[发明专利]目标鬼影消除方法

说明书

本发明提供了一种目标鬼影消除方法，传统的ViBe算法对含有运动目标的图像进行初始化背景建模时，会将运动目标当做背景信息融入到背景模型中，从而在运动目标位置处产生鬼影。本发明通过利用中间帧建立参考背景模型，并比较不同帧间的主背景模型与参考背景模型的像素分离结果，修复用于初始化背景模型的背景图片，最终得到一个不包含前景运动目标的背景图片，以此背景图片进行背景模型建模，得到不包含前景目标的初始背景模型，从而对后续视频帧序列进行像素分类不会将背景像素误判为前景，即从根源上消除了鬼影。

技术领域

本发明涉及一种目标鬼影消除方法。

背景技术

随着多媒体和信息化技术的发展，人们获取信息与处理信息的方式也日趋智能化，不再局限于人类自身感官的感知，基于图像和视频的获取与处理的各种智能监控设备发挥着不可替代的作用。智能监控设备要解决的首要问题是从视频流中自动提取出事件信息，即背景建模和运动目标检测。对此Olivier Barnich等人在2010年提出的一种新的背景建模与前景提取算法：视觉背景提取算法(Visual background extractor)，简称ViBe算法。

ViBe算法的核心在于背景模型初始化、像素分类、背景模型更新三个部分。背景初始化部分是利用第一帧图像为每一个像素建立一个大小为N的背景样本集，该样本集存储了该像素点邻近像素点的像素值及上一帧该点的像素值。像素分类部分主要进行前景提取，即运动目标检测，将当前帧像素点的像素值和它的背景模型样本集进行比较得到相似度，再根据阈值判断该像素点属于前景像素还是背景像素。背景模型更新过程主要是将被检测为背景的像素点，按照一定的概率去更新该点的背景模型样本集或其邻域点的背景模型样本集。在背景模型建立后逐帧进行前景提取和背景模型更新，即可实现运动目标的检测。

鬼影是被检测为前景的区域中没有任何运动目标，即虚假的前景区域，是使用背景差法检测运动的固有问题。当使用含有运动目标的图像进行初始化背景建模时，会将运动目标当做背景信息融入到背景模型中，对后续的视频帧序列进行前景像素分类时，会在初始背景模型的运动目标位置处产生鬼影。随着在ViBe算法中背景模型的不断更新，鬼影在每一帧中会逐渐消除掉，但是这个过程至少需要五百帧以上的时间。目前ViBe去鬼影的方法，如Cucchiara等利用时空差分方程近似计算前景像素点的光流，通过确定每个前景点集的平均光流来区别运动目标和鬼影；Cheung等利用Kalman滤波更新背景进而区分出运动目标和背景，通过检查前景点集的帧差是否小于阈值来判断鬼影；吴亮等提出基于直方图匹配的鬼影检测算法，利用了鬼影点集边缘像素与邻近背景区域像素分布相似而与运动目标点集相反的基本特性。以上方法的复杂度较大，视频处理过程中占用较多的资源，处理速度较慢，并且涉及到阈值选取的问题，适应性较差。为此发明了一种基于ViBe算法的鬼影快速消除方法，既能够实现鬼影的快速消除，又不涉及阈值选取，具有很好的适应性。

发明内容

本发明的目的在于提供一种目标鬼影消除方法。

为解决上述问题，本发明提供一种目标鬼影消除方法，包括：

步骤S1，在第一帧时基于图像frame₁初始化背景图像bgImage₀和主背景模型BM₀；

步骤S2，基于主背景模型BM₀进行像素分类；

步骤S3，更新主背景模型BM₀；

步骤S4，在第十帧时基于图像frame₁₀进行背景模型初始化，建立参考背景模型BM₁；

步骤S5，分别同时进行基于主背景模型BM₀和参考背景模型BM₁的像素分离和背景模型更新；

步骤S6，在第二十帧时修复背景图像bgImage₀得到修复后的背景图像bgImage₁；