一種用于前景檢測的碼本改進算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像智能檢測、識別技術(shù)領(lǐng)域，尤其涉及一種建立前檢測碼本的方法。
【背景技術(shù)】
[0002] 在計算機視覺系統(tǒng)中，運動目標檢測占據(jù)著著舉足輕重的地位，被廣泛應用于視 頻監(jiān)控、目標跟蹤與圖像檢索等相關(guān)領(lǐng)域。目標檢測中目前使用較多的是前景檢測算法，其 中碼本（CB)算法是研究較多的算法之一，該方法主要利用每個像素隨時間的變化建立時 間序列統(tǒng)計模型，然后將當前的輸入像素值與統(tǒng)計模型作對比，檢測出前景。該算法實現(xiàn)如 下：
[0003] (1)為當前圖像幀的每個像素點建立碼本（CB)模型，每個碼本有η個碼元：
[0004] 如附圖1所示，
[0005] 其中：
[0006]
[0007]
[0008] 這里/廠、^max為學習上下界，max、min是當前像素的最大、最小值，t_last是前一 次訪問的時間，stale描述的是碼元多久沒被訪問。
[0009] ⑵前景分割，背景更新方法：
[0010] 對輸入的Xt (R，G，B)，遍歷CB中的C1，如果存在一個C1中的/廣< /(x, j) < /廣， 并且顏色失真在一定的閾值內(nèi)S < ε，則當前像素點歸為背景點，更新背景，否則為前景。
[0016] 如果當前像素點為背景，匹配的碼元Cni更新如下：
[0011]
[0012]
[0013]
[0014]
[0015]
[0017]
[0018]
[0019]
[0020] 更新 t_last = t，
[0021] 更新 stale
[0022] (3)通常，會設(shè)置一時間閾值更新CB，同時對于較長時間沒訪問的陳舊碼元，將其 剔除。
[0023] 傳統(tǒng)的CB模型在分離前景時，采用的是全搜索算法，即在當前像素點的以往的統(tǒng) 計數(shù)據(jù)內(nèi)（多個CW)進行搜索，對該點的統(tǒng)計數(shù)據(jù)內(nèi)的所有碼元（CW)，都要計算一次匹配 結(jié)果，從而確定當前像素點為背景或前景。這樣做的優(yōu)點是能夠找到在限定范圍內(nèi)的最精 確的分類效果，運動估計精度較高；但是需要消耗大量的內(nèi)存，因為模型大小與像素密切相 關(guān)，而且對停留長時間的物體會將其當成背景。
[0024] 為了改善這些情況提出了多層碼本、分塊碼本；以及結(jié)合其他前景檢測算法如高 斯一碼本相結(jié)合的算法。分塊碼本算法是將圖像幀整體分割為很多個n*n(如8*8)小塊， 對這些小塊建立統(tǒng)計模型，分塊模型能有效的降低運算量，但是卻有可能降低前景檢測的 精度，引入噪聲。多層碼本模型是在原始的像素級碼本模型上，結(jié)合分塊碼本模型，該算法 則能提高前景檢測的正確率，但沒有改善運算量。

【發(fā)明內(nèi)容】

[0025] 為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種用于前景檢測的碼本改進算法， 在傳統(tǒng)碼本模型的基礎(chǔ)上提出一種時空域結(jié)合的碼本模型。傳統(tǒng)的碼本模型通常是利用多 幀視頻序列建立統(tǒng)計模型的，本發(fā)明的模型則可以利用第一幀的圖像信息建立背景統(tǒng)計模 型，可以大大降低算法的運算量。不僅在建模階段，在后續(xù)的碼元匹配、背景更新階段都充 分利用領(lǐng)域內(nèi)的像素信息，所以本發(fā)明的算法改善了傳統(tǒng)碼本算法的精度，可用于動態(tài)背 景檢測。
[0026] 本發(fā)明通過如下技術(shù)方案實現(xiàn)：
[0027] -種用于前景檢測的碼本改進算法，包括以下步驟：
[0028] 步驟一：建立碼本并初始化
[0029] 步驟二：遍歷像素點，統(tǒng)計像素點的碼本模型
[0030] 步驟三：對新輸入的像素點值，遍歷碼本中的碼元，尋找匹配的碼元。
[0031] 步驟四：如果找到匹配的碼元數(shù)目大于設(shè)置的閾值，則將該點判斷為背景，否則為 前景。
[0032] 步驟五：如果該點判斷為背景，隨機跟新碼元、碼本。
[0033] 步驟六：如果一個像素點多次（大于閾值）被判斷為前景點，則將其歸為背景，進 而轉(zhuǎn)向步驟五更新背景。
[0034] 本發(fā)明相對于傳統(tǒng)碼本（CB)模型，主要優(yōu)勢在于：
[0035] (1)傳統(tǒng)碼本模型需要截取視頻的前M幀，以該點的前M幀數(shù)據(jù)作為統(tǒng)計建立背景 模型，該方法忽略了考慮像素間的空間相關(guān)性，而本算法則充分利用像素點的空間的相關(guān) 性建立背景模型，只需要圖像的第一幀就可以建立背景模型，且碼元數(shù)目與選取的領(lǐng)域塊 的像素點有關(guān)，區(qū)別于傳統(tǒng)的碼元數(shù)目選取原則。
[0036] (2)在傳統(tǒng)碼本模型中，當前像素值分類為前景或者背景至只與該點以往的像素 值的統(tǒng)計有關(guān)，而本算法除了考察以往的統(tǒng)計序列外，還與以當前為中心的N*N領(lǐng)域內(nèi)的 像素點的統(tǒng)計作比較。即除了在自己的碼本中尋找匹配碼元外，還在該點為中心的領(lǐng)域內(nèi) 包含的其他點的碼本中尋找。
[0037] (3)傳統(tǒng)模型的背景更新是利用當前像素對背景進行更新，且一定會發(fā)生更新，而 本算法則是利用領(lǐng)域內(nèi)的像素值信息隨機的更新該領(lǐng)域類的像素點，存在更新該點統(tǒng)計模 型的可能性，而且更新的也不一定是該點，是領(lǐng)域內(nèi)的隨機選取的一點。
【附圖說明】
[0038] 圖1是確定當前像素值為中心建立背景統(tǒng)計模型的流程圖；
[0039] 圖2是確定當前像素點為中心的統(tǒng)計計算的流程圖。
【具體實施方式】
[0040] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不 用于限定本發(fā)明。
[0041] 具體的實現(xiàn)當中，以領(lǐng)域值設(shè)為N*N像素塊為例來進行闡述。
[0042] 步驟一：建立碼本并初始化，將碼本設(shè)為零。
[0043] CB = (C1= 0, t = 0}；
[0044] Ci= (Vi=O, aux ；= {0}} ； (1 i η)
[0045] 步驟二：如附圖1所示，遍歷像素點，統(tǒng)計像素點的碼本模型：統(tǒng)計以當前為中心 的Ν*Ν領(lǐng)域內(nèi)的像素數(shù)據(jù)，建立當前點的碼本，碼元數(shù)目與選取的領(lǐng)域塊的像素點有關(guān)，區(qū) 別于傳統(tǒng)的碼元數(shù)目。以Ν*Ν像素塊為例，則該碼本含有Ν*Ν個碼元，包含與當前點相關(guān)的 其他像素點的數(shù)據(jù)信息。
[0046] CB = (C1, C2. . . CN, t}；
[0047] Ci= {V auxj ； (I ^ i ^ N)
[0048] 步驟三：如附圖2所示，對新輸入的像素點值，遍歷碼本中的碼元，尋找匹配的碼 元：不僅在該點的碼元進行匹配尋找，還在當前領(lǐng)域內(nèi)的其他點的碼本中尋找匹配碼元。區(qū) 別于只考慮該點的統(tǒng)計CB集合。匹配的判定準則與上訴所描述的傳統(tǒng)的判斷準則一樣，根 據(jù)顏色失真與亮點值判斷，這里不贅述。
[0049] 步驟四：如果找到匹配的碼元數(shù)目大于設(shè)置的閾值，則將該點判斷為背景，否則為 前景。如N*N例子中，如果有超過半數(shù)的碼元跟當前點匹配，則將其歸為背景。
[0050] 步驟五：如果該點判斷為背景，則隨機的選取以該點為中心的N領(lǐng)域內(nèi)的一個匹 配碼元，以當前點的像素信息更新被選取的碼元；然后在隨機選取一個碼元，隨機更新該領(lǐng) 域內(nèi)的一個碼本。注意所選取的碼元不一定來自于該點的碼本，更新的也不一定是該點的 碼本，這是一個隨機的過程。
[0051] 步驟六：為了消除由于建模階段的誤差，將背景誤檢為前景，影響背景模型的精 確，從而對后續(xù)的檢測產(chǎn)生誤差，提出：如果一個像素點多次（大于閾值）被判斷為前景點， 則將其歸為背景，進而轉(zhuǎn)向步驟五更新背景。因為本算法使用圖像的第一幀建模，根據(jù)步驟 五，更新時被判斷為前景的像素點對背景模型不會產(chǎn)生影響。但是存在一個問題，如果在 第一幀對一個像素點的統(tǒng)計是錯誤的，就會產(chǎn)生錯誤的檢測。比如說，一個原本靜止的背景 物體，由于誤差，被建模為運動前景，根據(jù)步驟五的更新策略，則該像素點則會一直被錯誤 地檢測為前景。為了消除這一誤差，將前景點也考慮到背景模型的更新中。對判斷為前景 的像素點，另外進行統(tǒng)計，次數(shù)超過一定的閾值，將其歸為背景。
[0052] 以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定 本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說，在 不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應當視為屬于本發(fā)明的 保護范圍。
【主權(quán)項】
1. 一種基于前景檢測的碼本改進算法，主要利用圖像第一幀，在YUV顏色空間，以像素 點為中心，涵蓋其領(lǐng)域內(nèi)的像素建立一定數(shù)目碼元，集合成碼本；進而將輸入的圖像與統(tǒng)計 的背景模本進行對比判斷，提取前景目標，其特征在于：所述算法具體實現(xiàn)步驟如下： 步驟一：建立碼本并初始化，將碼本設(shè)為零： 如附圖1所示； 步驟二：遍歷像素點，統(tǒng)計像素點的碼本模型：統(tǒng)計以當前為中心的N領(lǐng)域內(nèi)的像素數(shù) 據(jù)，建立當前點的碼本 CB = (C1, C2. . . CN, t}； Ci= {V i, auxj ； (I ^ i ^ N)； 步驟三：對新輸入的像素點值，遍歷碼本中的碼元，尋找匹配的碼元：不僅在該點的碼 元進行匹配尋找，還在當前領(lǐng)域內(nèi)的其他點的碼本中尋找匹配碼元； 步驟四：如果找到匹配的碼元數(shù)目大于設(shè)置的閾值，則將該點判斷為背景，否則為前 景； 步驟五：如果該點判斷為背景，則隨機的選取以該點為中心的N*N領(lǐng)域內(nèi)的一個匹配 碼元，以當前點的像素信息更新被選取的碼元；然后在隨機選取一個碼元，隨機更新該領(lǐng)域 內(nèi)的一個碼本； 步驟六：如果一個像素點被判斷為前景點的次數(shù)大于設(shè)置的閾值，則將其歸為背景，進 而轉(zhuǎn)向步驟五更新背景。2. 根據(jù)權(quán)利要求1所述的碼本改進算法，其特征在于：所述步驟二中的統(tǒng)計的像素數(shù) 據(jù)選取的是圖像的第一幀，而非一段時間的M幀。3. 根據(jù)權(quán)利要求1所述的碼本改進算法，其特征在于：所述步驟二中的碼本模型以N*N 像素塊為例，則該碼本含有N*N個碼元，每個碼元描述的是該領(lǐng)域內(nèi)的像素點的顏色、亮 度。4. 根據(jù)權(quán)利要求1所述的碼本改進算法，其特征在于：所述步驟三中的匹配衡量準則 是根據(jù)顏色失真與亮度范圍的進行判斷。5. 根據(jù)權(quán)利要求1所述的碼本改進算法，其特征在于：所述步驟五中的背景的更新，對 選取出的背景點，其有可能會對背景集合產(chǎn)生影響，區(qū)別于傳統(tǒng)的背景更新一定會對背景 集合做改變，具體過程為：隨機選取與當前點匹配的碼元，該碼元來源于領(lǐng)域內(nèi)的隨機的一 個碼本集合，以當前點的像素信息更新被選取的碼元；然后在隨機選取一個碼元，以該碼元 隨機去更新領(lǐng)域內(nèi)的一個碼本。
【專利摘要】本發(fā)明提出了一種在像素運動統(tǒng)計中用于確定像素類型的碼本改進算法，優(yōu)化了傳統(tǒng)碼本的需要圖像M幀建立背景模型的不足，利用圖像第一幀，以像素點領(lǐng)域內(nèi)的信息作為碼本的統(tǒng)計碼元。不僅在建模階段利用像素的時空域信息，在尋找匹配碼元，進行背景更新時，也充分利用領(lǐng)域內(nèi)的碼本，并引入隨機更新背景的概念，優(yōu)越于傳統(tǒng)的背景更新，與傳統(tǒng)碼本相比，本發(fā)明提出的用于前景檢測的碼本改進算法改善前景檢測的正確率，并提高了建模階段的效率。
【IPC分類】G06T7/20, G06T7/00
【公開號】CN105139372
【申請?zhí)枴緾N201510066698
【發(fā)明人】王明江, 盧婷舒, 曲中鑫, 劉曉炯, 劉明
【申請人】哈爾濱工業(yè)大學深圳研究生院
【公開日】2015年12月9日
【申請日】2015年2月6日