本發(fā)明涉及監(jiān)控視頻圖像處理技術(shù)領(lǐng)域，具體而言，涉及一種基于線性投影的監(jiān)控視頻魯棒背景建模方法及裝置。

背景技術(shù)：

在安全監(jiān)控視頻分析中，往往需要對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，并從視頻中提取出感興趣的運(yùn)動(dòng)目標(biāo)。這些運(yùn)動(dòng)目標(biāo)是后續(xù)視頻圖像分類、識(shí)別和行為分析的基礎(chǔ)。而如何從視頻中快速準(zhǔn)確地檢測(cè)運(yùn)動(dòng)目標(biāo)對(duì)于安全監(jiān)控視頻分析的應(yīng)用至關(guān)重要。

常用的視頻目標(biāo)檢測(cè)方法有幀差法、光流法和背景建模法。其中，背景建模法由于其高效性得到了廣泛應(yīng)用。在背景建模法中，場(chǎng)景中較為固定的部分被認(rèn)為是背景，由于前景目標(biāo)的存在，直接獲取背景往往不可行，只有通過背景建模的方法來重建背景，因此背景建模是安全監(jiān)控視頻分析的一項(xiàng)關(guān)鍵技術(shù)。目前已經(jīng)提出了大量的背景建模方法，當(dāng)在復(fù)雜環(huán)境下，例如前景目標(biāo)較多，背景有擾動(dòng)以及光線發(fā)生突變等，以上背景建模方法得出的前景目標(biāo)圖像不太理想，進(jìn)而直接導(dǎo)致前景目標(biāo)的誤檢和漏檢?，F(xiàn)有的背景建模方法同時(shí)面臨著光線變化和背景變化等問題，可以應(yīng)對(duì)緩慢變化的背景數(shù)據(jù)，但是無法有效處理背景數(shù)據(jù)變化顯著的情況。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種基于線性投影的監(jiān)控視頻魯棒背景建模方法及裝置，旨在有效對(duì)視頻中快速變化的亮度及背景運(yùn)動(dòng)進(jìn)行自適應(yīng)背景建模，以及快速準(zhǔn)確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

第一方面，本發(fā)明實(shí)施例提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法包括：

獲取監(jiān)控視頻中每一幀圖像的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值，并將所述中心像素強(qiáng)度值轉(zhuǎn)化成一個(gè)向量；

根據(jù)所述向量分別提取每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值，并將獲得的三個(gè)顏色通道上的強(qiáng)度值組合形成一預(yù)處理矩陣，其中，所述三個(gè)顏色通道包括紅色通道、綠色通道和藍(lán)色通道；

根據(jù)預(yù)設(shè)的線性投影矩陣與所述預(yù)處理矩陣計(jì)算得到背景特征矩陣，所述背景特征矩陣用于獲取每一幀圖像像素點(diǎn)的周圍環(huán)境的特征信息，所述特征信息包括紋理信息和色彩信息；

根據(jù)所述特征信息分別計(jì)算當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)得到當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相似度；

根據(jù)所述相似度和預(yù)設(shè)的分類函數(shù)判斷所述下一幀圖像的每個(gè)像素點(diǎn)是否為背景像素點(diǎn)。

優(yōu)選地，所述中心像素強(qiáng)度值通過以下公式獲?。?/p>

μ＝αμ+(1-α)x

其中，x＝(x_r,x_g,x_b)^T是每一幀圖像的任意一個(gè)像素點(diǎn)的顏色通道的強(qiáng)度值；常數(shù)α為更新平滑因子；μ為所述中心像素強(qiáng)度值。

優(yōu)選地，所述背景特征矩陣為：

其中，中的元素只包含1,-1,0，所述中的元素的值隨機(jī)分配，但滿足每一列總和為零的條件，其次，對(duì)于一個(gè)中心像素強(qiáng)度值為μ的M×M區(qū)域，將其轉(zhuǎn)化成一個(gè)向量，并提取三個(gè)顏色通道的強(qiáng)度值，形成一個(gè)3×M²的矩陣，代表該3×M²的矩陣，用于表示μ的背景周圍區(qū)域。

優(yōu)選地，所述計(jì)算當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)的步驟包括：

根據(jù)下式定義兩個(gè)距離測(cè)量算子λ和γ：

$\mathrm{\γ}=\frac{\mathrm{cov}({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}},{\underset{\‾}{v}}_{\underset{\‾}{x}})}{\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}}\right)\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{x}}\right)}$

其中，函數(shù)cov(.)用于計(jì)算協(xié)方差，var(.)用于計(jì)算方差，v_μ和v_x分別是和所有列總和的向量；

針對(duì)λ和γ，引入下式：

其中，c是一個(gè)與亮度變化相關(guān)的因子，是估計(jì)誤差且假定作方差為σ²的零均值高斯分布，則有：

$\mathrm{\λ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{cp}}_{ij}\right)}^2}$

$\mathrm{\γ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{cp}}_{ij}\right)}^2}$

其中，Δp_ij和p_ij分別是中的元素。若一個(gè)像素點(diǎn)的像素強(qiáng)度值x是背景像素，那么由于上式中λ和γ的值都近似于1；λ對(duì)于和的結(jié)構(gòu)變化很敏感，而γ對(duì)于顏色通道差異敏感。

優(yōu)選地，所述分類函數(shù)為：

當(dāng)所述分類函數(shù)的值為0時(shí)，判斷所述下一幀圖像的像素點(diǎn)為背景像素點(diǎn)，當(dāng)所述分類函數(shù)的值為1時(shí)，判斷所述下一幀圖像的像素點(diǎn)為前景像素點(diǎn)；

其中：

第二方面，本發(fā)明實(shí)施例提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模裝置，包括：

獲取單元，用于獲取監(jiān)控視頻中每一幀圖像的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值，并將所述中心像素強(qiáng)度值轉(zhuǎn)化成一個(gè)向量；

提取單元，用于根據(jù)所述向量分別提取每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值，并將獲得的三個(gè)顏色通道上的強(qiáng)度值組合形成一預(yù)處理矩陣，其中，所述三個(gè)顏色通道包括紅色通道、綠色通道和藍(lán)色通道；

計(jì)算單元，用于根據(jù)預(yù)設(shè)的線性投影矩陣與所述預(yù)處理矩陣計(jì)算得到背景特征矩陣，所述背景特征矩陣用于獲取每一幀圖像像素點(diǎn)的周圍環(huán)境的特征信息，所述特征信息包括紋理信息和色彩信息；以及根據(jù)所述特征信息分別計(jì)算當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)得到當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相似度；

判斷單元，用于根據(jù)所述相似度和預(yù)設(shè)的分類函數(shù)判斷所述下一幀圖像的每個(gè)像素點(diǎn)是否為背景像素點(diǎn)。

優(yōu)選地，所述中心像素強(qiáng)度值通過以下公式獲?。?/p>

μ＝αμ+(1-α)x

其中，x＝(x_r,x_g,x_b)^T是每一幀圖像的任意一個(gè)像素點(diǎn)的顏色通道的強(qiáng)度值；常數(shù)α為更新平滑因子；μ為所述中心像素強(qiáng)度值。

優(yōu)選地，所述背景特征矩陣為：

其中，中的元素只包含1,-1,0，所述中的元素的值隨機(jī)分配，但滿足每一列總和為零的條件，其次，對(duì)于一個(gè)中心像素強(qiáng)度值為μ的M×M區(qū)域，將其轉(zhuǎn)化成一個(gè)向量，并提取三個(gè)顏色通道的強(qiáng)度值，形成一個(gè)3×M²的矩陣，代表該3×M²的矩陣，用于表示μ的背景周圍區(qū)域。

優(yōu)選地，所述計(jì)算單元計(jì)算當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)的方式為：

根據(jù)下式定義兩個(gè)距離測(cè)量算子λ和γ：

$\mathrm{\γ}=\frac{\mathrm{cov}({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}},{\underset{\‾}{v}}_{\underset{\‾}{x}})}{\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}}\right)\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{x}}\right)}$

其中，函數(shù)cov(.)用于計(jì)算協(xié)方差，var(.)用于計(jì)算方差，v_μ和v_x分別是和所有列總和的向量；

針對(duì)λ和γ，引入下式：

其中，c是一個(gè)與亮度變化相關(guān)的因子，是估計(jì)誤差且假定作方差為σ²的零均值高斯分布，則有：

$\mathrm{\λ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{cp}}_{ij}\right)}^2}$

$\mathrm{\γ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{cp}}_{ij}\right)}^2}$

其中，Δp_ij和p_ij分別是中的元素。若一個(gè)像素點(diǎn)的像素強(qiáng)度值x是背景像素，那么由于上式中λ和γ的值都近似于1；λ對(duì)于和的結(jié)構(gòu)變化很敏感，而γ對(duì)于顏色通道差異敏感。

優(yōu)選地，所述分類函數(shù)為：

當(dāng)所述分類函數(shù)的值為0時(shí)，判斷所述下一幀圖像的像素點(diǎn)為背景像素點(diǎn)，當(dāng)所述分類函數(shù)的值為1時(shí)，判斷所述下一幀圖像的像素點(diǎn)為前景像素點(diǎn)；

其中：

其中：R0是一個(gè)小增量，0.98是一個(gè)經(jīng)驗(yàn)值。

本發(fā)明實(shí)施例提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法及裝置，通過將獲取的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值轉(zhuǎn)化成一個(gè)向量，并根據(jù)該向量獲得每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值，以及根據(jù)預(yù)設(shè)的線性投影矩陣得到背景特征矩陣，進(jìn)而計(jì)算出當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)和相似度，最終結(jié)合預(yù)設(shè)的分類函數(shù)判斷出下一幀圖像的每個(gè)像素點(diǎn)是否為背景像素點(diǎn)。本發(fā)明能夠有效對(duì)視頻中快速變化的亮度及背景運(yùn)動(dòng)進(jìn)行自適應(yīng)背景建模，以及快速準(zhǔn)確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹，應(yīng)當(dāng)理解，以下附圖僅示出了本發(fā)明的某些實(shí)施例，因此不應(yīng)該看作是對(duì)范圍的限定，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。

圖1是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模裝置的結(jié)構(gòu)框圖。

圖2是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模裝置的流程圖。

圖3是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法的計(jì)算結(jié)果對(duì)比圖。

圖4是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法的測(cè)試結(jié)果對(duì)比圖。

圖5是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法的另一種測(cè)試結(jié)果對(duì)比圖。

圖6是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法的另一種測(cè)試結(jié)果對(duì)比圖。

圖中標(biāo)記分別為：

監(jiān)控視頻魯棒背景建模裝置100，獲取單元101，提取單元102，計(jì)算單元103，判斷單元104。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

應(yīng)注意到：相似的標(biāo)號(hào)和字母在下面的附圖中表示類似項(xiàng)，因此，一旦某一項(xiàng)在一個(gè)附圖中被定義，則在隨后的附圖中不需要對(duì)其進(jìn)行進(jìn)一步定義和解釋。同時(shí)，在本發(fā)明的描述中，術(shù)語(yǔ)“第一”、“第二”等僅用于區(qū)分描述，而不能理解為指示或暗示相對(duì)重要性。

如圖1所示，是本發(fā)明實(shí)施例提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模裝置100，所述監(jiān)控視頻魯棒背景建模裝置100可以應(yīng)用于具有圖像處理能力的計(jì)算終端，例如：個(gè)人電腦(personal computer，PC)和服務(wù)器等。其中，所述監(jiān)控視頻魯棒背景建模裝置100可以包括獲取單元101、提取單元102、計(jì)算單元103和判斷單元104等。所述獲取單元101、提取單元102、計(jì)算單元103和判斷單元104分別用于執(zhí)行基于線性投影的監(jiān)控視頻魯棒背景建模方法中不同的步驟，以完成對(duì)監(jiān)控視頻中快速變化的亮度及背景運(yùn)動(dòng)進(jìn)行自適應(yīng)背景建模，以及快速準(zhǔn)確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

下面結(jié)合圖2對(duì)上述各功能單元進(jìn)行詳細(xì)描述。如圖2所示，是本發(fā)明實(shí)施方式提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法的流程圖。該方法包括以下步驟。

所述步驟S101：獲取監(jiān)控視頻中每一幀圖像的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值，并將所述中心像素強(qiáng)度值轉(zhuǎn)化成一個(gè)向量。本實(shí)施例中，該步驟S101可由所述獲取單元101執(zhí)行。

具體地，所述監(jiān)控視頻中包括多幀圖像。所述獲取單元101用于實(shí)時(shí)獲取所述監(jiān)控視頻中輸入的每一幀圖像的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值，以及根據(jù)獲取到的所述中心像素強(qiáng)度值對(duì)所述向量進(jìn)行實(shí)時(shí)更新。

所述中心像素強(qiáng)度值可表示為以下公式：

μ＝αμ+(1-α)x

其中，x＝(x_r,x_g,x_b)^T是輸入的每一幀圖像的任意一個(gè)像素點(diǎn)的顏色通道的強(qiáng)度值。所述常數(shù)α為更新平滑因子，用于使得圖像數(shù)據(jù)實(shí)現(xiàn)平滑更新，所述常數(shù)α的值可以為0.005。而μ為所述中心像素強(qiáng)度值。

步驟S102：根據(jù)所述向量分別提取每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值，并將獲得的三個(gè)顏色通道上的強(qiáng)度值組合形成一預(yù)處理矩陣。本實(shí)施例中，所述步驟S102可以由所述提取單元102執(zhí)行。

具體地，根據(jù)所述向量提取每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值。所述三個(gè)顏色的通道可以包括紅色通道、綠色通道和藍(lán)色通道。并將獲得的三個(gè)顏色通道上的強(qiáng)度值組合形成一預(yù)處理矩陣?？蛇x地，對(duì)于一個(gè)中心像素強(qiáng)度值為μ的M×M區(qū)域，將其轉(zhuǎn)化成一向量，并提取三個(gè)顏色通道的強(qiáng)度值，形成一個(gè)3×M²的預(yù)處理矩陣。所述3×M²的預(yù)處理矩陣用表示，所述代表了μ的背景周圍區(qū)域。

所述步驟S103：根據(jù)預(yù)設(shè)的線性投影矩陣與所述預(yù)處理矩陣計(jì)算得到背景特征矩陣，所述背景特征矩陣用于獲取每一幀圖像像素點(diǎn)的周圍環(huán)境的特征信息，所述特征信息包括紋理信息和色彩信息。本實(shí)施例中，所述步驟S103可以由所述計(jì)算單元103執(zhí)行。

其中，所述線性投影矩陣為一個(gè)N×3的矩陣。所述中的元素只包含1,-1,0，所述線性投影矩陣中的元素的值隨機(jī)分配，但滿足每一列總和為零的條件。可選地，所述背景特征矩陣可以由所述線性投影矩陣右乘矩陣而得到，即所述背景特征矩陣是一個(gè)N×M²的矩陣。根據(jù)所述背景特征矩陣可以獲取每一幀圖像像素點(diǎn)的周圍環(huán)境的特征信息，所述特征信息包括紋理信息和色彩信息。

步驟S104：根據(jù)所述特征信息分別計(jì)算當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)，并根據(jù)所述相關(guān)系數(shù)得到當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相似度。本實(shí)施例中，所述步驟S104也可由所述計(jì)算單元103執(zhí)行。

其中，所述計(jì)算單元103可根據(jù)下式定義兩個(gè)距離測(cè)量算子λ和γ：

$\mathrm{\γ}=\frac{\mathrm{cov}({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}},{\underset{\‾}{v}}_{\underset{\‾}{x}})}{\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{\mathrm{\μ}}}\right)\mathrm{var}\left({\underset{\‾}{v}}_{\underset{\‾}{x}}\right)}$

其中，函數(shù)cov(.)用于計(jì)算協(xié)方差；var(.)用于計(jì)算方差；v_μ和v_x分別是和所有列總和的向量。

根據(jù)以上定義的λ和γ，可以引入下式：

其中，所述c是一個(gè)與亮度變化相關(guān)的因子。是估計(jì)誤差。所述可以假設(shè)為滿足方差為σ²的零均值高斯分布的隨機(jī)變量。則有以下計(jì)算公式：

$\mathrm{\λ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\mathrm{\Σ}}_{j=1}^{M^2}{\left({\mathrm{cp}}_{ij}\right)}^2}$

$\mathrm{\γ}\≈1-\frac{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2}{{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{\Δp}}_{ij}\right)}^2+{\mathrm{\Σ}}_{i=1}^3{\left({\mathrm{\Σ}}_{j=1}^{M^2}{\mathrm{cp}}_{ij}\right)}^2}$

其中，Δp_ij和p_ij分別是中的元素。若一個(gè)像素點(diǎn)的像素強(qiáng)度值x是背景像素，那么由于上式中λ和γ的值都近似于1。λ對(duì)于和的結(jié)構(gòu)變化很敏感，而γ對(duì)于顏色通道差異敏感。

步驟S105：根據(jù)所述相似度和預(yù)設(shè)的分類函數(shù)判斷所述下一幀圖像的每個(gè)像素點(diǎn)是否為背景像素點(diǎn)。本實(shí)施例中，所述步驟S105可由所述判斷單元104執(zhí)行。

其中，所述分類函數(shù)為：

當(dāng)所述分類函數(shù)的值為0時(shí)，判斷所述下一幀圖像的像素點(diǎn)為背景像素點(diǎn)。當(dāng)所述分類函數(shù)的值為1時(shí)，判斷所述下一幀圖像的像素點(diǎn)為前景像素點(diǎn)。

其中：

其中，R0是一個(gè)小增量，所述R0的取值可以為0.0005。而0.98是一個(gè)據(jù)實(shí)際情況所取經(jīng)驗(yàn)值。

進(jìn)一步地，根據(jù)以上公式計(jì)算出的結(jié)果如圖3所示。可以理解的是，圖3所示的測(cè)試結(jié)果為更新平滑因子α，R₀，中的N和中的M在不同設(shè)置值下所對(duì)應(yīng)的質(zhì)量指標(biāo)F值?？梢?，F(xiàn)值對(duì)于α，N以及R₀的變化不敏感。另一方面，提高M(jìn)值會(huì)降低結(jié)果的準(zhǔn)確性。因此，參數(shù)設(shè)置最佳值為：α＝0.005，N＝32，M＝7，R₀＝0.0005。

進(jìn)一步地，通過使用感知測(cè)試圖像序列對(duì)本發(fā)明所提出的方法進(jìn)行評(píng)估。并將本發(fā)明實(shí)施例所提供的方法與目前最新的方法和經(jīng)典算法在不同應(yīng)用場(chǎng)景中的表現(xiàn)效果進(jìn)行比較。其中，所述最新的方法和經(jīng)典算法主要包括GMM法、Vibe法、CB法和PBPA法等。所述應(yīng)用場(chǎng)景主要包括Shopping Mall,Bootstrapping,Camouflage,Foreground Aperture和Waving Trees and Time of Day等。其比較結(jié)果如圖4所示?？梢?，本發(fā)明實(shí)施例所提供的方法表現(xiàn)出更好的檢測(cè)結(jié)果。由于場(chǎng)景變化迅速，很難建立清晰的背景模型，而本發(fā)明實(shí)施例所提供的方法能夠穩(wěn)定地工作在干擾嚴(yán)重的背景中。對(duì)于所述Waving Trees應(yīng)用場(chǎng)景，圖4所示的結(jié)果顯示了本發(fā)明實(shí)施例所提供的方法在動(dòng)態(tài)背景下可以顯著地抑制噪聲。對(duì)于所述Time of Day應(yīng)用場(chǎng)景，圖4所示的結(jié)果顯示了本發(fā)明實(shí)施例所提供的方法對(duì)于亮度變化有較好的魯棒性。而在極端條件下，例如在燈亮及燈滅的瞬間，顯示結(jié)果如圖5所示，可見，本發(fā)明實(shí)施例提出的方法效果最佳。

進(jìn)一步地，通過使用變化檢測(cè)的測(cè)試中基線，動(dòng)態(tài)背景和陰影變化檢測(cè)的數(shù)據(jù)設(shè)置，各方法間的對(duì)比結(jié)果如圖6所示?？梢钥闯?，在F值，查全率和準(zhǔn)確率測(cè)量中本發(fā)明實(shí)施例所提出的方法都優(yōu)于最新水平的方法。

本發(fā)明實(shí)施例提供的一種基于線性投影的監(jiān)控視頻魯棒背景建模方法及裝置，通過將獲取的各個(gè)像素點(diǎn)的中心像素強(qiáng)度值轉(zhuǎn)化成一個(gè)向量，并根據(jù)該向量獲得每個(gè)像素點(diǎn)在三個(gè)顏色通道上的強(qiáng)度值，以及根據(jù)預(yù)設(shè)的線性投影矩陣得到背景特征矩陣，進(jìn)而計(jì)算出當(dāng)前幀圖像的每個(gè)像素點(diǎn)與下一幀圖像的每個(gè)像素點(diǎn)之間的相關(guān)系數(shù)和相似度，最終結(jié)合預(yù)設(shè)的分類函數(shù)判斷出下一幀圖像的每個(gè)像素點(diǎn)是否為背景像素點(diǎn)。本發(fā)明能夠有效對(duì)視頻中快速變化的亮度及背景運(yùn)動(dòng)進(jìn)行自適應(yīng)背景建模，以及快速準(zhǔn)確地對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。

需要說明的是，在本申請(qǐng)所提供的實(shí)施例中，應(yīng)該理解到，所揭露裝置和方法，可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。

在本申請(qǐng)所提供的實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法，可以通過其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的，例如，附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個(gè)實(shí)施例的裝置、方法和計(jì)算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能和操作。在這點(diǎn)上，流程圖或框圖中的每個(gè)方框可以代表一個(gè)模塊、程序段或代碼的一部分，所述模塊、程序段或代碼的一部分包含一個(gè)或多個(gè)用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意，在有些作為替換的實(shí)現(xiàn)中，方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如，兩個(gè)連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行，它們有時(shí)也可以按相反的順序執(zhí)行，這依所涉及的功能而定。也要注意的是，框圖和/或流程圖中的每個(gè)方框、以及框圖和/或流程圖中的方框的組合，可以用執(zhí)行規(guī)定的功能或動(dòng)作的專用的基于硬件的系統(tǒng)來實(shí)現(xiàn)，或者可以用專用硬件與計(jì)算機(jī)指令的組合來實(shí)現(xiàn)。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。

以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。