專利名稱：一種背景提取方法
技術領域：
本發(fā)明屬于視頻檢測技術領域，具體地說，是涉及一種視頻背景的提取方法。
背景技術：
背景提取技術是視頻檢測領域最關鍵的技術。背景提取，顧名思義就是從 含有目標的視頻序列中去除目標，恢復背景。背景提取質量的好壞直接關系到目標檢測的效果，例如圖像中某個區(qū)域的實際的背景像素值是128，但是背 景提取時的像素值由于效果不好可能僅為90,那么當作背景做差分計算時，這 一區(qū)域檢測的結果就會很不準確，常會出現將背景檢測成目標，或者將目標檢 測成背景的情況?，F有的背景提取技術一般都計算比較復雜，比較成熟的是高斯背景提取法， 尤其是混合高斯模型背景提取法(混合高斯模型背景提取法是業(yè)內人員普遍知 道的一種算法模型)，在2005年全國博士生學術論壇(交通運輸工程學科)發(fā) 表的《混合交通流視頻檢測中區(qū)域選擇更新混合高斯背景模型研究》 一文中就 公開了 一種采用混合高斯模型背景提取法來提取背景的技術，克服了交通控制 信號或交通阻塞等造成的長時間停車，以及高峰期大量運動物體長期充滿當前 圖像等情況下對背景抽取造成的影響。該模型可以對交叉口和路段視頻進行背 景提取。但是，混合高斯模型的方法計算比較復雜，應用到嵌入式系統(tǒng)中是非常困 難的。因此，對于目前采用嵌入式系統(tǒng)組建的的實時-見頻監(jiān)控系統(tǒng)來說，還沒 有 一種簡單有效的背景提取方法可以應用。發(fā)明內容本發(fā)明為了解決現有背景提取技術計算比較復雜，應用到實時系統(tǒng)中比較困難的問題，提供了一種計算比較簡單、效果比較好的^L頻背景提取方法，可 以方便地移植到實時的視頻監(jiān)控系統(tǒng)中。為解決上述技術問題，本發(fā)明的背景提取方法采用以下步驟實現a、 用當前幀與初始背景做差分后，所得結果記為圖像DIF;b、 將圖像DIF多值化，即把圖像DIF中的各數據按照由背景到目標的順序 劃分成多個等級，并采用不同的值進行表示，其結果記為圖像Level;c、 將圖像Level中的各數據采用當前幀的像素值與初始背景的像素值的加 權值代替，即z=A*x+(l-A)*y，以形成背景圖像；其中，x為當前幀的像素值， y為初始背景的像素值，A為力口權系凄t， z為加權結果。進一步的，在所述步驟a中，所述差分是指做差值后再取絕對值，即圖像 DIF中的各數據是通過將當前幀中的各像素值與初始背景中相應位置的像素值 做差值后再取絕對值后所得到的結果。又進一步的，所述多值化的閾值才艮據圖像DIF中數據的特點動態(tài)確定。多 值化的分值可以是任意值，比如可以是3值化、5值化、7值化等等，分值越多， 解決越精確；優(yōu)選5值化或者7值化。再進一步的，在所述步驟c中，將圖像Level中等級最低的像素值全部采 用當前幀或者初始背景中該處的像素值代替；將等級最高的像素值全部采用初 始背景中該處的像素值代替。而對于等級介于最低和最高之間的各數據，在執(zhí) 行加權運算進行像素值代替時，考慮到等級越低則當前像素是背景的概率越大 而是目標的概率越小，相反等級越高的像素是背景的概率越小而是目標的概率 越大的特點，所述加權系數A的值隨等級的升高而加大。需要指出的是，在步驟c中，所述的背景圖像為一幅臨時的背景幀，對視 頻序列中后續(xù)的(N-l)幀圖像循環(huán)執(zhí)行步驟a、 b、 c,得到N幅臨時的背景幀，求所述N幅臨時背景幀的平均值，即形成最后的背景圖像；所述N為大于1的 自然數。更進一步的，所述初始背景采用均值法將視頻序列的前M幀圖像取均值后 得到，所述M為大于1的自然數。當然，所述的初始背景也可以采用高斯模型 法提取。優(yōu)選的，所述^M-100。與現有技術相比，本發(fā)明的優(yōu)點和積極效果是本發(fā)明的背景提取方法計 算簡單，運行效率高，背景提取效果好，可適應于嵌入式系統(tǒng)，容易移植到實 時的視頻監(jiān)控系統(tǒng)中，比如視頻4全測器、智能交通監(jiān)控系統(tǒng)等。結合附圖閱讀本發(fā)明實施方式的詳細描述后，本發(fā)明的其他特點和優(yōu)點將 變得更加清楚。


圖l是本發(fā)明所提出的背景提取方法的原理框圖；圖2是本發(fā)明所提出的背景提取方法的一種具體程序流程圖。務*實施方式下面結合附圖對本發(fā)明的具體實施方式
進行詳細地描述。本發(fā)明的背景提取方法主要采用加權多值化來更新背景得到最終的背景圖 像。所謂加權就是考慮到不同變量在總體中的比例份額；多值化就是把差值的 圖像按照由背景到目標的順序劃分成多個等級，等級越低則當前像素是背景的 概率越大而是目標的概率越小，相反，等級越高則當前像素是背景的概率越小 而是目標的相克率越大。下面以交通監(jiān)控系統(tǒng)為例來具體闡述本發(fā)明所提出的背景提取方法在實時 視頻監(jiān)控系統(tǒng)中的應用。在交通監(jiān)控系統(tǒng)中需要檢測車輛的流量、車型和車速等數據，測量這些數據就需要先檢測到運動目標，而若要準確地檢測到運動目標，采用背景差分是 最佳方法，所謂背景差分就是用當前幀與提取的背景幀做差值后再取絕對值。 當然，這需要一個精確的背景圖像作為支持。目前普遍采用高斯模型背景提取 法來獲得所述的背景圖像，但由于其計算復雜，很難在使用嵌入式系統(tǒng)的交通 監(jiān)控系統(tǒng)中移植應用。而采用本發(fā)明所提出的加權多值化背景提取方法則能很 好地解決這一問題。圖1為所述加權多值化背景提取方法的原理框圖，具體包括以下三部分一、 初始化二背景更新時需要一個初始背景，這個背景圖像不需要多么精確，當然越精 確越好。獲得這幅初始背景的方法很多，例如高斯建模法、均值法等等。由于 高斯建模法計算比較復雜，本實施例采用均值法獲取初始背景，即將視頻序列 的前M幀圖像取均值，得到的圖像即為初始的背景圖像。這里M為大于1的自 然數，具體可以根據實際情況選擇合適的值， 一般在20 200之間。在本實施 例中，選取M-IOO。二、 背景更新有了初始背景后，下一步需要逐幀對背景圖像進行更新，來漸漸地生成比 較標準的背景圖像。需要指出的是，此時的逐幀更新是對M幀(在本實施例中 是100幀)之后的圖像進行逐幀更新。在本實施例中，采用加權多值化的方法進行背景更新，具體步驟如下1、 用當前幀與初始背景做差分，這里的差分運算可以采用對當前幀中的各 像素值與初始背景中的相應像素值求差值后再取絕對值的運算方法，得到的圖 像結果記為圖像DIF。 DIF在此表示差值結果圖像。2、 將圖像DIF多值化，即把圖像DIF按照由背景到目標的順序劃分成多個 等級，等級越低則當前像素是背景的概率越大而是目標的概率越?。幌喾?，等 級越高則當前像素是背景的概率越小而是目標的概率越大；得到的圖像結果記 為圖像Level。多值化的閾值采用動態(tài)閾值，即根據圖像DIF中數據的特點確定多值化的 閾值，每一幀都不一定相同。采用動態(tài)閾值是由于外部光線的變化會使得每一 幀圖像的光線不一樣，與初始背景做差分后，再進行多值化所需要的閾值也不 一樣。例如有的圖像幀需要與背景圖像差值大約15的認為是目標，有的圖像 幀則需要與背景圖像差值大于20的認為是目標。因此，在實際應用過程中需要 根據當前的環(huán)境情況實時地調整多值化的閾值，以獲得較為準確的背景圖像。多值化存在靈活性，多值可以是任意值，比如可以是3值化、5值化、7 值化等等，分值越多，解決越精確。為了方便和清楚起見，可以采用0 (L-1) L個數字來表示多值化的L個 分值，即每個像素的值只能是0~ (L-l)中的一個；其中，L為大于l的自然 數。當然，這里也不一定非得用0~ (L-l)這L個數字來表示，只要是L個不 同的值即可。以5值化為例，可以采用0 4五個數字來標志五值化的五個結果， 得到的圖像結果記為圖像F i veLeve 1 。3、將圖像Level中的各數據采用當前幀的像素值與初始背景的像素值的加 權值代替，即z=A*x+(l-A)*y，以形成背景圖像。其中，x為當前幀的像素值； y為初始背景的像素值；A為力口權系數，且0<=八<=1; z為加權結果。在本實施例中，將圖像Level中等級最低的各數據全部采用當前幀中該處 的像素值代替；而將等級最高的像素值全部采用初始背景中該處的像素值代替； 而對于等級介于最低和最高之間的各數據，在執(zhí)行加權運算進行像素值代替時， 考慮到等級越低則當前像素是背景的概率越大而是目標的概率越小，相反等級 越高的像素是背景的概率越小而是目標的概率越大的特點，所述加權系數A的 值隨等級的升高而加大。以圖Y象FiveLevel為例，將圖像FiveLevel中結果為0的lt據全部采用當 前幀中該處的像素值代替；因為圖像FiveLevel中結果為0的像素點，我們認 為當前幀像素值與背景幀像素值相同，可確定當前幀這個點是背景點，因此， 用當前幀中的像素值代替，當然，也可以用初始背景中的像素值代替；將結果為1的數據用當前幀中該處的像素值和初始化背景中該處的像素值的加權值代替，當前幀的權值d、一些，初始背景的4又值大一些，例如這里采用0. 3和0. 7, 即加權系數A-O. 3;將結果為2的數據用當前幀中該處的像素值和初始化背景 中該處的像素值的加權值代替，當前幀和初始背景的取值可以一樣大，例如這 里采用0. 5和0. 5，即加權系數A=0. 5;將結果為3的數據用當前幀中該處的像 素值和初始化背景幀中該處的像素值的加權值代替，當前幀的權值大一些，初 始背景的4又值小一些，例如這里采用0. 7和0. 3,即加;f又系凄t A=0. 7;將結果為 4的數據用初始背景中該處的像素值代替，因為結果為4的數據我們認為是目 標，此處采用初始背景中的像素值代替可以將目標從背景中剔出，還原背景。 這樣就形成了一幅臨時的背景幀，記為TMPBG1。 在此再列舉一個7值化的例子。將圖像DIF根據閾值先7值化，結果圖^f象記為圖像SevenLevel， 7值化的 結果用0~6代替。將圖像SevenLevel中的結果為0的像素值全部用當前幀中該處的像素值代 替；將結果為1的數據用當前幀中該處的像素值和初始背景中該處的像素值的 加權值代替，當前幀的權值為0. 2,背景幀的權值為0. 8;將結果為2的數據用 當前幀中該處的像素值和初始背景中該處的^f象素值的加權值代替，當前幀的權 值為0. 4,背景幀的權值為0. 6;將結果為3的數據用當前幀中該處的像素值和 初始背景中該處的像素值的加權值代替，當前幀的權值為0.5，背景幀的權值 為0.5;將結果為4的數據用當前幀中該處的像素值和初始背景中該處的像素 值的加權值代替，當前幀的權值為0. 6，背景幀的權值為0. 4;將結果為5的數 據用當前幀中該處的像素值和初始背景中該處的像素值的加權值代替，當前幀 的權值為0. 8,背景幀的權值為0. 2;將結果為6的數據用初始背景中該處的像 素值代替；A^而形成一幅臨時的背景幀TMPBG1。4、對視頻序列中后續(xù)的(N-l)幀圖傳_循環(huán)執(zhí)行上述步驟1、 2、 3，即可 得到N幅臨時的背景幀，記為TMPBGn(n = 1 ，2， 3, ......N);其中，N為大于1的自然數；在本實施例中，可以取N=100。 三、獲得最后的背景圖像求所述N幅臨時背景幀TMPBGn (n = 1 ，2,3, ......N)的平均值,即形成最后的背景圖像。需要指出的是這里的N = 100的含義不是說到100幀后背景提取就結束 了，而是說臨時背景的幀數是10G幀，就是說背景提取的過程始終在進行，如 果是用第201幀更新背景，則用生成的第101幀臨時背景TMPBGIOI覆蓋掉TMPBG1，然后將TMPBGn (n = 2, 3， ......, 101)這100幀臨時背景平均得到當前幀更新背景的結果；繼續(xù)用第202幀更新背景的時候，用生成的第102幀臨時背景TMPBG102覆蓋掉TMPBG2，然后將TMPBGn (n =3， 4，......， 101， 102)這IOO幀臨時背景平均得到第202幀更新背景的結果，后續(xù)依次類推?？傊?00 幀臨時背景總是存儲最新生成的臨時背景。圖2為上述加權多值化背景提取方法的軟件流程框圖，具體包括以下步驟5201、 程序初始化；具體包括① 定義變量M、 N，并對各變量進行賦值；例如M=N=100;② 定義變量i=j=l;③ 確定多值化的分值L、各閾值以及L個標志；以5值化為例，則定義1/=5; 各閾值定義為0、 5、 10、 15;采用0~4五個數字來標志五值化的五個結果； 這樣得到的圖像結果記為圖像FiveLevel; 確定多值化處理后各結果所對應的加權系數；以5值化為例，結果0對應 的加權系數A。-1 (或者是O，因為此處當前幀的像素值與初始背景的像素值相 同)；結果1對應的加權系數A產O. 3;結果2對應的加權系數A2=0. 5;結果3 對應的加權系數A產O. 7;結果4對應的加權系數A產0;5202、 對視頻序列的前M幀圖像取均值，以獲得初始背景；在本實施例中， 取M400，即對視頻序列的前100幀圖像求平均值，所得結果定義為初始背景 圖像；5203、 用第(M+j)幀圖像與初始背景做差分，所得結果記為圖像DIF;即 對第(M+j )幀圖像中的各像素值與初始背景中的各相應像素值求差值后再取絕 對值，以形成差值結果圖像DIF;5204、 根據確定的各閾值對圖像DIF中的各數據進行多值化處理，所得結 果記為圖像Level;以5值化為例，即將圖像DIF中等于0的數據置為0,大于 0且小于等于5的數據置為1,大于5且小于等于10的數據置為2，大于10且 小于等于15的數據置為3，大于15的數據置為4 (即對于第(M+j)幀圖像中， 與初始背景中像素值的差值的絕對值大于15的像素被認為是目標)；5205、 將圖像Level中的各結果所對應的像素值采用當前幀中該處的像素 值與初始背景中該處的像素值的加權值代替，其加權系數參照初始化步驟S201 中的定義確定，計算公式為z=A*x+(l-A)*y;其中，x為第(M+j)幀圖像的像 素值，y為初始背景的像素值，A為力口權系數，z為加權結果；以5值化為例， 不同結果0 4對應不同的加外又系凄tA。 ~A4 ;5206、 獲得臨時背景幀TMPBGj;5207、 i=i+l; j=j+l;5208、 判斷i是否大于N,若是，則執(zhí)行后續(xù)步驟，否則，返回步驟S203;5209、 對最新的N幅臨時背景幀TMPBGn(n = j-N , j-(N-l), j-(N-2)，... j-l)求平均值，即得到最后的背景圖像，這里的最后背景圖像是指當前幀更新背景的結果；在本實施例中，N=100,即對視頻序列中最新的IOO幀圖像進 行逐幀更新后，取其平均值以得到當前幀更新背景的結果，如第200幀更新背 景的結果、第201幀更新背景的結果、第202幀更新背景的結果......；5210、 i=i-1，返回步驟S203,對后續(xù)幀執(zhí)行背景更新。 本發(fā)明所提出的加權多值化背景提取方法計算簡單，背景提取效果好，較現有的高斯模型背景提取法運行效率高，可以方便地移植到實時的視頻監(jiān)控系 統(tǒng)中，特別是目前采用嵌入式系統(tǒng)的交通監(jiān)控系統(tǒng)中，以準確提耳又車輛流量、 車型和車速等。當然，以上所述僅是本發(fā)明的一種優(yōu)選實施方式而已，應當指出，對于本 技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若 干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。
權利要求
1、一種背景提取方法，包括以下步驟a、用當前幀與初始背景做差分后，所得結果記為圖像DIF；b、將圖像DIF多值化，即把圖像DIF中的各數據按照由背景到目標的順序劃分成多個等級，并采用不同的值進行表示，其結果記為圖像Level；c、將圖像Level中的各數據采用當前幀的像素值與初始背景的像素值的加權值代替，即z＝A*x+(1-A)*y，以形成背景圖像；其中，x為當前幀的像素值，y為初始背景的像素值，A為加權系數，z為加權結果。
2、 根據權利要求1所述的背景提取方法，其特征在于所述多值化的閾值 根據圖像DIF中數據的特點動態(tài)確定。
3、 根據權利要求2所述的背景提取方法，其特征在于所述多值化為5 值化或者7值化。
4、 根據權利要求2所述的背景提fL方法，其特征在于在所述步驟c中， 將圖像Level中等級最低的像素值全部采用當前幀或初始背景中該處的像素值 代替。
5、 根據權利要求4所述的背景提取方法，其特征在于在所述步驟c中， 將圖像Leve 1中等級最高的像素值全部采用初始背景中該處的像素值代替。
6、 根據權利要求5所述的背景提取方法，其特征在于在所述步驟c中， 對于圖像Level中等級介于最低和最高之間的各數據，在執(zhí)行加權運算進行像 素值代替時，所述加權系數A隨等級的升高而加大。
7、 根據權利要求1所述的背景提取方法，其特征在于所述差分是指做差 值后再取絕對值。
8、 根據權利要求1至7中任一項所述的背景提取方法，其特征在于在步 驟c中，所述的背景圖像為一幅臨時的背景幀，對視頻序列中后續(xù)的(N-l)幀 圖4象循壞4丸行步驟a、 b、 c,得到N幅臨時的背景幀，求所述N幅臨時背景幀的平均值，即形成最后的背景圖像；所述N為大于1的自然數。
9、 根據權利要求8所述的背景提取方法，其特征在于所述初始背景采用 均值法將視頻序列的前M幀圖像取均值后得到，所述M為大于1的自然數。
10、 根據權利要求8所述的背景提取方法，其特征在于所述初始背景采 用高斯模型法提取。
全文摘要
本發(fā)明公開了一種背景提取方法，包括以下步驟a.用當前幀與初始背景做差分后，所得結果記為圖像DIF；b.將圖像DIF多值化，即把圖像DIF中的各數據按照由背景到目標的順序劃分成多個等級，并采用不同的值進行表示，其結果記為圖像Level；c.將圖像Level中的各數據采用當前幀的像素值與初始背景的像素值的加權值代替，以形成背景圖像。本發(fā)明通過采用加權多值化法提取背景圖像，具有計算簡單、運行效率高、背景提取效果好等顯著優(yōu)勢，可適應于嵌入式系統(tǒng)，容易移植到例如視頻檢測器、智能交通監(jiān)控系統(tǒng)等實時的視頻監(jiān)控系統(tǒng)中。
文檔編號G06T7/20GK101609556SQ20081001686
公開日2009年12月23日 申請日期2008年6月19日 優(yōu)先權日2008年6月19日
發(fā)明者韶 劉 申請人:青島海信電子產業(yè)控股股份有限公司