[发明专利]一种基于单高斯背景建模的厨房老鼠检测方法

说明书

本发明公开了一种基于单高斯背景建模的厨房老鼠检测方法，首先初始化全局参数，若为第一帧，则初始化背景模型，否则判断是否满足更新背景间隔时间T0，若满足，则更新均值u与方差d；然后进行背景差分、前景时间积累、输出前景；所述可疑目标检测包括模型参数简化：将均值u设置为整型，取值范围为[0 255]；将方差d设置为整型，取值范围为[0 255]；增加前景积累时间t，数据类型为整型，取值范围为[0 255]。本发明对厨房场景的鲁棒性更高，算法复杂度更低，成本更低；本发明增加了前景积累时间设置模块，可以设置目标在场景中停留的时间，减少重复报警的概率，同时也降低了人工确认投入的成本，具有较好的实用性。

技术领域

本发明属于通信技术领域，具体涉及一种基于单高斯背景建模的厨房老鼠检测方法。

背景技术

餐饮企业的厨房卫生状况一直饱受消费者诟病，许多宾馆饭店大厅、包间富丽堂皇，然而，厨房却往往惨不忍睹。尤其是餐厅中出现老鼠的事故，最近几年频繁发生。近期，有媒体曾经爆料过，著名的海底捞餐厅，甚至是快餐领域的巨头肯德基和麦当劳的厨房都出现了老鼠的踪迹。

明厨亮灶是国家食品药品监督管理局推行的一项利民工程，即让消费者坐在饭店大厅或者包间，就可以通过透明玻璃或大屏幕将后厨的一举一动尽收眼底。此举既是督促餐饮单位加强自律，也是鼓励他律，使餐饮单位全面接受消费者监督，主动保障饮食安全。

随着视频分析以及人工智能技术的发展与进步，越来越多的事件可以通过视频监控实时进行检测与识别，例如人脸识别、身份认证等。同样，通过视频分析可以对监控场景中的老鼠进行检测。可以实现对老鼠的踪迹进行记录、提前侦测深圳进行报警。

发明内容

本发明的目的在于提供一种基于单高斯背景建模的厨房老鼠检测方法，本发明基于优化改进后的单高斯背景建模方法的前景检测方法，对厨房场景的鲁棒性更高，算法复杂度更低，成本更低；本发明增加了前景积累时间设置模块，可以设置目标在场景中停留的时间，减少重复报警的概率，降低了同一目标重复报警的概率，同时也降低了人工确认投入的成本，具有较好的实用性。

本发明主要通过以下技术方案实现：一种基于单高斯背景建模的厨房老鼠检测方法，包括可疑目标检测的步骤，首先初始化全局参数，若为第一帧，则初始化背景模型，否则判断是否满足更新背景间隔时间T0，若满足，则更新均值u与方差d；然后进行背景差分、前景时间积累、输出前景。

为了更好的实现本发明，进一步的，所述可疑目标检测包括模型参数简化：将均值u设置为整型，取值范围为[0 255]；将方差d设置为整型，取值范围为[0 255]；增加前景积累时间t，数据类型为整型，取值范围为[0 255]；以视频的第一帧f1初始化均值u，初始化方差d为经验值5，将前景积累时间初始化为0，设fg为前景目标，设背景更新间隔时间为T0，前景检测阈值为thr，前景目标持续时间阈值T1；开始顺序读取视频流的下一帧图像f，其中f(x,y)代表在坐标(x,y)处的图像亮度值。

为了更好的实现本发明，进一步的，所述可疑目标检测中背景更新包括针对每一帧视频图像进行处理，若满足背景更新间隔时间T0，则执行背景模型更新操作：

若f(x,y)>u(x,y),则u(x,y)＝u(x,y)+1；

若f(x，y)<u(x,y),则u(x,y)＝u(x,y)–1；

若|f(x，y)-u(x,y)|>d(x,y),则d(x,y)＝mind(x,y)+1；

若|f(x，y)-u(x,y)|<d(x,y),则d(x,y)＝d(x,y)-1；

针对每一帧图像进行处理：

若t(x,y)>T1，则：t(x,y)＝0,u(x,y)＝f(x,y),d(x,y)＝5。