[发明专利]基于多级分块的交通视频智能识别背景建模方法

摘要

本发明公开了一种基于多级分块的交通视频智能识别背景建模方法，用于解决现有技术中，视频监控中的背景建模方法对于前景目标物较多或者光线变化的复杂环境效果并不理想。该建模方法主要包括两个阶段：背景训练和前景提取两部分，两个阶段顺序进行，即首先通过训练阶段得出较为完整的背景模型，再进入前景检测阶段得到前景目标物。在背景训练中，本实施例融合了帧差法、对称局部二值法、分块密码本算法和分块法，采用多级的方式来对视频背景进行训练。对已经训练完成的背景采用背景差法提取前景目标物。

主权项

1.一种基于多级分块的交通视频智能识别背景建模方法，其特征在于,包括以下步骤：(1)背景训练(11)采用帧差分法对视频图像进行处理，得到二值图像的步骤；(12)分块：对二值图像进行多级分块的步骤；(13)对分块所得的每一分块求取均值，所有像素点均值为0则进行CSLBP特征值以及CB特征向量的更新或/和记录的步骤：(131)若某一分块中所有像素点均值为0，初步假设是背景，用CSLBP算法进行特征值提取；(132)将提取的CSLBP特征值与该分块已有特征值进行比对，如果CSLBP特征值存在，则对CSLBP特征值进行更新，并用CB算法提取CB特征值，如果该CB特征值存在则直接更新，如果CB特征值不存在则对其进行记录；如果CSLBP特征值是不存在，则执行下一步；(133)采用CB分块法提取CB特征值，将CB特征值与该分块已有特征值进行比对，如果是CB特征值存在，则对CB特征值进行更新，并对CSLBP特征值进行记录，如果CB特征值不存在，则进行下一步；(14)重复步骤(11)～(13)，直至完成视频图像背景帧所有块的CSLBP和CB特征值检测，得到完整的背景；(2)前景检测(21)对输入的每一帧采用背景差法求取二值图像；(22)对步骤(21)所得到的二值图像每一个位置求取像素点均值，均值为0则假设为背景，进行背景比对，如果是已经存在的背景则确认为背景，如果该背景不存在，则进行CSLBP纹理和CB特征比对，只要有一个符合即认为是已有背景，否则进行记录和更新；对于均值不为0的部分进行CSLBP比对，如果不符合背景则认为是前景，如果符合背景纹理，则进行CB特征向量比对，如果亦符合则认为是背景，否则认为是前景；(23)重复步骤(21)～(22)完成视频图像所有帧的前景检测。