[发明专利]一种基于指数遗忘的自适应背景重建算法有效
申请号: | 201710271968.1 | 申请日: | 2017-04-24 |
公开(公告)号: | CN107194932B | 公开(公告)日: | 2020-05-05 |
发明(设计)人: | 朱洪锦;徐金溪;范洪辉;赵小荣 | 申请(专利权)人: | 江苏理工学院 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/136;G06T7/194 |
代理公司: | 常州佰业腾飞专利代理事务所(普通合伙) 32231 | 代理人: | 翁斌 |
地址: | 213001 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 指数 遗忘 自适应 背景 重建 算法 | ||
本发明涉及一种基于指数遗忘的自适应背景重建算法,用于解决现有技术中计算复杂、鲁棒性差和检测效果差的问题。本发明相对现有背景更新方法在更新权重α的计算和背景更新的方法相对简单,对于更新权重α的计算,减小了视频序列处理的计算量,本发明的方法不仅能够对光线的变化、场景中物体的反复运动、物体通过背景杂乱区域、运动缓慢的物体以及从场景中移入或移除的物体都具有比较好的鲁棒性。本发明消除的传统更新算法中存在的“鬼影”现象并且建模后的背景非常稳定。鉴于以上理由,本发明可以广泛用于计算机图像处理技术和计算机图形学领域。
技术领域
本发明涉及计算机图像处理技术和计算机图形学领域,特别是关于一种基于指数遗忘的自适应背景重建算法。
背景技术
近年来,城市的大规模发展过程中,车辆和道路的矛盾日益突出。频繁的交通事故、严重的交通堵塞成为城市发展的一个致命伤。然而,目前国内的智能交通系统研究还处于起步阶段。
根据车辆视频监测和传输特点,将从视频中采集得到的图像数据首先做背景重建,然后利用背景重建后得到的背景进行视频对象分割,最后将重建的背景、视频对象以及视频对象在视频图像中的位置保存,作为后续视频检测分析的依据。
针对视频对象分割的常用方法包括连续帧间差分法、背景差分法和光流法。其中,连续帧间差分法对于动态环境有很好的适应性,但在实际应用中,对目标运动速度很快或很慢时,往往检测到的区域和实际区域会出现很大的偏差,检测效果差。背景差分法能够提供比较完整的运动目标信息,但随着时间的推移,对光照和外部条件造成的动态场景变化比较敏感,鲁棒性差。光流法能够在不知道场景任何信息的情况下检测出运动目标,但是光流法对噪声比较敏感,鲁棒性差,且计算复杂,计算量非常大,不适于实时处理,且精度较低。
发明内容
本发明要解决的技术问题是:为了解决现有技术中计算复杂、鲁棒性差和检测效果差的问题,本发明提供一种基于指数遗忘的自适应背景重建算法来解决上述问题。
本发明解决其技术问题所采用的技术方案是:一种基于指数遗忘的自适应背景重建算法,用于针对将车辆监控视频分割成的连续多帧图像进行处理得到背景视频,包括以下步骤:1)采用当前帧图像In和原背景图像Bn-1做差分,得到临时运动区域模板Mn;其中,Mn(x,y)为临时运动区域模板Mn中(x,y)位置处的像素值;In(x,y)为当前帧图像In中(x,y)位置处的像素值;Bn-1(x,y)为原背景图像Bn-1中(x,y)位置处的像素值,且x=1,2,3,...,n,y=1,2,3,...,n;2)针对临时运动区域模板Mn中的空洞采用freeman链码提取算法进行填充,得到运动区域模板Mn';3)根据填充之后的运动区域模板Mn',计算原背景图像Bn-1的更新权重α,该更新权重α的公式如下:
其中,area of In为当前帧图像In中像素点数目,表示运动区域中的像素点数目占当前帧图像In像素点总数目的比重得到更新权重α;4)遍历运动区域模板Mn'中每一像素点,并判断运动区域模板Mn'中当前像素点是否是运动区域像素点?若当前像素点的像素值为1,则该像素点为运动区域像素点,进入步骤5);若当前像素点的像素值为0,则该像素点为非运动区域像素点,进入步骤6);5)将当前像素点在原背景图像Bn-1中的像素值赋给更新后背景图像Bn中对应的像素点,得到运动区域图像,进入步骤7);6)原背景图像Bn-1使用背景更新公式更新当前像素点,得到非运动领域图像,进入步骤7):其中,背景更新公式为
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏理工学院,未经江苏理工学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710271968.1/2.html,转载请声明来源钻瓜专利网。