專利名稱：視頻流背景圖像建模方法
技術(shù)領(lǐng)域：
本發(fā)明屬于視頻監(jiān)控技術(shù)領(lǐng)域，涉及一種用于視頻監(jiān)控系統(tǒng)的視頻流背景圖像建模方法。

背景技術(shù)：
視頻監(jiān)控系統(tǒng)是一個(gè)備受關(guān)注且具有廣泛的應(yīng)用前景的智能系統(tǒng)。一個(gè)典型的視頻監(jiān)控系統(tǒng)一般是用一個(gè)靜態(tài)的攝像機(jī)對(duì)某個(gè)固定區(qū)域的目標(biāo)進(jìn)行監(jiān)控，其中從視頻流中實(shí)時(shí)分離出運(yùn)動(dòng)目標(biāo)是視頻監(jiān)控系統(tǒng)一個(gè)基本環(huán)節(jié)。而背景差分法以其簡單可靠在運(yùn)動(dòng)目標(biāo)檢測中得到廣泛應(yīng)用，然而，在許多視頻監(jiān)控場所，監(jiān)控場景的背景不是固定的，往往受光照、天氣等環(huán)境因素的影響，因此如何準(zhǔn)確獲取動(dòng)態(tài)變化的場景背景是利用背景差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測的關(guān)鍵，為此，前人提出了大量的背景建模方法其中Stauffer與Grimson在《Adaptive BackgroundMixture Models for Real-Time Tracking》一文中利用自適應(yīng)的混合高斯背景模型，并且利用在線估計(jì)來更新模型，進(jìn)而可靠地處理了光照變化、背景動(dòng)態(tài)運(yùn)動(dòng)的干擾等影響，然而，由于其背景模型是逐象素進(jìn)行計(jì)算，存在計(jì)算量大，“虛影”現(xiàn)象等問題，李志慧等人在《交通流視頻檢測中背景模型與陰影檢測算法》一文中通過對(duì)彩色視頻的背景建模，并引入反饋機(jī)制，較好的克服了“虛影”現(xiàn)象，然而彩色視頻的引入大大提高了背景建模的復(fù)雜度，趙燕偉等人在《一種交通流信息視頻檢測中的特征采集方法》(中國專利，專利申請?zhí)?00510062004.3)中采用了一種基于逐象素亮度混合高斯分布的背景幀維護(hù)方法。但在上述文獻(xiàn)中，背景模型的建立和維護(hù)都是逐象素進(jìn)行，計(jì)算復(fù)雜度大，特別是對(duì)于彩色視頻存在更大的計(jì)算復(fù)雜度，難于滿足那些對(duì)系統(tǒng)的實(shí)時(shí)性、可靠性和準(zhǔn)確性都要求較高的應(yīng)用場合的需求。


發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是克服目前基于混合高斯模型的背景建模方法中存在實(shí)時(shí)性差的問題，提供一種基于Bayer模式的快速混合高斯背景建模方法，使其能夠提高視頻監(jiān)控系統(tǒng)的實(shí)時(shí)性、可靠性和準(zhǔn)確性。
為解決上述技術(shù)問題，本發(fā)明的方法包括以下步驟 (1)設(shè)定混合高斯模型的相關(guān)參數(shù)，所述的參數(shù)包括全局背景閾值T、學(xué)習(xí)率α、高斯分布模型個(gè)數(shù)K、和初始化幀數(shù)M； (2)采集攝像機(jī)的數(shù)字視頻信息，并利用中值和高斯濾波對(duì)獲取的彩色或灰度數(shù)字視頻信息進(jìn)行去噪和清晰化處理； (3)數(shù)字視頻信號(hào)進(jìn)行子采樣，對(duì)基于RGB或YCrCb模式的彩色數(shù)字視頻信號(hào)，依據(jù)分量分離的原則，按照Bayer模式進(jìn)行子采樣，而對(duì)于灰度數(shù)字視頻信號(hào)，則直接對(duì)亮度信息按照Bayer模式進(jìn)行1/2子采樣； (4)根據(jù)前K幀子采樣視頻圖像的各象素分量值對(duì)各象素的混合高斯模型進(jìn)行初始化，在此基礎(chǔ)上，利用前M-1幀的子采樣視頻圖像完成對(duì)混合高斯背景模型的初始化； (5)隨監(jiān)控場景外界條件的變化，根據(jù)運(yùn)動(dòng)目標(biāo)區(qū)域有選擇地進(jìn)行混合高斯模型的背景更新； (6)通過鄰域插值來獲取完整的背景模型，對(duì)基于RGB或YCrCb模式的彩色數(shù)字視頻信號(hào)，在Bayer模式子采樣視頻圖像的基礎(chǔ)上，按照鄰域插值方法還原到原來的色彩模式，而對(duì)灰度數(shù)字視頻信號(hào)則采用鄰域插值方法還原到完整的視頻模式。
所述(1)中，全局背景閾值T一般取T＝0.4、學(xué)習(xí)率α的取值范圍一般在
、高斯分布個(gè)數(shù)K的取范圍一般為[3，5]、而初始化幀數(shù)M取值范圍一般為[50，500]。
所述(4)和(5)中，對(duì)基于RGB或YCrCb模式的彩色數(shù)字視頻信號(hào)，將子采樣視頻圖像上每個(gè)象素上的對(duì)應(yīng)的色彩分量的視頻序列可看作一時(shí)間序列{Xij，1，Xij，2，…，Xij，t}，且該時(shí)間序列可表示為K個(gè)高斯分布的疊加，即混合高斯分布。其當(dāng)前點(diǎn)的概率表示為 式(1-1)中K為高斯分布個(gè)數(shù)，ωk為第k個(gè)高斯分布的權(quán)重系數(shù)，μij，k，t為第k個(gè)高斯分布的均值，Σij，k，t為第k個(gè)高斯分布的協(xié)方差矩陣，ij為象素點(diǎn)的序號(hào)，即第i行j列的象素點(diǎn)，而η為高斯概率密度函數(shù)，如式(1-2)。
所述(4)和(5)中，對(duì)灰度數(shù)字視頻信號(hào)，則子采樣視頻圖像上每個(gè)象素上的對(duì)應(yīng)的只有亮度信息，因此混合高斯建模只對(duì)亮度信息進(jìn)行處理。
所述(4)中的背景初始化過程包括如下步驟 (4.1)背景模型的初始設(shè)定，即將前K幀子采樣視頻圖像的每個(gè)象素的相應(yīng)分量值作為該象素各高斯分布的均值，方差、權(quán)重設(shè)為預(yù)定值，完成每個(gè)象素混合高斯背景模型的初始化。
(4.2)初始背景模型的更新，在初始高斯背景模型的基礎(chǔ)上，根據(jù)前M-1幀的子采樣視頻圖像各象素的相應(yīng)分量信息更新其混合高斯模型，進(jìn)而完成背景初始化。具體過程為 當(dāng)獲取新的一幀子采樣視頻圖像后，首先得到子采樣視頻中每個(gè)象素點(diǎn)的值，并將該值與已有的各高斯分布進(jìn)行比較。對(duì)于t時(shí)刻任意的象素點(diǎn)Xij，t，將其與已有的各高斯分布進(jìn)行匹配，定義 如果Mij，k，t＝1，則可以認(rèn)為第k個(gè)子模型與Xij，t匹配，此時(shí)權(quán)重進(jìn)行如下更新 ωij，k，t＝(1-α)ωij，k，t-1+αMij，k，t，k＝1，...，K (1-4) 高斯分布的參數(shù)則進(jìn)行如下更新 在式(1-4)和(1-5)中，α是學(xué)習(xí)率，決定了高斯模型模型參數(shù)變化的速度。g為參數(shù)更新率。
如果在已有的混合高斯背景模型中，沒有一個(gè)高斯分布與該象素點(diǎn)匹配，此時(shí)，用新的高斯分布代替優(yōu)先級(jí)最低的高斯分布。新的高斯分布的均值取當(dāng)前象素點(diǎn)的相應(yīng)分量、賦予較大的方差和較小的權(quán)重。
所述(5)中背景更新過程包括如下步驟 (5.1)前景區(qū)域的獲取，即從前一幀的運(yùn)動(dòng)區(qū)域檢測結(jié)果中獲取前景區(qū)域，該部分信息由后續(xù)的目標(biāo)檢測部分反饋得到。
(5.2)前景區(qū)域的Bayer模式子采樣，對(duì)前景區(qū)域采用(3)中所述的方式進(jìn)行子采樣。
(5.3)背景更新，當(dāng)獲取新的一幀子采樣視頻圖像后，首先得到子采樣視頻中每個(gè)象素點(diǎn)的值，對(duì)于子采樣圖像陣列中上一幀為背景的象素點(diǎn)，仍按照(4.2)所述方法進(jìn)行背景更新，而對(duì)于為前景的象素點(diǎn)，則繼續(xù)保留前一幀背景模型的相關(guān)參數(shù)，如式(1-6)所示。
本發(fā)明的有益效果主要表現(xiàn)在1、算法的計(jì)算速度快、實(shí)時(shí)性高，由于本發(fā)明引入了Bayer模式對(duì)數(shù)字視頻信號(hào)進(jìn)行子采樣，為此對(duì)數(shù)字彩色視頻的背景建模效率提高為原來的1/3，而對(duì)數(shù)字灰度視頻的背景建模效率提高為原來的1/2，對(duì)于彩色和灰度視頻信息每秒鐘能處理20幀以上；2、能較準(zhǔn)確地反映環(huán)境變化情況，包括下雨、有霧的天氣變化、光照變化、目標(biāo)在背景中的移入和移出、樹葉擺動(dòng)等。



圖1(a)是基于RGB的彩色數(shù)字視頻信號(hào)，依據(jù)分量分離的原則，按照Bayer色彩模式進(jìn)行子采樣的示意圖。
圖1(b)是基于YCrCb模式的彩色數(shù)字視頻信號(hào)，依據(jù)分量分離的原則，按照Bayer色彩模式進(jìn)行子采樣示意圖。
圖1(c)是灰度數(shù)字視頻信號(hào)對(duì)亮度信息按照Bayer色彩模式進(jìn)行1/2子采樣的示意圖。
圖2(a)是基于RGB的彩色數(shù)字視頻信號(hào)，由Bayer色彩模式子采樣陣列經(jīng)鄰域插值還原為原始圖像陣列的示意圖。
圖2(b)是基于YCrCb模式的彩色數(shù)字視頻信號(hào)，由Bayer色彩模式子采樣陣列經(jīng)鄰域插值還原為原始圖像陣列的示意圖。
圖2(c)是灰度數(shù)字視頻信號(hào)，由Bayer色彩模式1/2子采樣陣列經(jīng)鄰域插值還原為原始圖像陣列的示意圖。
圖3為本發(fā)明方法的步驟框圖。

具體實(shí)施例方式 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。
參照圖3，其中描述了本發(fā)明的步驟框圖。在步驟(1)相關(guān)參數(shù)設(shè)定中，完成對(duì)混合高斯模型的相關(guān)參數(shù)設(shè)定，所述的參數(shù)包括全局背景閾值T、學(xué)習(xí)率α、高斯分布模型個(gè)數(shù)K、和初始化幀數(shù)M。
在步驟(2)清晰化處理中，由于視頻監(jiān)控系統(tǒng)往往用在室外復(fù)雜環(huán)境中，視頻信息將受霧、風(fēng)沙等天氣因素的影響，而使圖像清晰程度降低，針對(duì)這一影響，本發(fā)明首先采用3×3的中值濾波器對(duì)所采集的每一幀數(shù)字視頻圖像進(jìn)行去噪處理，然后在利用高斯濾波器對(duì)圖像中的高頻分量進(jìn)行增強(qiáng)，使圖像輪廓更為清晰。
在步驟(3)Bayer模式子采樣中，完成每一幀數(shù)字視頻圖像的子采樣，對(duì)于原數(shù)字視頻中的圖像陣列，假設(shè)首行為第一行，首列為第一列，并且圖像陣列為RGB模式，則單行單列只取紅色分量，雙行雙列只取藍(lán)色分量，單行雙列和雙行單列只取綠色分量，那么t時(shí)刻子采樣圖像中某一象素點(diǎn)(i，j)可表示為
如果是YCrCb模式的彩色視頻信號(hào)，則t時(shí)刻子樣圖像中某一象素點(diǎn)(i，j)可表示為
其他亮度和色度分離的彩色視頻信號(hào)采用類似的子采樣處理。如果是灰度視頻信號(hào)，則t時(shí)刻子樣圖像中某一象素點(diǎn)(i，j)可表示為
如圖1(a)、圖1(b)和圖1(c)所示。
在步驟(4)讀取子采樣象素點(diǎn)中，對(duì)RGB模式和YCrCb模式的彩色視頻信號(hào)即讀取每個(gè)相應(yīng)子采樣點(diǎn)上的相應(yīng)色彩分量的數(shù)據(jù)作為該象素點(diǎn)的值，而對(duì)于灰度視頻信號(hào)，則讀取每個(gè)子采樣點(diǎn)的亮度數(shù)據(jù)作為該象素點(diǎn)的值。
在步驟(6)混合高斯模型中，本發(fā)明對(duì)于子采樣視頻中象素點(diǎn)值看作一時(shí)間序列{Xij，1，Xij，2，…，Xij，t}，且在混合高斯模型中將該時(shí)間序列表示為K個(gè)高斯分布的疊加，即混合高斯分布。其當(dāng)前點(diǎn)的概率表示為 式(2-4)中K為高斯分布個(gè)數(shù)，ωk為第k個(gè)高斯分布的權(quán)重系數(shù)，μij，k，t為第k個(gè)高斯分布的均值，Σij，k，t為第k個(gè)高斯分布的協(xié)方差矩陣，ij為象素點(diǎn)的序號(hào)，即第i行j列的象素點(diǎn)，而η為高斯密度函數(shù)，如下式。
如果是RGB模式的彩色視頻信號(hào)，在建模時(shí)，認(rèn)為R、G、B三通道是相互獨(dú)立的。則μij，k，t、Σij，k，t可寫成如下形式 μij，k，t＝Xij，k，t (2-6) Σij，k，t＝diag((σRij，k，t)2，(σGij，k，t)2，(σBij，k，t)2) (2-7) 各高斯分布優(yōu)先級(jí)qk計(jì)算如下 當(dāng)采用YCrCb空間時(shí)，μij，k，t、Σij，k，t、qk也可類似得到。當(dāng)采用灰度空間時(shí)，μij，k，t、Σij，k，t、qk也形成如下形式 在步驟(5)初始背景設(shè)定中，將前K幀子采樣視頻圖像的每個(gè)象素的相應(yīng)分量值作為該象素各混合高斯模型的均值，方差、權(quán)重設(shè)為預(yù)定值，假設(shè)K取3，則各高斯模型的方差可分別設(shè)為14，15，16；而權(quán)值可分別設(shè)為0.05，0.06，0.07。
當(dāng)所獲取的視頻幀數(shù)小于預(yù)定參數(shù)M時(shí)，表示系統(tǒng)還在背景初始化階段，此時(shí)背景更新將執(zhí)行步驟(7)初始背景更新過程，即當(dāng)獲得一幀新視頻圖像時(shí)，首先得到子采樣視頻中每個(gè)象素點(diǎn)的值，并將該值與已有的各高斯分布進(jìn)行比較。對(duì)于t時(shí)刻任意的象素點(diǎn)Xij，t，將其與已有的各高斯分布進(jìn)行匹配，定義 如果Mij，k，t＝1，則可以認(rèn)為第k個(gè)高斯分布與Xij，t匹配，此時(shí)權(quán)重進(jìn)行如下更新 ωij，k，t＝(1-α)ωij，k，t-1+αMij，k，t，k＝1，...，K (2-11) 高斯分布的參數(shù)則進(jìn)行如下更新 在式(2-11)和(2-12)中，α是學(xué)習(xí)率，決定了高斯模型參數(shù)變化的速度。g為參數(shù)更新率。
如果在已有的混合高斯背景模型中，沒有一個(gè)高斯分布與該象素點(diǎn)匹配，此時(shí)，用新的高斯分布代替優(yōu)先級(jí)最低的高斯分布。新的高斯分布的均值取當(dāng)前象素點(diǎn)的相應(yīng)分離、賦予較大的方差和較小的權(quán)重。
當(dāng)所獲取的視頻幀數(shù)不小于預(yù)定參數(shù)M時(shí)，表示系統(tǒng)背景更新階段，該過程用來克服監(jiān)控場景外界條件變化的影響，使背景模型能適應(yīng)這些變化。由于在有些監(jiān)控場景和時(shí)段，被檢測出來的運(yùn)動(dòng)目標(biāo)可能會(huì)出現(xiàn)短暫的停留現(xiàn)象，如果直接按步驟(7)的策略更新背景，會(huì)將暫時(shí)停留的運(yùn)動(dòng)目標(biāo)更新為背景，當(dāng)這些運(yùn)動(dòng)目標(biāo)再次運(yùn)動(dòng)時(shí)，原來它們停留的區(qū)域就會(huì)被檢測成為前景區(qū)域，出現(xiàn)所謂的“鬼影”現(xiàn)象，從而降低運(yùn)動(dòng)目標(biāo)檢測的正確率，在本發(fā)明中考慮了這種運(yùn)動(dòng)目標(biāo)區(qū)域?qū)Ρ尘案碌挠绊?，采用了根?jù)運(yùn)動(dòng)目標(biāo)區(qū)域有選擇地進(jìn)行混合高斯的背景更新的策略。整個(gè)背景更新過程包括步驟(8)(9)(10)三部分。
在步驟(8)前景區(qū)域中，獲取有目標(biāo)檢測部分根據(jù)前一幀所提取的運(yùn)動(dòng)目標(biāo)區(qū)域，以實(shí)現(xiàn)有條件的背景更新，在實(shí)現(xiàn)中前景區(qū)域信息作為背景建模的外部參數(shù)，由目標(biāo)檢測部分反饋過來。
在步驟(9)Bayer模式子采樣中實(shí)現(xiàn)與步驟(4)類似的功能，對(duì)運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行子采樣。
在步驟(10)背景更新中，當(dāng)獲得一幀新視頻圖像時(shí)，首先得到子采樣視頻中每個(gè)象素點(diǎn)的值，對(duì)于子采樣圖像陣列中上一幀為背景的象素點(diǎn)，仍按照步驟(7)中的背景更新策略進(jìn)行更新，而對(duì)于為前景的象素點(diǎn)，則繼續(xù)保留前一幀背景模型的相關(guān)參數(shù)，如式(2-13)所示。
通過步驟(7)的背景更新公式可知，高斯分布權(quán)值ω越大，表示一段時(shí)間內(nèi)有較多的觀察值與該子模型匹配；而方差σ的大小表示了子模型的穩(wěn)定性，σ越小，子模型越穩(wěn)定。因此，可以用權(quán)和方差之比ω/σ(q)作為子模型的優(yōu)先級(jí)，進(jìn)行背景建模。在步驟(6)中，按優(yōu)先級(jí)值的大小以降序排列混合模型中所有子模型，前b個(gè)權(quán)值之和大于閾值T的子模型即為當(dāng)前子采樣視頻的背景模型 式(2-14)中，T是背景建模閾值，它表示能真正反映背景的數(shù)據(jù)占總數(shù)據(jù)的最小比重，一般取T＝0.4。
在步驟(11)鄰域插值中，根據(jù)子采樣背景模型，按照圖2(a)(b)(c)所示的方法分別對(duì)彩色視頻和灰度視頻進(jìn)行鄰域插值處理，還原出整個(gè)視頻圖像陣列的背景模型。
對(duì)于RGB模式的彩色視頻信號(hào)，鄰域插值處理如下所示


對(duì)于YCrCb模式的彩色視頻信號(hào)，鄰域插值處理如下所示


對(duì)于灰度視頻信號(hào)，鄰域插值處理如下所示 μij，t＝(μi-1j，t+μi+1j，t+μij-1，t+μij+1，t)/4(2-21) 經(jīng)過鄰域插值得到的便是完整的背景模型，在此基礎(chǔ)上目標(biāo)檢測部分可以進(jìn)行運(yùn)動(dòng)目標(biāo)提取。
從上述描述可以看出，本發(fā)明的背景建模是在依據(jù)Bayer模式子采樣的基礎(chǔ)上，結(jié)合混合高斯模型實(shí)現(xiàn)的，對(duì)彩色視頻來說，背景建模過程由原來需要計(jì)算3個(gè)色彩分量降為只需要計(jì)算1個(gè)分量，而其他分量則依據(jù)鄰域內(nèi)圖像的相關(guān)性利用鄰域插值方法獲取，使背景建模的計(jì)算量降為原來的1/3；而對(duì)于灰度視頻來說，同樣依據(jù)Bayer模式進(jìn)行1/2子采樣，而不是簡單的隔行隔列采樣，從而最大限度保留了視頻圖像的原有信息，而整個(gè)背景模型則依據(jù)1/2子采樣背景模型按照圖2(c)所示的鄰域插值法獲取，在最大限度保留視頻圖像原始背景信息的基礎(chǔ)上使背景建模的計(jì)算時(shí)間降為原來的1/2。
權(quán)利要求
1、一種視頻流背景圖像建模方法，其特征是它包括以下步驟，
(1)設(shè)定混合高斯模型的相關(guān)參數(shù)，所述的參數(shù)包括全局背景閾值T、學(xué)習(xí)率α、高斯分布模型個(gè)數(shù)K、和初始化幀數(shù)M；
(2)采集攝像機(jī)的數(shù)字視頻信息，并利用中值和高斯濾波對(duì)獲取的彩色或灰度數(shù)字視頻信息進(jìn)行去噪和清晰化處理；
(3)數(shù)字視頻信號(hào)進(jìn)行子采樣，對(duì)基于RGB或YCrCb模式的彩色數(shù)字視頻信號(hào)，依據(jù)分量分離的原則，按照Bayer模式進(jìn)行子采樣，而對(duì)于灰度數(shù)字視頻信號(hào)，則直接對(duì)亮度信息按照Bayer模式進(jìn)行1/2子采樣；
(4)根據(jù)前K幀子采樣視頻圖像的各象素分量值對(duì)各象素的混合高斯模型進(jìn)行初始化，在此基礎(chǔ)上，利用前M-1幀的子采樣視頻圖像完成對(duì)混合高斯背景模型的初始化；
(5)隨監(jiān)控場景外界條件的變化，根據(jù)運(yùn)動(dòng)目標(biāo)區(qū)域有選擇地進(jìn)行混合高斯模型的背景更新；
(6)通過鄰域插值來獲取完整的背景模型，對(duì)基于RGB或YCrCb模式的彩色數(shù)字視頻信號(hào)，在Bayer模式子采樣視頻圖像的基礎(chǔ)上，按照鄰域插值方法還原到原來的色彩模式，而對(duì)灰度數(shù)字視頻信號(hào)則采用鄰域插值方法還原到完整的視頻模式。
2、根據(jù)權(quán)利要求1所述的視頻流背景圖像建模方法，其特征是所述(4)中的背景初始化過程包括如下步驟，
(4.1)背景模型的初始設(shè)定，即將前K幀子采樣視頻圖像的每個(gè)象素的相應(yīng)分量值作為該象素各高斯分布的均值，方差、權(quán)重設(shè)為預(yù)定值，完成每個(gè)象素混合高斯背景模型的初始化；
(4.2)初始背景模型的更新，在初始高斯背景模型的基礎(chǔ)上，根據(jù)前M-1幀的子采樣視頻圖像各象素的相應(yīng)分量信息更新其混合高斯模型，進(jìn)而完成背景初始化。
3、根據(jù)權(quán)利要求1所述的視頻流背景圖像建模方法，其特征是所述(5)中背景更新過程包括如下步驟，
(5.1)前景區(qū)域的獲取，即從前一幀的運(yùn)動(dòng)區(qū)域檢測結(jié)果中獲取前景區(qū)域，該部分信息由后續(xù)的目標(biāo)檢測部分反饋得到；
(5.2)前景區(qū)域的Bayer模式子采樣，對(duì)前景區(qū)域采用(3)中所述的方式進(jìn)行子采樣；
(5.3)背景更新，當(dāng)獲取新的一幀子采樣視頻圖像后，首先得到子采樣視頻中每個(gè)象素點(diǎn)的值，對(duì)于子采樣圖像陣列中上一幀為背景的象素點(diǎn)，仍按照(4.2)所述方法進(jìn)行背景更新，而對(duì)于為前景的象素點(diǎn)，則繼續(xù)保留前一幀背景模型的相關(guān)參數(shù)。
全文摘要
本發(fā)明屬于視頻監(jiān)控技術(shù)領(lǐng)域，涉及一種用于視頻監(jiān)控系統(tǒng)的視頻流背景圖像建模方法。該方法包括以下步驟(1)設(shè)定混合高斯模型的相關(guān)參數(shù)；(2)對(duì)獲取的彩色或灰度數(shù)字視頻信息進(jìn)行去噪和清晰化處理；(3)數(shù)字視頻信號(hào)按照Bayer模式進(jìn)行子采樣；(4)對(duì)各象素的混合高斯模型進(jìn)行初始化，完成對(duì)混合高斯背景模型的初始化；(5)有選擇地進(jìn)行混合高斯模型的背景更新；(6)通過鄰域插值來獲取完整的背景模型。本發(fā)明能夠提高視頻監(jiān)控系統(tǒng)的實(shí)時(shí)性、可靠性和準(zhǔn)確性。
文檔編號(hào)H04N5/272GK101420536SQ20081023628
公開日2009年4月29日 申請日期2008年11月28日 優(yōu)先權(quán)日2008年11月28日
發(fā)明者峰 李, 彭長生, 珺 陸, 戴樂云 申請人:江蘇科海智能系統(tǒng)有限公司