本發(fā)明涉及計(jì)算機(jī)視覺(jué)領(lǐng)域，尤其涉及一種視頻前景圖像提取方法和裝置。

背景技術(shù)：

為了提取視頻中的前景圖像，首先要將背景進(jìn)行去除。典型的方法主要有三種：光流法、幀間差分法和背景減除法。其中，背景減除法是應(yīng)用最多的視頻前景提取方法，但是該方法對(duì)光照比較敏感，適應(yīng)性差。因此，針對(duì)背景減除法的這一缺點(diǎn)，研究人員提出利用背景建模的模型和分割策略，即基于混合高斯模型(英文全稱(chēng)：Gaussian mixture model，英文簡(jiǎn)稱(chēng)：GMM)的背景減除法。

然而，該算法通常是在面向硬件的RGB顏色空間下進(jìn)行的，該匹配模型從低亮度背景逐漸變亮?xí)r，存在像素點(diǎn)可能被誤判為前景的問(wèn)題，反之亦然。另外，在RGB顏色模型中，所有色彩都是通過(guò)紅、綠、藍(lán)三個(gè)分量按照一定比例混合而成，比較直觀，但三個(gè)分量之間關(guān)聯(lián)性太強(qiáng)，同時(shí)建立三個(gè)分量的GMM模型效率不高。因此，為了提高運(yùn)算效率，人們?？紤]對(duì)單色圖像的分割，即從單色圖像中提取出目標(biāo)。

但是當(dāng)前景圖像與背景圖像灰度相近時(shí)，或者背景圖像灰度有變化或背景圖像本身有較大灰度范圍時(shí)，采用GMM模型難以區(qū)分前景圖像和背景圖像。此外，當(dāng)畫(huà)面中的運(yùn)動(dòng)物體突然運(yùn)動(dòng)緩慢或者靜止時(shí)，傳統(tǒng)的GMM模型很難正確檢測(cè)出前景，容易將前景目標(biāo)誤判成背景。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的實(shí)施例提供一種視頻前景圖像提取方法和裝置，用于解決圖像前景與圖像背景灰度相近時(shí)，采用GMM模型難以區(qū)分前景圖像和背景圖像的問(wèn)題。

為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：

第一方面，提供了一種視頻前景圖像提取方法，該方法包括：

根據(jù)基于灰度圖像的GMM模型對(duì)視頻流的當(dāng)前幀圖像提取前景像素點(diǎn)得到第一像素點(diǎn)集合；

確定所述視頻流的背景參考圖像，將所述背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到背景HSV圖像；

將所述當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到當(dāng)前幀HSV圖像；

計(jì)算所述當(dāng)前幀HSV圖像中以及所述背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，如果所述歐式距離大于第一閾值，則將所述當(dāng)前幀圖像中位于所述相同坐標(biāo)的像素點(diǎn)構(gòu)成的集合作為第二像素點(diǎn)集合；

根據(jù)所述第一像素點(diǎn)集合以及所述第二像素點(diǎn)集合得到前景圖像。

第二方面，提供了一種視頻前景圖像提取裝置，該裝置包括：

提取單元，用于根據(jù)基于灰度圖像的GMM模型對(duì)視頻流的當(dāng)前幀圖像提取前景像素點(diǎn)得到第一像素點(diǎn)集合；

轉(zhuǎn)換單元，用于確定視頻流的背景參考圖像，將所述背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到背景HSV圖像；

所述轉(zhuǎn)換單元，還用于將所述當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到當(dāng)前幀HSV圖像；

計(jì)算單元，用于計(jì)算所述當(dāng)前幀HSV圖像中以及所述背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，如果所述歐式距離大于第一閾值，則將所述當(dāng)前幀圖像中位于所述相同坐標(biāo)的像素點(diǎn)構(gòu)成的集合作為第二像素點(diǎn)集合；

獲取單元，用于根據(jù)所述第一像素點(diǎn)集合以及所述第二像素點(diǎn)集合得到前景圖像。

本發(fā)明的實(shí)施例提供的視頻前景圖像提取方法和裝置，本發(fā)明的實(shí)施例提供的視頻前景圖像提取方法，通過(guò)將視頻流的背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間以得到背景HSV圖像，并且將視頻流的當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間以得到當(dāng)前幀HSV圖像；然后計(jì)算當(dāng)前幀HSV圖像中以及背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，然后將該歐式距離與第一閾值進(jìn)行比較來(lái)區(qū)分該像素點(diǎn)屬于前景圖像或背景圖像，由于向HS平面投影過(guò)程中去除了影響灰度值的亮度V向量，即該歐式距離相應(yīng)的去除了灰度值因素，從而使得在判斷像素點(diǎn)屬于前景圖像或背景圖像不會(huì)受灰度值的影響；另外，在HSV顏色空間，可以獨(dú)立感知各顏色分量的變化，可感知的顏色差與顏色分量的歐式距離成正比，將像素從RGB空間轉(zhuǎn)換到HSV空間進(jìn)行計(jì)算，可以更靈敏地判斷前景像素與背景之間的變化，從而解決了圖像前景與圖像背景灰度相近時(shí)，采用GMM模型難以區(qū)分前景圖像和背景圖像的問(wèn)題。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的實(shí)施例提供的HSV色彩空間的模型示意圖；

圖2為本發(fā)明的實(shí)施例提供的視頻前景圖像提取方法的流程示意圖；

圖3為本發(fā)明的實(shí)施例提供的根據(jù)基于灰度圖像的GMM模型提取前景像素點(diǎn)的方法的流程示意圖；

圖4為本發(fā)明的實(shí)施例提供的HSV色彩空間的歐式距離的示意圖；

圖5為本發(fā)明的實(shí)施例提供的視頻前景圖像提取裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

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)施例僅僅是本發(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(méi)有做出創(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。

本發(fā)明的實(shí)施例所述的視頻前景圖像提取方法和裝置的應(yīng)用范圍，包括但不限于視頻監(jiān)控。視頻監(jiān)控早已廣泛應(yīng)用于小區(qū)、學(xué)校、商場(chǎng)和交通管理系統(tǒng)等公共場(chǎng)所，進(jìn)行一系列的安防管理、人員進(jìn)出管理、客流行為分析等應(yīng)用。但是，傳統(tǒng)的視頻監(jiān)控系統(tǒng)需要人工持續(xù)性地監(jiān)視和分析場(chǎng)景內(nèi)的活動(dòng)，人為地判斷畫(huà)面中的行為，工作量大，費(fèi)時(shí)費(fèi)力，而且在持續(xù)監(jiān)控的情況下，工作人員容易產(chǎn)生視覺(jué)疲勞，影響判斷的準(zhǔn)確可靠性。所以，利用計(jì)算機(jī)實(shí)現(xiàn)智能化視頻分析的技術(shù)便應(yīng)運(yùn)而生，而視頻前景圖像提取技術(shù)正是智能視頻分析系統(tǒng)中基礎(chǔ)而又關(guān)鍵的一項(xiàng)技術(shù)。

本發(fā)明的實(shí)施例所述的RGB色彩空間。RGB色彩空間是工業(yè)界常用的一種顏色標(biāo)準(zhǔn)，是通過(guò)對(duì)紅(R)、綠(G)、藍(lán)(B)三個(gè)顏色通道的變化以及它們相互之間的疊加來(lái)得到各式各樣的顏色。該標(biāo)準(zhǔn)幾乎包括了人類(lèi)視力所能感知的所有顏色，是目前運(yùn)用最廣的顏色系統(tǒng)之一。

本發(fā)明的實(shí)施例所述的HSV色彩空間。如圖1所示，是指用色調(diào)(H)、飽和度(S)和亮度(V)來(lái)表達(dá)顏色。在HSV色彩空間中，亮度值相對(duì)獨(dú)立，不受色調(diào)和飽和度取值的影響。其中：

色調(diào)H：用角度度量，取值范圍為0°～360°，從紅色開(kāi)始按逆時(shí)針?lè)较蛴?jì)算，紅色為0°，綠色為120°，藍(lán)色為240°。它們的補(bǔ)色是：黃色為60°，青色為180°，品紅為300°。

飽和度S：表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結(jié)果。其中光譜色所占的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而艷。光譜色的白光成分為0，飽和度達(dá)到最高。通常取值范圍為0％～100％，值越大，顏色越飽和。

亮度V：顏色明亮的程度，對(duì)于光源色，亮度與發(fā)光體的光亮度有關(guān)；對(duì)于物體色，此值和物體的透射比或反射比有關(guān)。通常取值范圍為0％(黑)～100％(白)。

HSV模型的三維表示從RGB立方體演化而來(lái)。設(shè)想從RGB沿立方體對(duì)角線的白色頂點(diǎn)向黑色頂點(diǎn)觀察，就可以看到立方體的六邊形外形。六邊形邊界表示色彩，水平軸表示純度，明度沿垂直軸測(cè)量。

HSV模型可在彩色圖像中消除亮度分量的影響從而獲得色調(diào)和飽和度的彩色信息，這反映了人的視覺(jué)系統(tǒng)感知色彩的方式，所以與RGB色彩空間相比，人能更自然、更直觀地解釋和感受顏色。因此，RGB顏色模型是面向硬件的，而HSV顏色模型是面向用戶(hù)的。

本發(fā)明的實(shí)施例所述的混合高斯模型。單高斯背景模型(英文全稱(chēng)：single Gaussian background model，英文簡(jiǎn)稱(chēng)：SGBM)的基本思想是：將圖像中每一個(gè)像素點(diǎn)的顏色值看成是一個(gè)隨機(jī)過(guò)程X，并假設(shè)該點(diǎn)的某一像素值出現(xiàn)的概率服從高斯分布?；旌细咚贡尘澳Ｐ褪窃赟GBM中將單個(gè)高斯分布作為相應(yīng)某一像素值的概率密度分布，對(duì)其進(jìn)行了擴(kuò)展，通過(guò)多個(gè)高斯概率密度函數(shù)的加權(quán)平均來(lái)平滑地近似任意形狀的密度分布函數(shù)。

本發(fā)明的實(shí)施例所述的視頻前景圖像提取方法和裝置，一方面，通過(guò)將視頻流的背景參考圖像和每一幀圖像從RGB轉(zhuǎn)換至HSV，并計(jì)算背景參考圖像和每一幀圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，然后將該歐式距離與閾值進(jìn)行比較來(lái)區(qū)分該像素點(diǎn)屬于前景圖像或背景圖像，由于向HS平面投影過(guò)程中去除了影響灰度值的亮度V向量，使得計(jì)算的歐式距離去除了灰度值影響，從而解決圖像前景與圖像背景灰度相近時(shí)，采用GMM模型難以區(qū)分前景圖像和背景圖像的問(wèn)題。另一方面，對(duì)于基于灰度圖像的GMM模型進(jìn)行更新模型時(shí)，在第一階段和第二階段采用不同的學(xué)習(xí)率，并且第一階段的學(xué)習(xí)率大于第二階段的學(xué)習(xí)率，使得第一階段可以快速建模，第二階段可以防止將靜止前景目標(biāo)識(shí)別為背景圖像，從而解決視頻畫(huà)面中前景目標(biāo)長(zhǎng)時(shí)間靜止或運(yùn)動(dòng)緩慢導(dǎo)致將前景目標(biāo)誤判成背景的問(wèn)題。

實(shí)施例1、

本發(fā)明提供了一種視頻前景圖像提取方法，參照?qǐng)D2中所示，該方法包括：

S101、根據(jù)基于灰度圖像的GMM模型對(duì)視頻流的當(dāng)前幀圖像提取前景像素點(diǎn)得到第一像素點(diǎn)集合。

具體的，參照?qǐng)D3中所示，步驟S101包括步驟S1011-S1014：

S1011、將當(dāng)前幀圖像從RGB圖像轉(zhuǎn)換為灰度圖像。

S1012、根據(jù)GMM模型從上述灰度圖像中提取前景像素點(diǎn)。

基于灰度圖像的GMM模型如下：

令I(lǐng)(x,y,t)表示像素點(diǎn)(x,y)在t時(shí)刻的像素灰度值，則有

其中，K為高斯分布的個(gè)數(shù)，稱(chēng)為高斯混合概率密度的混合系數(shù)；為t時(shí)刻第i個(gè)高斯分量的加權(quán)系數(shù)，亦即權(quán)重；和分別為t時(shí)刻該像素點(diǎn)第i個(gè)高斯分布的期望值和標(biāo)準(zhǔn)差；η_i為t時(shí)刻該像素點(diǎn)第i個(gè)高斯分布的概率密度函數(shù)。P表示像素灰度值的期望。

對(duì)于一個(gè)像素點(diǎn)的K個(gè)高斯分布，根據(jù)ω/δ的值對(duì)K個(gè)高斯分布從大到小進(jìn)行排列，對(duì)于滿足下式的前B個(gè)高斯分布被當(dāng)作背景模型。

其中T是背景模型占高斯分布的最小比例，通常取值為0.7，如果T太小則退化為單高斯，T較大則可以描述復(fù)雜的動(dòng)態(tài)背景。

對(duì)于當(dāng)前幀圖像中的像素點(diǎn)(x,y,t)，如果它的值I(x,y,t)與它的背景模型中第k(k≤B)個(gè)高斯分布匹配，即I(x,y,t)在范圍之內(nèi)，λ一般設(shè)置為2.5，則該像素點(diǎn)被認(rèn)為是背景，否則認(rèn)為是前景。令輸出圖像為output(x,y,t)，其取值如下式所示

其中，當(dāng)output(x,y,t)為1時(shí)表示該像素點(diǎn)為前景像素點(diǎn)，屬于第一像素點(diǎn)集合，當(dāng)output(x,y,t)為0時(shí)表示該像素點(diǎn)為背景像素點(diǎn)，屬于背景圖像。

S1013、根據(jù)前景像素點(diǎn)從當(dāng)前幀圖像中得到第一像素點(diǎn)集合。

遍歷當(dāng)前幀圖像中所有像素點(diǎn)之后，滿足上述條件的前景像素點(diǎn)共同構(gòu)成第一像素點(diǎn)集合，從中可以看出第一像素點(diǎn)集合為當(dāng)前幀圖像的子集。

S1014、根據(jù)前景像素點(diǎn)更新上述GMM模型。

另外，在檢測(cè)完前景之后，若該像素點(diǎn)被認(rèn)為是前景，即前B個(gè)高斯分布中沒(méi)有一個(gè)與之匹配，則用一個(gè)新的高斯分布取代權(quán)重最小的那個(gè)高斯分布。新的分布期望值為當(dāng)前的像素值，同時(shí)為它分配一個(gè)較大的初始標(biāo)準(zhǔn)差和較小的初始權(quán)重值。

若該像素點(diǎn)被認(rèn)為是背景，則對(duì)該像素點(diǎn)的各個(gè)高斯分布的權(quán)重作如下調(diào)整以更新背景模型：

其中，α為學(xué)習(xí)率，取值在0～1之間，學(xué)習(xí)率α取值越大，則更新背景模型的時(shí)間越短，但是容易將緩慢移動(dòng)或靜止的前景目標(biāo)識(shí)別為背景圖像；學(xué)習(xí)率α取值越小，更新背景模型的時(shí)間越長(zhǎng)，但是識(shí)別前景圖像的準(zhǔn)確率越高。如果第i個(gè)高斯分布與當(dāng)前像素點(diǎn)匹配，則Di,t＝1，否則Di,t＝0。對(duì)于與當(dāng)前像素匹配的高斯分布，更新其期望值如公式(5)所示，更新其標(biāo)準(zhǔn)差值如公式(6)所示：

S102、確定視頻流的背景參考圖像，將背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間。

因?yàn)橐曨l監(jiān)控場(chǎng)景下，攝像頭掛設(shè)位置相對(duì)固定，因此視頻流的背景參考圖像可以為視頻流的第一幀或者前幾幀中的一幀；或者可以由用戶(hù)指定視頻流中的一幀作為視頻流的背景參考圖像。

從RGB色彩空間轉(zhuǎn)換至HSV色彩空間的方法如下：假設(shè)r,g,b∈[0，255]，r表示RGB色彩空間中的紅色(R)，g表示RGB色彩空間中的綠色(G)，b表示RGB色彩空間中的藍(lán)色(B)，max為R、G、B三個(gè)分量中的最大值，min為R、G、B三個(gè)分量中的最小值。RGB色彩空間到HSV色彩空間的轉(zhuǎn)換公式如下：

v＝max (9)

式中，h表示HSV色彩空間中的色調(diào)，s表示HSV色彩空間中的飽和度、v表示HSV色彩空間中的亮度。

S103、將視頻流的當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到當(dāng)前幀HSV圖像。

該步驟與步驟S101中所述的將背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間方法類(lèi)似，在此不再贅述。

S104、計(jì)算當(dāng)前幀HSV圖像中以及背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，如果該歐式距離大于第一閾值，則將當(dāng)前幀圖像中位于該相同坐標(biāo)的像素點(diǎn)構(gòu)成的集合作為第二像素點(diǎn)集合。

當(dāng)前景圖像與背景圖像灰度相近時(shí)，或者背景圖像灰度有變化或背景圖像本身有較大灰度范圍時(shí)，采用GMM模型進(jìn)行圖像的分割會(huì)非常困難。在HSV色彩空間中，可以獨(dú)立感知各顏色分量的變化，可感知的顏色差與顏色分量之間的歐幾里德距離(簡(jiǎn)稱(chēng)歐式距離)成正比。因此將像素點(diǎn)從RGB空間轉(zhuǎn)換到HSV空間進(jìn)行計(jì)算，可以更靈敏地判斷前景圖像相對(duì)于背景圖像之間的變化。

具體的，可以將當(dāng)前幀HSV圖像中位于相同坐標(biāo)的像素點(diǎn)的HSV值對(duì)應(yīng)于HSV空間中的點(diǎn)向HS平面投影得到第一投影點(diǎn)，將背景HSV圖像中位于相同坐標(biāo)的像素點(diǎn)的HSV值對(duì)應(yīng)于HSV空間中的點(diǎn)向HS平面投影得到第二投影點(diǎn)，然后計(jì)算第一投影點(diǎn)與第二投影點(diǎn)之間的歐式距離。

參照?qǐng)D4中所示，假設(shè)背景HSV圖像中某一像素點(diǎn)的HSV值在HSV空間中的位置為B，當(dāng)前幀HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HSV空間中的位置為A。由于當(dāng)灰度相近時(shí)，相對(duì)獨(dú)立的亮度V分量對(duì)區(qū)分前景圖像和背景圖像的貢獻(xiàn)不大，因此，可以將A向HS平面投影得到A’，將B向HS平面投影得到B’。|A’B’|即定義了背景HSV圖像與當(dāng)前幀HSV圖像針對(duì)相同坐標(biāo)的像素點(diǎn)的歐式距離，可以看作是平面上兩點(diǎn)幾何距離的一般化，本質(zhì)上是一種數(shù)學(xué)距離，因此采用經(jīng)典幾何的理論，例如如公式(4)所示的余弦定理：

其中，ΔH為背景HSV圖像與當(dāng)前幀HSV圖像針對(duì)上述相同坐標(biāo)的像素點(diǎn)的色調(diào)差值，其為一個(gè)角度值。當(dāng)|A’B’|大于第一閾值時(shí)，認(rèn)為當(dāng)前幀圖像中的該像素點(diǎn)為前景并且屬于第二像素點(diǎn)集合，反之則屬于背景圖像。

遍歷當(dāng)前幀圖像中所有像素點(diǎn)之后，滿足上述條件的像素點(diǎn)共同構(gòu)成第二像素點(diǎn)集合，從中可以看出第二像素點(diǎn)集合為當(dāng)前幀圖像的子集。

需要說(shuō)明的是，步驟S101與步驟S102-S104沒(méi)有先后執(zhí)行順序，即本領(lǐng)域技術(shù)人員可以先執(zhí)行步驟S101，后執(zhí)行步驟S102-S104，或者，先執(zhí)行步驟S102-S104，后執(zhí)行步驟S101。

S105、根據(jù)第一像素點(diǎn)集合和第二像素點(diǎn)集合得到前景圖像。

具體的，可以通過(guò)取第一像素點(diǎn)集合和第二像素點(diǎn)集合中所有像素點(diǎn)的并集作為最終輸出的前景圖像?？梢詫⒒诨叶葓D像GMM模型中誤判為背景圖像的前景像素點(diǎn)重新歸類(lèi)到前景圖像中，提高了前景提取的準(zhǔn)確度。

本發(fā)明的實(shí)施例提供的視頻前景圖像提取方法，通過(guò)將視頻流的背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間以得到背景HSV圖像，并且將視頻流的當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間以得到當(dāng)前幀HSV圖像；然后計(jì)算當(dāng)前幀HSV圖像中以及背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值在HS平面上的歐式距離，然后將該歐式距離與第一閾值進(jìn)行比較來(lái)區(qū)分該像素點(diǎn)屬于前景圖像或背景圖像，由于向HS平面投影過(guò)程中去除了影響灰度值的亮度V向量，即該歐式距離相應(yīng)的去除了灰度值因素，從而使得在判斷像素點(diǎn)屬于前景圖像或背景圖像不會(huì)受灰度值的影響；另外，在HSV顏色空間，可以獨(dú)立感知各顏色分量的變化，可感知的顏色差與顏色分量的歐式距離成正比，將像素從RGB空間轉(zhuǎn)換到HSV空間進(jìn)行計(jì)算，可以更靈敏地判斷前景像素與背景之間的變化，從而解決了圖像前景與圖像背景灰度相近時(shí)，采用GMM模型難以區(qū)分前景圖像和背景圖像的問(wèn)題。

可選的，本發(fā)明的實(shí)施例針對(duì)步驟S1014中根據(jù)前景像素點(diǎn)更新基于灰度圖像的GMM模型過(guò)程中的學(xué)習(xí)率α進(jìn)行如下改進(jìn)，第一階段的學(xué)習(xí)率大于第二階段的學(xué)習(xí)率。具體的：

在第一階段——由于攝像頭安裝位置相對(duì)固定，不會(huì)經(jīng)常發(fā)生變化，所以可以在背景學(xué)習(xí)階段采用較大值的學(xué)習(xí)率α以快速建立背景模型；而且，在該階段中越靠前出現(xiàn)的圖片幀是背景的可能性越大，因此示例性的，可以在算法中設(shè)置α＝1/frame_num，其中，frame_num為當(dāng)前幀圖像所在的幀數(shù)。另外，可以設(shè)置第一階段的持續(xù)時(shí)間長(zhǎng)度為100幀。

在第二階段——對(duì)于視頻畫(huà)面中出現(xiàn)目標(biāo)突然緩慢移動(dòng)或長(zhǎng)時(shí)間靜止于某處的情況，將該階段算法中的學(xué)習(xí)率α設(shè)置為小于背景學(xué)習(xí)階段的學(xué)習(xí)率α，來(lái)避免將靜止的前景目標(biāo)識(shí)別為背景圖像，示例性的α＝1/4000。本領(lǐng)域的技術(shù)人員還可以想到采用其他值的學(xué)習(xí)率以滿足上述條件，均屬于本發(fā)明的實(shí)施例的保護(hù)范圍。

通過(guò)如上所述的融合時(shí)間的調(diào)整機(jī)制，可以十分簡(jiǎn)便且有效地控制視頻畫(huà)面中前景目標(biāo)融入背景圖像的時(shí)間。在第一階段和第二階段采用不同的學(xué)習(xí)率，并且第一階段的學(xué)習(xí)率大于第二階段的學(xué)習(xí)率，使得第一階段可以快速建模，第二階段可以防止將靜止前景目標(biāo)識(shí)別為背景圖像，從而解決視頻畫(huà)面中前景目標(biāo)長(zhǎng)時(shí)間靜止或運(yùn)動(dòng)緩慢導(dǎo)致將前景目標(biāo)誤判成背景的問(wèn)題。

可選的，參照?qǐng)D2中所示，該方法還包括：

步驟S106、如果第二像素點(diǎn)集合中所有像素點(diǎn)數(shù)目與當(dāng)前幀圖像所有像素點(diǎn)數(shù)目之比大于第二閾值，則將當(dāng)前幀圖像更新為背景參考圖像。

示例性的，該第二閾值可以為80％。

實(shí)施例2、

本發(fā)明的實(shí)施例提供了一種視頻前景圖像提取裝置10，應(yīng)用于上述視頻前景圖像提取方法，參照?qǐng)D5中所示，該裝置包括：

提取單元101，用于根據(jù)基于灰度圖像的GMM模型對(duì)當(dāng)前幀圖像提取前景像素點(diǎn)得到第一像素點(diǎn)集合；

轉(zhuǎn)換單元102，用于確定視頻流的背景參考圖像，將背景參考圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到背景HSV圖像；

轉(zhuǎn)換單元102，還用于將視頻流的當(dāng)前幀圖像從RGB色彩空間轉(zhuǎn)換至HSV色彩空間得到當(dāng)前幀HSV圖像；

計(jì)算單元103，用于計(jì)算轉(zhuǎn)換單元101得到的當(dāng)前幀HSV圖像中以及背景HSV圖像中相同坐標(biāo)的像素點(diǎn)的HSV值的歐式距離，如果歐式距離大于第一閾值，則將當(dāng)前幀圖像中位于相同坐標(biāo)的像素點(diǎn)構(gòu)成的集合作為第二像素點(diǎn)集合；

獲取單元104，用于根據(jù)提取單元101得到的第一像素點(diǎn)集合以及計(jì)算單元103得到的第二像素點(diǎn)集合得到前景圖像。

可選的，在一種可能的設(shè)計(jì)中，計(jì)算單元103具體用于：

將當(dāng)前幀HSV圖像中位于相同坐標(biāo)的像素點(diǎn)的HSV值對(duì)應(yīng)于HSV空間中的點(diǎn)向HSV空間的HS平面投影得到第一投影點(diǎn)。

將背景HSV圖像中位于相同坐標(biāo)的像素點(diǎn)的HSV值對(duì)應(yīng)于HSV空間中的點(diǎn)向HS平面投影得到第二投影點(diǎn)。

計(jì)算第一投影點(diǎn)與第二投影點(diǎn)之間的歐式距離。

可選的，在一種可能的設(shè)計(jì)中，提取單元101具體用于：

將當(dāng)前幀圖像從RGB圖像轉(zhuǎn)換為灰度圖像，根據(jù)GMM模型從灰度圖像中提取前景像素點(diǎn)，根據(jù)前景像素點(diǎn)從當(dāng)前幀圖像中得到第一像素點(diǎn)集合，并根據(jù)前景像素點(diǎn)更新GMM模型，其中，在根據(jù)前景像素點(diǎn)更新GMM模型的過(guò)程中第一階段的學(xué)習(xí)率大于第二階段的學(xué)習(xí)率。

可選的，在一種可能的設(shè)計(jì)中，獲取單元104，具體用于：

取第一像素點(diǎn)集合和第二像素點(diǎn)集合中所有像素點(diǎn)的并集作為前景圖像。

可選的，在一種可能的設(shè)計(jì)中，參照?qǐng)D5所示，該裝置還包括：

更新單元105，用于如果計(jì)算單元103得到的第二像素點(diǎn)集合中所有像素點(diǎn)數(shù)目與所述當(dāng)前幀圖像所有像素點(diǎn)數(shù)目之比大于第二閾值，則將當(dāng)前幀圖像更新為背景參考圖像。

由于本發(fā)明實(shí)施例中的視頻前景圖像提取裝置可以應(yīng)用于上述方法，因此，其所能獲得的技術(shù)效果也可參考上述方法實(shí)施例，本發(fā)明實(shí)施例在此不再贅述。

需要說(shuō)明的是，轉(zhuǎn)換單元、計(jì)算單元、提取單元、獲取單元和更新單元可以為單獨(dú)設(shè)立的處理器，也可以集成在控制器的某一個(gè)處理器中實(shí)現(xiàn)，此外，也可以以程序代碼的形式存儲(chǔ)于控制器的存儲(chǔ)器中，由控制器的某一個(gè)處理器調(diào)用并執(zhí)行以上轉(zhuǎn)換單元、計(jì)算單元、提取單元、獲取單元和更新單元的功能。這里所述的處理器可以是一個(gè)中央處理器(英文全稱(chēng)：central processing unit，英文簡(jiǎn)稱(chēng)：CPU)，或者是特定集成電路(英文全稱(chēng)：application specific integrated circuit，英文簡(jiǎn)稱(chēng)：ASIC)，或者是被配置成實(shí)施本發(fā)明實(shí)施例的一個(gè)或多個(gè)集成電路。

應(yīng)理解，在本發(fā)明的各種實(shí)施例中，上述各過(guò)程的序號(hào)的大小并不意味著執(zhí)行順序的先后，各過(guò)程的執(zhí)行順序應(yīng)以其功能和內(nèi)在邏輯確定，而不應(yīng)對(duì)本發(fā)明實(shí)施例的實(shí)施過(guò)程構(gòu)成任何限定。

本領(lǐng)域普通技術(shù)人員可以意識(shí)到，結(jié)合本文中所公開(kāi)的實(shí)施例描述的各示例的單元及算法步驟，能夠以電子硬件、或者計(jì)算機(jī)軟件和電子硬件的結(jié)合來(lái)實(shí)現(xiàn)。這些功能究竟以硬件還是軟件方式來(lái)執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計(jì)約束條件。專(zhuān)業(yè)技術(shù)人員可以對(duì)每個(gè)特定的應(yīng)用來(lái)使用不同方法來(lái)實(shí)現(xiàn)所描述的功能，但是這種實(shí)現(xiàn)不應(yīng)認(rèn)為超出本發(fā)明的范圍。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、設(shè)備和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的設(shè)備實(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，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)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(lái)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?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。

所述功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷(xiāo)售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器(英文全稱(chēng):read-only memory，英文簡(jiǎn)稱(chēng)：ROM)、隨機(jī)存取存儲(chǔ)器(英文全稱(chēng)：random access memory，英文簡(jiǎn)稱(chēng)：RAM)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

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)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。