技術(shù)特征：

1.一種貝葉斯‐全概率運(yùn)動(dòng)目標(biāo)前景檢測(cè)方法，其特征在于包括如下步驟：

(1)背景、前景信息特征選取

對(duì)于運(yùn)動(dòng)目標(biāo)的背景對(duì)象，利用貝葉斯估計(jì)法則，特征向量ξ_t來(lái)自背景b和前景f的后驗(yàn)概率滿(mǎn)足：

$\left\{\begin{array}{c}p\left(c\right|{\mathrm{\ξ}}_t)=\frac{p\left({\mathrm{\ξ}}_t\right|c,\mathrm{\ψ})p(c,\mathrm{\ψ})}{p({\mathrm{\ξ}}_t,\mathrm{\ψ})},c=borf\\ P\left({\mathrm{\ξ}}_t\right|\mathrm{\ψ})=P\left({\mathrm{\ξ}}_t\right|b,\mathrm{\ψ})\·P\left(b\right|\mathrm{\ψ})+P\left({\mathrm{\ξ}}_t\right|f,\mathrm{\ψ})\·P\left(f\right|\mathrm{\ψ})\end{array}\right.---(2-1)$

如果特征向量滿(mǎn)足：

$\left\{\begin{array}{c}P\left({\mathrm{\ξ}}_t\right|b,\mathrm{\ψ})\>P\left({\mathrm{\ξ}}_t\right|f,\mathrm{\ψ})\\ P\left(b\right|\mathrm{\ψ})\>P\left(f\right|\mathrm{\ψ})\end{array}\right.---(2-2)$

則把這個(gè)像素歸為背景，其中ψ為像素點(diǎn)；

當(dāng)背景中出現(xiàn)大量的前景物體時(shí)，背景將長(zhǎng)時(shí)間被前景物體覆蓋，導(dǎo)致(2‐2)式中的兩個(gè)條件并不能得到滿(mǎn)足，為在擁堵背景環(huán)境下更好地分離前景和背景，引入背景誤差控制變量，將式(2‐2)變?yōu)椋?/p>

P(ξ_t|b,ψ)＞P(ξ_t|f,ψ)-ε₁，P(b|ψ)＞P(f|ψ)-ε₂ (2‐3)

其中ε_i,i＝1,2，稱(chēng)為背景誤差控制變量；

把式(2‐1)與全概率公式代入式(2‐3)得到如下BTP‐JE模型：

2P(ξ_t|b,ψ)·P(b|ψ)＞P(ξ_t|ψ)+P(ξ_t|b,ψ)ε₁-(1-P(b|ψ))ε₂ (2‐4)

對(duì)于L位n維的特征向量，P(ξ_t|ψ)或P(ξ_t|b,ψ)的聯(lián)合直方圖包含Lⁿ個(gè)bins；

令i＝1,2,...,N為特征直方圖中的前N個(gè)bins并按降序排列，對(duì)于給定的比例值M₁，M₂＝1-M₁，存在比較小的正整數(shù)N₁，滿(mǎn)足：

$\left\{\begin{array}{c}\underset{i=1}{\overset{N_1}{\Σ}}P\left({\mathrm{\ξ}}_t^i\right|b,\mathrm{\ψ})\>M_1\\ \underset{i=1}{\overset{N_1}{\Σ}}P\left({\mathrm{\ξ}}_t^i\right|f,\mathrm{\ψ})\<M_2\end{array}\right.---(2-5)$

自然地，N值依賴(lài)于所選取的特征向量和位數(shù)L，對(duì)于每一種特征向量，用表示特征統(tǒng)計(jì)表，其中i＝1,2,...N₂(N₂＞N₁)，記錄了在像素ψ(x,y)，時(shí)刻t處N₂個(gè)最重要的值，表中的每一個(gè)元素由三個(gè)部分組成：

$\left\{\begin{array}{c}{p}_{\mathrm{\ξ}}^{t,i}=P({\mathrm{\ξ}}_t^i,\mathrm{\ψ}),\\ p_{\mathrm{\ξ}b}^{t,i}=P\left({\mathrm{\ξ}}_t^{i+1}\right|b,\mathrm{\ψ}),\\ {\mathrm{\ξ}}_t^i={\[a_1^i,...,a_n^i\]}^T.\end{array}\right.---(2-6)$

當(dāng)一個(gè)像素與穩(wěn)定的背景相關(guān)時(shí)，選取顏色作為特征向量，采用HSV顏色空間對(duì)圖像進(jìn)行處理，ξ_t用ω_t＝[h_t,s_t,v_t]^T代替；當(dāng)像素與運(yùn)動(dòng)背景相關(guān)時(shí)，顏色共生特性被選為特征向量，ξ_t用ωω_t＝[h_t-1,s_t-1,v_t-1,h_t,s_t,v_t]^T代替；

(2)背景和前景像素點(diǎn)的分類(lèi)

時(shí)間差分將變化的像素分為兩種類(lèi)型，如果F_td(ψ,t)＝1，這個(gè)像素被認(rèn)為是運(yùn)動(dòng)的像素，且屬于運(yùn)動(dòng)的物體，否則它是一個(gè)與靜止物體有關(guān)的像素；進(jìn)一步單獨(dú)劃分為背景或前景；對(duì)于靜止的像素或運(yùn)動(dòng)的像素，將特征向量ξ_t與前N₁個(gè)從對(duì)應(yīng)背景的特征統(tǒng)計(jì)表格中獲取的特征向量做比較，重新獲取相似特征；令得到條件概率公式(1‐7)：

$P\left(b|\mathrm{\ψ}\right)=p_b^{\mathrm{\ψ},t},P\left({\mathrm{\ξ}}_t|\mathrm{\ψ}\right)={\mathrm{\Σ}}_{j\∈M\left({\mathrm{\ξ}}_t\right)}{p}_{\mathrm{\ξ}}^{\mathrm{\ψ},t,j},P\left({\mathrm{\ξ}}_t|b,\mathrm{\ψ}\right)={\mathrm{\Σ}}_{j\∈M\left({\mathrm{\ξ}}_t\right)}{p}_{\mathrm{\ξ}b}^{\mathrm{\ψ},t,j}---\left(1-7\right)$

中匹配特征集合定義為：

$M\left({\mathrm{\ξ}}_t\right)=\{k:\∀m\∈\{1,...,n\},|a_m-a_m^k|\≤\mathrm{\δ}\}---(1-8)$

其中δ為控制變量；

(3)前景物體的提取

利用形態(tài)學(xué)運(yùn)算去除離散的點(diǎn)，輸出圖像O(ψ,t)，提取前景物體；用特征向量ξ_t將像素分類(lèi)前景或背景，對(duì)應(yīng)特征統(tǒng)計(jì)用式(1‐9)更新：

其中i＝1,2,...N₂，α₂稱(chēng)之為學(xué)習(xí)速率，用來(lái)控制特征學(xué)習(xí)的速度；當(dāng)在t時(shí)刻，從最后分離反饋為ψ(x,y)為背景，則否則當(dāng)式(1‐7)中的ξ_tⁱ和ξ_t相匹配時(shí)，否則如果沒(méi)有中的元素和ξ_t匹配時(shí)，則表中的第N₂個(gè)元素變?yōu)椋?/p>

$p_{\mathrm{\ξ}}^{\mathrm{\ψ},t+1,N_2}={\mathrm{\α}}_2,p_{\mathrm{\ξ}b}^{\mathrm{\ψ},t+1,N_2}={\mathrm{\α}}_2,{\mathrm{\ξ}}_t^{N_2}={\mathrm{\ξ}}_t---(1-10)$

當(dāng)背景突然變化時(shí)，新的背景特征出現(xiàn)，且在變化后立即占據(jù)主導(dǎo)地位；由式(1‐3)和(1‐5)得，當(dāng)滿(mǎn)足條件(1‐11)時(shí)，在ψ(x,y)處檢測(cè)到新的背景特征；

$P\left(f\right|\mathrm{\ψ})\underset{i=1}{\overset{N_1}{\Σ}}P\left({\mathrm{\ξ}}_t^i\right|f,\mathrm{\ψ})\>T---(1-11)$

其中T是一個(gè)比率值，決定什么時(shí)候新的特征被認(rèn)為是背景；由式(1‐1)和式(1‐6)，式(1‐11)將演變成

當(dāng)背景突然變化時(shí)，新的背景特征隨即出現(xiàn)，則特征統(tǒng)計(jì)用以下式子進(jìn)行更新：

$\left\{\begin{array}{c}{p}_b^{\mathrm{\ψ},t+1}=1-p_b^{\mathrm{\ψ},t}\\ p_{\mathrm{\ξ}}^{\mathrm{\ψ},t+1,i}=(1-{\mathrm{\α}}_2)p_b^{\mathrm{\ψ},t,i}+{\mathrm{\α}}_2{M}_{\mathrm{\ξ}}^{\mathrm{\ψ},t,i}\\ p_{\mathrm{\ξ}b}^{\mathrm{\ψ},t+1,i}=(p_{\mathrm{\ξ}}^{\mathrm{\ψ},t,i}-p_b^{\mathrm{\ψ},t}\·p_{\mathrm{\ξ}b}^{\mathrm{\ψ},t,i})/p_b^{\mathrm{\ψ},t+1}\end{array}\right.---(1-13)$

(4)學(xué)習(xí)速率α₂的選取

收斂于1；同時(shí)，學(xué)習(xí)速率參數(shù)α₂滿(mǎn)足關(guān)系其中n為測(cè)試視頻的幀數(shù)，T為測(cè)試視頻時(shí)間；

(5)更新參考背景圖像

如果ψ為無(wú)關(guān)緊要變化的像素點(diǎn)，則B_ω(ψ,t+1)＝(1-α₁)B_ω(ψ,t)+α₁I_ω(ψ,t)被用來(lái)對(duì)背景進(jìn)行更新，其中ω∈(h,s,v)，α₁為無(wú)限脈沖反應(yīng)濾波參數(shù)；如果O(ψ,t)＝0，F(xiàn)_td(ψ,t)＝1或者F_bd(ψ,t)＝1，B_ω(ψ,t+1)＝I_ω(ψ,t),ω∈(h,s,v)則被用來(lái)對(duì)參考背景進(jìn)行更新，這樣參考圖像就能夠適應(yīng)背景的突然變化。

2.根據(jù)權(quán)利要求1所述的貝葉斯‐全概率運(yùn)動(dòng)目標(biāo)前景檢測(cè)方法，其特征在于，所述bins為頻數(shù)分布直方圖中的小矩形。

3.根據(jù)權(quán)利要求1所述的貝葉斯‐全概率運(yùn)動(dòng)目標(biāo)前景檢測(cè)方法，其特征在于，形態(tài)學(xué)運(yùn)算為開(kāi)運(yùn)算或者閉運(yùn)算。

4.根據(jù)權(quán)利要求1所述的貝葉斯‐全概率運(yùn)動(dòng)目標(biāo)前景檢測(cè)方法，其特征在于，T＝90％。

5.根據(jù)權(quán)利要求1所述的貝葉斯‐全概率運(yùn)動(dòng)目標(biāo)前景檢測(cè)方法，其特征在于，δ∈[1.5,2.5]。