[发明专利]一种树叶扰动情况下监控视频的有效浓缩方法

摘要

本发明提供一种树叶扰动情况下监控视频的有效浓缩方法，主要包括以下部分：对输入视频进行基于混合高斯模型的背景建模，获得背景模型，分离出运动物体；对混合高斯建模后的每一帧，通过腐蚀、膨胀操作，消除部分噪声；根据前景物体占整幅图像的比例，初步判断是否保留当前帧；将背景图像和当前帧图像分块，计算并比较背景帧和当前帧图像每一块的颜色直方图差异，判断运动物体是树叶扰动还是前景目标；保留非树叶扰动的前景帧，并组合这些帧生成浓缩视频。本发明的优点在于，针对树叶扰动情况下的监控视频，提出了一种基于分块直方图对比的策略，有效提高了视频浓缩的鲁棒性和准确率。

主权项

一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于包括以下步骤：步骤1：对输入视频中的每一帧图像，计算像素大量样本值的概率密度等统计信息(如高斯模型的数量、每个高斯模型的均值(μ)和标准差(σ))；使用统计差分(如3σ原则)进行目标像素判断，对复杂动态的背景进行建模；步骤2：利用已建立的背景模型，提取前景目标，即运动物体，并将图像进行二值化处理，获得二值化图像；步骤3：通过腐蚀膨胀这些形态学操作，消除部分微小噪声的干扰；步骤4：计算前景物体像素占整幅图像的比例，若比例大于阈值T1，将权重系数S1加5。若比例小于阈值T1，则进行下一步运算；步骤5：随着场景的不断变化，每个像素的混合高斯模型会被不断地学习更新，构建出的背景模型相应的被更新，以保证背景模型的准确性；步骤6：将视频的每一帧分为N个小块，分别计算每个小块的颜色直方图，以及跟背景模型相对应位置小块的颜色直方图差异。如果某个小块的直方图差异大于阈值T2，则假定有运动物体。如果大于T2的小块数量大于阈值T3，即认定有运动物体而并非树叶扰动，将权重系数S2加5；步骤7：S1+S2大于阈值T，则保留此帧。循环处理每一帧，将保留下来的帧生成浓缩视频。