[发明专利]一种用于通道堵塞判别的动态递归建模和融合跟踪方法

权利要求书

1.一种用于通道堵塞判别的动态递归建模和融合跟踪方法，其特征在于，包括以下步骤：

步骤1、对通道背景N帧图像动态递归背景建模，将实时监控图像像素与背景模型对比，分割出通道行人、堆积物等动态和静态物体；

步骤2、提取所跟踪物体位置特征信息，判断跟踪物体是处于运动还是静止状态，针对不同的状态采取背景模型局部条件更新策略；

步骤3、对分割出的通道物体，采用结合物体颜色和位置特征的跟踪算法，实时跟踪通道物体；

步骤4、计算步骤2跟踪物体在通道的滞留时间和宽度占比，判断是否为堵塞物体，并根据堵塞的程度，发出相应的报警警示。

2.根据权利要求1所述的用于通道堵塞判别的动态递归建模和融合跟踪方法，其特征在于，所述步骤1和步骤2的具体流程如下：

(1)假定视频中某像素点在t时刻前的采样值为x_t＝[x^(t),x^(t-1),...,x^(t-T)]，对样本集x_t建立高斯混合模型，即：

其中，分别代表第m个高斯模型的权值，均值，方差和高斯函数；B，F分别代表背景和前景模型，M代表高斯模型个数；

(2)对新出现像素x_i同当前M个模型依次比较，比较方法为：如果有|x_i,t-μ^j_i,t-1|＜2.5σ^j_i,t-1，则认为像素x_i符合当前背景模型，就被视为背景像素，否则视为前景像素，其中，x_i,t表示在第t帧图像中像素点i的像素值，μ^j_i,t-1，σ^j_i,t-1分别表示在t-1帧图像训练后像素点i的混合高斯模型中的第j个高斯模型的均值和标准差；

(3)一旦某个高斯模型匹配成功，则该高斯模型采用像素值x_i更新，其他高斯模型保持不变，更新公式为：

其中，是变化的学习速率，取值范围为即当静止或运动缓慢的物体时，物体范围内背景模型学习速率局部停止更新，其他范围背景模型正常更新；

(4)对M个高斯模型的权值归一化并按大小顺序排列，从中选取前B个高斯模型作为背景模型，剩下(M-B)个高斯模型作为前景模型，其中背景判别式B表示满足背景判别式第b个高斯背景模型的最小整数取值，Ψ表示背景占的比例；

(5)根据前景和背景模型，对图像进行二值化处理，即满足前景和背景模型的象素值分别设置为1和0，对前景二值图像进行连通域分析，将连成的区域归并、分割为一类，即为物体对象O_i(i＝1,2,...N)，并提取其边界位置信息，得到每个物体对象O_i的轮廓R_i。