j是前景训练集中的一个样本，J是参与前景概率计算的总样本数，φ是核函数，H是核宽；

S92、根据计算每帧Zt的每个像素点zh属于背景的概率，其中，f_a是背景训练集中的一个样本，G是参与背景概率计算的总样本数；

S93、通过最小化能量函数来获得最终的分类结果，其中，λ是平滑项和数据项间的权重，