[发明专利]一种基于加权样本的视频背景提取方法

摘要

本方法公开了一种基于加权样本的视频背景提取方法，第一步，读入视频图像；第二步，对读取的图像进行背景建模，如果读取的图像为第一帧，则初始化模型，否则背景检测；第三步，如果当前像素为背景像素，则随机进行背景更新；第四步，获得背景图像，保存图像。本发明提出了一种加权样本的视频背景提取方法，利用样本的权重和“活动”样本进行样本更新，降低了有效样本的错误更新，提高了模型的表达能力。在保证背景检测准确率的前提下，降低了样本的使用量，提高了计算效率，因而可以降低视频背景提取的成本，实时性更优，适用范围广。

主权项

1.一种基于加权样本的视频背景提取方法，其特征在于，该方法包括以下步骤：步骤1：读入视频文件，读取视频每帧图像的大小为M×N×L，M,N分别表示读入图像矩阵的行数和列数，其中M,N都为正整数，L表示读入图像的通道数，L＝1或3，当L＝1表示读入的图像为单通道，即灰度图像，当L＝3表示读入的图像为三通道，即彩色图像，将读入的第i帧图像记为F_i；步骤2：对于图像中的每个像素位置x，建立一个含N个样本的背景模型M(x)，总共建立M×N个像素背景模型，所述背景模型为：M(x)＝{K₁(x),K₂(x),...,K_N(x)},其中K_i(x)表示背景模型M(x)中的模板，K_i(x)包括如下三个元素：1)背景样本，其表示第i个历史背景像素v_i；2)权重，其表示每个样本在像素模型中所占权值，记为c_i(x)；3)效能，它用来检测背景样本是否活动，是一个逻辑运算，即“是或否”，记为t_i(x)，K_i(x)具体地表示为：K_i(x)＝{v_i,c_i(x),t_i(x)}；步骤3：读入图像，如果读入图像为第一帧，则按照以下方式对步骤2中的背景模型M(x)进行初始化，得到M(x)的初始值M⁰(x)，否则直接进入步骤4：步骤301：对N个样本v_i分别按照如下方式进行初始化：通过随机选取当前像素位置x处8邻域中的一个像素值w，将该像素值w赋给背景模型中的背景样本v_i；步骤302：将一个固定值1赋给背景模型M(x)中的每个权重c_i(x)，然后从N个权重c_i(x)中随机的选取p个，对于选取的p个权重c_i(x)分别进行加1操作；步骤303：将背景模型M(x)中每个效能t_i(x)赋值为0，即该样本点是“不活动”；步骤4：按照如下方式对当前帧图像进行前景检测：首先计算当前像素v(x)与其相对应的背景模型中样本的欧式空间距离，如果该距离小于阈值R(x)，则标记该样本t_i(x)为“活动”，否则t_i(x)标记为“不活动”，统计“活动”样本的权重Γ_i(x)和像素位置x处“活动”样本的个数H_N(x)，如果权重的和大于给定的阈值2，则标记该像素v(x)为背景，即B(x)＝1并进入步骤5，否则标记为前景B(x)＝0并将前景B(x)＝0作为提取到的视频前景输出，结束流程；步骤5：按照以下方式对背景模型M(x)进行背景更新：步骤501：对样本进行随机更新，即在区间[0,β]中随机选择一个整数其中β为正整数，若则将背景B(x)＝1作为提取到的视频背景输出，结束流程，否则进入步骤502；步骤502：对背景模型M(x)中的“活动”样本的加权进行奖励，即对H_N(x)个“活动”样本的权值分别增加1/H_N(x)，同时对“不活动”样本进行惩罚，即对(N‑H_N(x))个“不活动”样本的权值分别减少1/(N‑H_N(x))；步骤503：通过对模型M(x)中每个样本的权值进行大小比较操作，选取最小的权值并记录其所在位置k，首先将最小权值所在位置的样本值v_k替换为当前的像素值v(x)，而后增加该样本所在位置的权值同时将该像素模型中N个样本权值分别减去1/N，即c_i(x)＝c_i(x)‑1/N,i＝1,2,...,N；步骤504：对当前帧在像素位置x处的8邻域模型M^Neigh(x)进行随机更新，即在区间[0,β]中随机选择一个整数其中β为正整数，若则将背景B(x)＝1作为提取到的视频背景输出，结束流程，否则进入步骤505；步骤505：在像素位置x处随机地选择8邻域中的一个模型M^Neigh(x)，通过对模型M^Neigh(x)中每个样本的权值进行大小比较操作，选取最小的权值并记录其所在位置将模型M^Neigh(x)中最小权值所在位置的样本值替换为当前的像素值v(x)，而后增加该样本所在位置的权值同时将该模型M^Neigh(x)中N个样本权值分别减去1/N，即c_i(x)＝c_i(x)‑1/N,i＝1,2,...,N，将背景B(x)＝1作为提取到的视频背景输出，结束流程。