[发明专利]面向高清高速视频的多通道多模态背景建模方法

权利要求书

1.面向高清高速视频的多通道多模态背景建模方法，其特征在于，包括：

步骤S0：对第一视频进行颜色空间转换处理，获得第二视频；

步骤S1：对所述第二视频进行划分处理，获得预设数目个子区域；

步骤S2：构建所述第二视频的第一个子区域在H、S、I通道上的多模态实时背景模型；

步骤S3：采用并行计算方法，分别构建所述第二视频中的其余子区域在H、S、I通道上的多模态实时背景模型；

所述采用并行计算方法，分别构建所述第二视频中的其余子区域在H、S、I通道上的多模态实时背景模型的步骤包括：

步骤S31：截取所述高清高速视频中的第k帧到第n帧的连续视频片段，并将所述连续视频片段作为背景建模的视频训练样本，其中，n-k≥50；

步骤S32：根据所述视频训练样本，并根据所述并行计算方法，同步构建所述第二视频中的其余子区域在H、S、I通道上的多模态实时背景模型，其中，所述其余子区域为A₂，A₃，A₄，A₅，A₆，A₇，A₈区域；

实时更新所述A₂，A₃，A₄，A₅，A₆，A₇，A₈区域在H、S、I通道上的多模态实时背景模型，从而完成对整个所述视频场景的背景建模；

构建所述第二视频的第一个子区域在H、S、I通道上的多模态实时背景模型的步骤包括：

步骤S21：截取所述高清高速视频中的第k帧到第n帧的连续视频片段，并将所述连续视频片段作为背景建模的视频训练样本，其中，n-k≥50；

步骤S22：根据所述视频训练样本，构建所述第二视频中的第一子区域在H通道上的初始化背景模型，其中，所述第一子区域为A₁区域；

步骤S23：实时更新所述A₁区域在H通道上的初始化背景模型；

步骤S24：根据所述步骤S22-S23，计算所述A₁区域在S通道上的实时更新的背景模型，且包含：在S通道上的n+g帧时刻每个像素点A₁(i,j)独有的多模态背景估计值以及在S通道上的n+g帧时刻所有像素点共享的背景模型学习率

步骤S25：根据所述步骤S22-S23，计算所述A₁区域在I通道上的实时更新的背景模型，且包含：在I通道上的n+g帧时刻每个像素点A₁(i,j)独有的多模态背景估计值以及在I通道上的n+g帧时刻所有像素点共享的背景模型学习率

步骤S26：根据所述步骤S22-S25，构建所述A₁区域对应的HSI三通道多模态实时背景模型；

根据所述视频训练样本，构建所述第二视频中的第一子区域在H通道上的初始化背景模型的过程中，还包括：

步骤S221:确定H通道上所述A₁区域内的每一个像素点A₁(i,j)，并统计A₁(i,j)在k～n帧内的像素值序列的中位数、均值、众数，将所述中位数、均值、众数的数据集合作为所述像素点A₁(i,j)在第n帧时的多模态背景估计值

步骤S222:计算H通道上所述A₁区域内所有像素点的像素值在k～n帧内从θ₁灰阶跃迁为θ₂灰阶的第一跃迁概率，并根据所述第一跃迁概率生成所述A₁区域内所有像素点共享第n帧时的背景模型学习率

背景模型学习率的通过如下的迭代算法计算，其步骤包括：

E(θ₁→θ₂)＝1；

其中，和分别代表A₁区域内的任意像素点A₁(i,j)在第k帧和第k+1帧中的像素值，并分别记为θ₁和θ₂，H通道中像素值为隶属于[1,360]的自然数，因此：θ₁∈[1，360]，θ₂∈[1，360]；E(θ₁→θ₂)＝1表示检测到以下的事件1次：A₁(i,j)的像素值从k帧中的θ₁灰阶跳变为k+1帧中的θ₂灰阶；∑E(θ₁→θ₂)表示统计A₁区域内所有像素点的像素值从k帧中的θ₁灰阶跳变为k+1帧中的θ₂灰阶的次数，将∑E(θ₁→θ₂)的值记录在方阵H的对应单元中；方阵是对视频训练样本的1～n帧内值的累加，中表示视频训练样本内检测到的像素值从θ₁灰阶跳变为θ₂灰阶的总次数；将的值归一化为[0,1]之间的概率值，确定背景模型学习率表示大小为360×360的方阵。