[发明专利]一种面向静态相机的非线性背景模型更新方法

说明书

本发明公开了一种面向静态相机的非线性的背景模型更新方法。该方法的步骤为输入一图像帧或一段视频；建立背景模型；输入当前图像帧；计算当前图像帧中每个像素点上的视觉特征与前一时刻该像素点上的背景模型特征之间的差异；将当前图像帧中每个像素点上的差异值与一检测阈值比较以确定该像素点是属于背景还是前景；如果该像素点是属于背景，则根据该像素点上的当前图像帧中视觉特征与前一时刻该像素点上的背景模型特征之间的差异来自适应调整该像素点上背景模型的更新率，并更新该像素点上的背景模型。本发明简单易行，使得背景模型随着时间推移演化平稳，不会轻易将一些前景对象或区域的内容加入到背景模型中，从而提高前景对象检测的精度。

技术领域

本发明涉及背景减除法中背景模型的更新方法，尤其是涉及一种面向静态相机的非线性背景模型更新方法。

背景技术

背景减除法是很多计算机视觉应用系统中一个非常关键的预处理步骤，它能从视频中检测到有意义的运动前景对象或区域，为后续的视频分割、语义分析、视频检索等提供必要的技术支持。

相对于视频分割技术，背景减除法只依赖于过去时刻输入的图像帧和当前时刻输入的图像帧，是一种因果性的视频分析检测算法(绝大多数背景减除法不依赖将来时刻输入的图像帧)，而且一般背景减除法算法复杂度比较低，因此广泛应用于视频监控、遥感和人机交互系统中。

面向静态相机，背景减除法一般包含如下几个主要步骤：

(1)背景模型建立：可以采用视频刚开始的一些图像帧通过学习方式来建立背景模型，也可以简单地以第一帧图像作为背景模型。

(2)前景检测：将当前输入图像帧和背景模型作比较，当输入图像帧中相应位置上的特征和背景模型中相对应位置上的特征之间的差异比较大时，比如超过一个事先设置的检测阈值，则判定该位置出现前景对象，反之，则为背景。在检测过程中所采用的特征可以是色彩、纹理或其它视觉特征等，最简单的视觉特征就是灰度信息。

(3)背景模型更新：随着时间的推移，即便是静态场景也会发生变化，比如监控视频中一天不同时段光照条件的不一样造成场景中光照条件发生变化；或者气候条件发生变化也导致光照条件发生变化；或者原先静止的对象开始移动，如停放的车辆开始移动；或者车辆驶入停车场后停放很长时间等。因此背景模型应随着时间的推移和场景的变化做出相应的更新。

发明内容

本发明的目的在于提供一种面向静态相机的非线性背景模型更新方法，该方法包括下列步骤：输入一帧图像或一段视频，建立背景模型；输入当前图像帧；根据当前图像帧和前一时刻背景模型之间的差异，检测出当前图像帧中属于背景的像素点，和属于有意义运动的前景对象或区域；在被确定为背景的像素点上，根据当前输入和前一时刻背景模型之间差异来自适应调整该像素点背景模型的更新率并更新它的背景模型。

本发明采用的技术方案的步骤如下：

步骤1)设定一个检测阈值T，设定一个背景更新率α(其中0≤α≤1)；

步骤2)采用视频刚开始2-3秒内的图像帧来学习建立背景模型，或以第一帧图像作为背景模型；

步骤3)输入当前图像帧；

步骤4)计算当前图像帧和背景模型之间的视觉特征差异，为色彩、纹理或灰度差异；

步骤5)针对当前图像帧中每一个像素点，根据该像素点在步骤4)中计算出来的差异值，如果它大于步骤1)中设置的检测阈值T，则判定该像素点是前景对象，反之，则判定该像素点为背景；

步骤6)针对步骤5)中判定为背景的像素点，根据该像素点当前的输入和该像素点前一时刻背景模型之间差异来自适应调整该像素点背景模型的更新率，并更新该像素点的背景模型如下：