[发明专利]一种基于置信度加权融合和视觉注意的前景提取算法

权利要求书

1.一种基于置信度加权融合和视觉注意的前景提取算法，其特征在于，包括以下步骤：

(1)在前N帧初始化背景模型；

(2)采用颜色和纹理置信度自适应加权融合的方式检测运动前景目标；

(3)更新样本颜色维度和纹理维度的置信度和权值；

(4)构建视觉注意机制检测短时静止前景，并修正和融合前景检测结果；

(5)依据前景检测结果指导更新背景模型。

2.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(1)中，通过获取前N帧像素信息建立背景模型B(x)，模型由N个样本构成，结构如下：

B(x)＝{B₁(x),B₂(x),...,B_i(x),...,B_N(x)}

其中，样本B_i(x)由颜色值v_i、LBSP纹理特征值LBSP_i(x)、颜色维度置信度和纹理维度置信度组成，即：

。

3.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(2)中，颜色和纹理置信度自适应加权融合的检测方式，具体包括以下步骤：

(2-1)将当前像素I_t(x)与模型中样本的距离小于给定的距离阈值R(x)的样本记为强相关性样本，获取其个数并记为n，并标记强相关性样本对应的颜色置信度和纹理置信度分别记为和即：

其中，m取值1或2，对应颜色维度和纹理维度。在颜色维度判断时使用欧氏距离，在纹理维度判断使用汉明距离。

(2-2)对强相关性样本的颜色置信度和纹理置信度分别求和，然后对二者加权求和，如果小于最小阈值#min则判定为前景，否则为背景,即：

。

4.根据权利要求1所述的基于置信度加权融合和视觉注意的前景提取算法，其特征在于，所述步骤(3)中样本置信度和置信度权值的更新策略包括：

(3-1)对于检测为背景的像素，通过当前像素信息替换模型中置信度最小的样本模板，为了新样本不被迅速更新，在模型中引入新样本适应背景变化，对此样本置信度值加1。为了保证模型的稳定性，对像素的所有样本模板置信度均减

(3-2)当t_i(x)＝0时，当前帧像素与模型中样本的距离大于给定距离阈值，此时样本是有效的，然后增大有效样本的置信度，减小无效样本的置信度，颜色维度和纹理维度置信度更新方式具体为：

其中，其中m取值1和2，对应颜色维度和纹理维度，γ为有效样本的数量，N为样本总数。

(3-3)颜色权值λ₁(x)和纹理权值λ₂(x)更新策略如下：

即当颜色置信度之和超过阈值T时，以较大更新水平φ_max更新颜色权值λ₁(x)，否则小置信水平φ_min更新权值λ₁(x)；当纹理置信度超过距离阈值T时，以较大更新水平φ_max更新纹理权值λ₂(x)，否则以较小置信水平φ_min更新权值λ₂(x)。