[发明专利]一种基于降采样策略的统计背景减除方法有效
申请号: | 201511023497.X | 申请日: | 2015-12-30 |
公开(公告)号: | CN105741315B | 公开(公告)日: | 2019-04-02 |
发明(设计)人: | 张翔;朱策;覃亚芬;黄康康;余良凯 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06T7/215 | 分类号: | G06T7/215;G06T7/194 |
代理公司: | 成都点睛专利代理事务所(普通合伙) 51232 | 代理人: | 葛启函 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于模式识别与计算机视觉领域,尤其涉及一种基于降采样策略的统计背景减除方法。本发明方法具体步骤为:对每一个前景帧Ft‑s计算重采样时刻r(n);计算从Ft‑s到Ft的稀疏点轨迹;将Ft‑s划分为两个子集F1和F2;计算t‑s时刻到r(n)时刻的移动矢量等。该方法充分利用对多数类样本的降采样技术,实现运动目标的完整、有效分割。 | ||
搜索关键词: | 一种 基于 采样 策略 统计 背景 减除 方法 | ||
【主权项】:
1.一种基于降采样策略的统计背景减除方法,其特征在于,包括如下步骤:S1、对每一个前景帧Ft‑s计算重采样时刻r(n),具体步骤为:S11、取前景最后τf帧作为参考,合成样本帧
在区间(t‑2,t+2]中产生,其中,τf表示前景的帧数,t为采样时刻,r(n)是合成样本帧
的时刻;S12、将S11所述区间(t‑2,t+2]等分为8个子区间;S13、将S12所述8个子区间均等分配给前景帧{Ft‑s|s=1,...,4};S14、初始化合成样本帧数N;S15、设合成样本帧
是以Ft‑s为参考的,所述合成样本帧
均匀地插在重采样区间,计算r(n),其中,r(n)是合成样本帧
的时刻;S2、计算从Ft‑s到Ft的稀疏点轨迹;S3、将Ft‑s划分为两个子集F1和F2,其中,F1为KLT跟踪算法获取的特征像素点中的较好的特征像素点,F2为剩下特征像素点,其中,所述较好的特征像素点为经验判断;S4、计算t‑s时刻到r(n)时刻的移动矢量,具体为:S41、计算S3所述F1中每一个像素点从t‑s时刻到时刻r(n)移动矢量Δ1,具体为:S411、对于S3所述F1中每个特征像素点,由S2所述稀疏点轨迹得到时刻t‑s到最接近r(n)的整数时刻的移动矢量;S412、将S411得到的移动矢量进行线性延伸至r(n),得到时刻t‑s到时刻r(n)的移动矢量Δ1;S42、计算S3所述F2中每一个像素点时刻t‑s到时刻r(n)移动矢量Δ2,具体步骤如下:S421、对于S3所述F2中的像素点zi,假设在S3所述F1中与zi在x方向最近邻的像素点为zk,保持时刻t‑s到r(n)时刻zi和zk的相对位置不变,即zi和zk具有平行的移动矢量;S422、假设像素点zk的移动矢量为
所述移动矢量
指向一个r(n)时刻的新像素点zj,分别计算zj在x方向和y方向的坐标;zj在x方向的坐标为
zj在y方向的坐标为
S423、对于S3所述F2中的像素点zi,其相应的r(n)时刻的像素点为zj′,zk在S3所述F1中,且是zi在x方向最近邻的像素点,分别计算zj′在x方向和y方向的坐标,zj′在x方向的坐标为
zj′在y方向的坐标为
S5、由S41所述的移动矢量Δ1连接的两个像素点有相同的颜色信息,获得以S3所述F1作为参考产生的合成样本帧
由S42所述移动矢量Δ2连接的两个像素点有相同的颜色信息,获得以S3所述F2作为参考产生的合成样本帧
将所述
和所述
合并,记作合成样本帧
S6、对S5所述合成样本帧
进行后处理,得到处理后的合成样本帧
其中,所述后处理分为两种情况:情况A、对一个前景像素点,若其8邻域点全部为空,则该像素点被移除;情况B、对一个空像素点,若其8邻域点超过6个点为前景点,则该像素点被设为前景点,且将该点的8领域点的平均颜色信息设置为该点的颜色信息;S7、求背景帧差分,具体为:S71、选择与当前帧时刻最接近的
S72、与当前背景帧Bk进行差分运算,得到差分映射Dk={di},其中,
s=arg minr(n)|t‑r(n)|;S8、删除部分背景像素点,获取均衡样本集,具体为:对背景样本Bk进行降采样得到
将di≤θ的背景像素点删除,获取均衡样本集,其中θ为经验阈值;S9、计算每个像素点属于前景或背景的概率,进行组合优化分类,具体为:S91、根据
计算每帧Zt的每个像素点zh属于前景的概率,其中,fj是前景训练集中的一个样本,J是参与前景概率计算的总样本数,φ是核函数,H是核宽;S92、根据
计算每帧Zt的每个像素点zh属于背景的概率,其中,fa是背景训练集中的一个样本,G是参与背景概率计算的总样本数;S93、通过最小化能量函数
来获得最终的分类结果,其中,λ是平滑项
和数据项
间的权重,![]()
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201511023497.X/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于单目视频的人体骨架跟踪方法
- 下一篇:一种激光条纹中心提取算法