可適應隨機噪聲和光照變化的背景建模方法
【技術領域】
[0001] 本發(fā)明涉及媒體通信技術領域，尤其涉及一種可適應隨機噪聲和光照變化的背景 建模方法。
【背景技術】
[0002] 近年來，安防等用途的視頻采集設備逐漸普及，所產(chǎn)生的視頻數(shù)據(jù)呈現(xiàn)數(shù)據(jù)體量 巨大、數(shù)據(jù)類型繁多、價值密度低、處理速度要求高等特點，人工方式難W處理，因此智能視 頻分析技術受到了廣泛的關注和應用?，F(xiàn)代的物體識別技術中，基于啟發(fā)式規(guī)則方式的，多 采用物體的形狀、大小、比例等信息對提取的前景物體進行分析，從而得到物體種類。
[0003]復雜條件下的前景提取是一項較困難的工作，困難主要來源于背景的高度復雜性 和背景本身的變化。背景消除法是一種廣泛使用的方法，它假定背景已知而且是動態(tài)的。通 過將視頻峽和背景圖像進行逐像素比較來提取前景，該種方法在背景本身變化的情況下會 失效，為了解決背景的局部變化問題，采用背景建模是智能視頻分析的重要技術之一，主流 的方法是基于背景區(qū)域在時間上保持相對不變的一般規(guī)律，采用混合高斯模型對視頻圖像 中的像素值進行建模，并W像素值相對于模型的匹配度分割前景和背景。
[0004]上述現(xiàn)有技術中的背景建模的方法的缺點為；不能適應光照的快速變化，并且在 隨機噪聲較嚴重時應用效果較差。例如，倉庫環(huán)境中的沙塵和照明都會嚴重影響其使用性 能，導致前景目標的誤檢和漏檢，造成智能視頻分析的障礙。

【發(fā)明內容】

[0005]本發(fā)明的實施例提供了一種可適應隨機噪聲和光照變化的背景建模方法，提高了 光照變化時對圖像前景背景分割的準確性和模型的適應能力。
[0006]-種可適應隨機噪聲和光照變化的背景建模方法，包括W下步驟：
[0007] 步驟A ;選取視頻圖像中的若干峽圖像作為訓練圖像，基于設定的高斯濾波器組 對所述訓練圖像進行濾波，得到多組濾波圖像，根據(jù)每組濾波圖像和所述訓練圖像初始化 多組單高斯模型；
[0008]步驟B;根據(jù)所述每組單高斯模型參數(shù)，結合多組濾波圖像和當前峽圖像計算出 多組參考背景掩模；
[0009] 步驟C ;根據(jù)光照變化概率計算差異度掩模，對所述每組參考背景掩模進行光照 補償，并計算出多組修正背景掩模；
[0010] 步驟D;對所有修正背景掩模進行平均得到魯棒背景掩模，并通過該魯棒背景掩 模對所述當前峽圖像進行分割前景背景，并更新所述每組單高斯模型參數(shù)。
[0011] 所述步驟A包括：
[0012] 選取視頻圖像中的開始部分的若干峽圖像作為訓練圖像，設置不同方差的多個高 斯濾波器組成高斯濾波器組，用所述高斯濾波器組中的每個高斯濾波器對每個訓練圖像進 行濾波，得到多組濾波圖像；
[0013] 對每個所述訓練圖像和所述每組濾波圖像中的相同位置的對應像素點的像素值 采用期望最大化EM算法訓練一個單高斯模型；
[0014] 并將最后一峽訓練圖像設為當前峽圖像。
[001引所述步驟B包括：
[0016] 當所述當前峽圖像為所述訓練圖像之后的任意峽圖像時，將所述當前峽圖像通過 所述高斯濾波器組進行濾波，得到多個濾波圖像；
[0017] 計算所述當前峽圖像和所述多個濾波圖像中的相同位置的對應像素點的像素值 屬于對應的所述單高斯模型的概率值，作為參考背景掩模；
[0018] 當當前峽圖像是最后一峽訓練圖像時，則將所述參考背景掩模作為當前峽圖像的 修正背景掩模，執(zhí)行步驟D;否則執(zhí)行步驟C。
[001引所述步驟C包括：
[0020] 根據(jù)每個所述參考背景掩模和所述當前峽圖像的前一峽圖像對應的修正背景掩 模的差異度，生成一個新圖像，該新圖像中各像素點的值隨著對應像素點處的所述差異度 指數(shù)增長，將該新圖像作為該參考背景掩模對應的差異度掩模；
[0021] 根據(jù)所述當前峽圖像和所述前一峽圖像的差異度，計算各像素點光照變化的概 率，通過光照補償?shù)玫矫總€所述參考背景掩模對應的所述修正背景掩模。
[002引所述步驟D包括：
[0023] 對步驟C中得到的所有所述修正背景掩模進行平均計算，得出的值作為當前峽圖 像的魯棒背景掩模，將所述魯棒背景掩模作為當前峽圖像前景背景的分割闊值，對于當前 峽圖像中的每一個像素點的像素值，大于所述前景背景的分割闊值，則當前峽圖像中的該 像素點為背景；否則，該當前峽圖像中的該像素點為前景；
[0024] 所述當前峽圖像是所述視頻中需要進行前景背景分割的最后一峽圖像，則前景背 景分割過程結束；否則根據(jù)所述差異度掩模和所述魯棒背景掩模對所有單高斯模型參數(shù)進 行更新；并將下一峽圖像作為當前峽圖像，執(zhí)行步驟B。
[0025] 所述步驟B中的參考背景掩模的計算公式為：
[0026]
[0027] 設所有濾波器的序號為i，且i=0, . . .，N，k是由經(jīng)驗確定的參數(shù)，控制參考背景掩 模中90%W上的像素點取值在0-1之間；其中，第t峽圖像記為/f，經(jīng)過第i個濾波器濾波 后的濾波圖像為^才i=〇, . . .，N，訓練出的高斯模型由均值圖像yi和方差圖像0i表示。
[0028] 所述步驟C中的差異度掩模的計算公式為：
[0029]
2
[0030] 其中，a是與背景變化速度相關的響應系數(shù)，且a〉l; 是第t-1峽第i個修正背 景掩模。
[003。 所述修正背景掩模j：非勺計算公式為：
[0032]
3
[0033] 其中，?表示兩個圖像中各對應的像素點的像素值相乘產(chǎn)生一個新的圖像；b是 與光照變化概率相關的響應系數(shù)，且〇<b<l; 4表示/(,'中的光照變化系數(shù)，其計算公式 為：
[0034]
4
[00巧]如果i=0, 是所有訓練圖像和經(jīng)過一個單高斯濾波器產(chǎn)生的所有濾波圖像中 的第t-1峽圖像，否則itl是所有訓練圖像和經(jīng)過一個單高斯濾波器產(chǎn)生的所有濾波圖像 中的第t-1峽圖像經(jīng)過第i個濾波器濾波后得到的濾波圖像；Rp，Gp，Bp分別表示圖像P的 紅、綠、藍H個通道各自的單通道圖像，P的取值為1^1或4。
[0036] 所述步驟D中的魯棒背景掩模Rt的計算公式為：
[0037]
5 [003引其中，N為所有高斯濾波器的數(shù)量。
[0039] 所述步驟D中對所述單高斯模型參數(shù)進行更新的計算公式為：
[0042] 其中，巧一//'嚴表示!;一作中各像素點的像素值經(jīng)過平方計算后的圖像，使 t=t+l后，繼續(xù)執(zhí)行步驟B。
[0043] 由上述本發(fā)明的實施例提供的技術方案可W看出，本發(fā)明實施例通過多個高斯濾 波器對需要進行前景背景分割的視頻圖像進行濾波，并通過訓練高斯模型計算出參考背景 掩模，在該參考背景掩模的基礎上進行光照補償，計算得出修正背景掩模，并最終計算出魯 棒背景掩模，從而通過該魯棒背景掩模對所述視頻圖像進行前景背景的分割，實現(xiàn)了通過 估計背景變化的速度和模型對背景變化的滯后性進行背景建模，并且可W根據(jù)光照變化對 圖像進行光照補償，自適應地調節(jié)單高斯模型的更新速度，從而提高了在光照變化的情況 下對圖像進行前景背景分割的準確性。
【附圖說明】
[0044]為了更清楚地說明本發(fā)明實施例的技術方案，下面將對實施例描述中所需要使用 的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本 領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可W根據(jù)該些附圖獲得其他 的附圖。
[0045] 圖1為本發(fā)明實施例提供的一種可適應隨機噪聲和光照變化的背景建模方法的 處理流程圖。
【具體實施方式】
[0046] 為便于對本發(fā)明實施例的理解，下面將結合附圖W幾個具體實施例為例做進一步 的解釋說明，且各個實施例并不構成對本發(fā)明實施例的限定。
[0047] 本發(fā)明通過對需要分割前景和背景的視頻截取若干峽視頻圖像作為訓練圖像，通 過訓練圖像和濾波圖像的相應像素點的像素值使用EM(ExpectationMaximization,期望 最大化）算法訓練單高斯模型，并通過單高斯模型計算出各訓練圖像和濾波圖像的參考背 景掩模，在該參考背景掩模的基礎上進行光照補償，計算得出修正背景掩模，并最終計算出 魯棒背景掩模從而對所述視頻圖像進行前景和背景的分割。W使該背景建模方法可W在光 照等干擾情況下提高對圖像進行前景背景分割的準確性。
[0048] 本發(fā)明實施例提供了一種可適應隨機噪聲和光照變化的背景建模方法的處理流 程圖如圖1所示，包括如下的處理步驟：
[004引步驟S100 ;從視頻圖像中的開始部分選取d峽圖像作為訓練圖像，將視頻圖像的 分辨率記為n行m列。設置一個由N> 0個高斯濾波器組成的高斯濾波器組，其中每個高 斯濾波器的方差都不相同，并基于設定的高斯濾波器組對所述訓練圖像進行濾波，得到多 組濾波圖像，根據(jù)每組濾波圖像和所述訓練圖像初始化多組單高斯模型。設濾波器的序號 為i，且i=0,. . .，N，當i=0時，代表沒有濾波器，即該圖像沒有經(jīng)過濾波器的濾波作用，即進 行處理的該峽圖像為訓練圖像。
[0050] 然后分別進行W下兩步操作：
[0051] 第一步：如果i=〇,即沒有濾波器進行濾波作用，則把所有的訓練圖像作為單高斯 模型的訓練樣本集；否則，用第i個高斯濾波器對所有的訓練圖像逐一進行濾波，把經(jīng)過第 i個濾波器濾波后生成的d峽濾波圖像和原始的所有訓練圖像作為一個訓練樣本集，則有i 個訓練樣本集，其中各峽濾波圖像的分辨率為n行m列；
[0052] 第二步：針對訓練樣本集中所有圖像的相應位置處的每個相應像素點的像素值使 用EM算法進行計算，訓練出多組單高斯模型，即共有i組單高斯模型，訓練出的單高斯模型 皆由均值圖像yi和方差圖像表示，其中，均值圖像yi的分辨率大小為n行m列，其各 像素點的像素值表示所有圖像中相同位置處對應像素點像素值的均值；0i的分辨率大小 也為n行m列，其各像素點的像素值表示所有圖像中相同位置處的該對應像素點的像素值 的方差，并將當前處理的圖像序號記為t，其值設為d。
[0053] 步驟S110 ;根據(jù)步驟S100中的每組單高斯模型的參數(shù)，結合多組濾波圖像和當前 峽圖像計算出多組參考背景掩模；
[0054]首先將第t峽圖像記為/f，對i=0,. . .，N，分別執(zhí)行W下兩步操作：
[00巧]第一步；用步驟S100中的第i個高斯濾波器對if進行濾波，當當前峽圖像為訓練 圖像之后的任意峽圖像時，將當前峽圖像通過高斯濾波器組進行濾波，相應得到多個濾波 圖像，并且產(chǎn)生的濾波圖像記為^，其中//的分辨率大小為n行m列；
[0056] 第二步；計算第t峽第i個參考背景掩模，記為哀;'。度/是分