[发明专利]有限复杂背景下视频目标的特征检测方法

权利要求书

1.一种有限复杂背景下视频目标的特征检测方法，其特征在于，包括以 下步骤：

一、取背景场景图，对背景样本图像进行不断地训练得到混合高斯分布的 基于颜色的背景模型；如果背景模型是混合高斯分布，需要计算各种组合的梯 度分布函数，某个像素如果属于任何一个梯度分布，就被认为符合梯度背景模 型；

二、对每一幅待测图像，计算它梯度分布函数，建立基于颜色梯度背景模 型；

三、根据周围环境的变化，更新高斯分布自身的参数和各高斯分布的权重， 进一步更新基于颜色和基于颜色梯度的模型；

其中：

基于颜色的背景模型是采用混合高斯分布来描述的，设用来描述每个像素 点(u，v)颜色的高斯分布共K个，K的值取3-7个，则像素z(u，v)的概率函数 可用式(1)表示，

P(zw)=Σj=1kωj,uvN(zuv|μj,uv,Σj,uv)---(1)]]>

其中ω_j，uv是第j个高斯分布的权值，μ_j，uv，∑_j，uv分别为第j个高斯分布的 均值和协方差矩阵，对彩色图像进行建模，且R，G，B三通道是相互独立的，μ_j，uv、 ∑_j，uv可写为如下形式：

μj,uv=(μj,uvT,μj,uvG,μj,uvB)]]>

Σj,uv=diag((σj,uvR)2,(σj,uvG)2,(σj,uvB)2)]]>

各高斯分布按照优先级高低排列，优先级pj计算如下：

pj=ωj,uv/(Rj,uv-μj,uvR)2+(Gj,uv-μj,uvG)2+(Bj,uv-μj,uvB)2]]>

基于颜色梯度的背景模型对光照的变化非常敏感，而颜色梯度相对来说对 光照变化不太敏感，把颜色梯度与颜色信息结合起来一起使用，建立有效而鲁 棒的背景模型，用颜色灰度值g的变化表示颜色梯度；

因为gj,uv(t)=β1R+β2G+β3B]]>

所以gj,uv(t)~N(μg,j,uv,(σg,j,uv)2)]]>

其中μg,j,uv=β1μj,uvR+β2μj,uvG+β3μj,uvB]]>

(σg,j,uv)2=β12(σj,uvR)2+β22(σj,uvG)2+β32(σj,uvB)2]]>

f_j，x＝g_j，u+1，v-g_j，u，v

f_j，y＝g_j，u，v+1-g_j，u，v

可得fj,x~N(μj,fx,(σj,fx)2)]]>

fj,y~N(μj,fy,(σj,fy)2)]]>

其中：μj,fx=μg,j,u+1,v-μg,j,u,v]]>

μj,fy=μg,j,u,v+1-μg,j,u,v]]>

(σj,fx)2=σg,j,u+1,v2+σg,j,u,v2]]>

(σj,fx)2=σg,j,u,v+12+σg,j,u,v2]]>

用式表示颜色梯度，用表示梯度方向，得到颜 色梯度的分布[Δ_m，Δ_d]

F(Δm,Δd)=Δm2πσj,fxσjfy1-p2exp(a2(1-p2))]]>

其中

a=(ΔmcosΔd-μj,fxσjfx)2-2p(ΔmcosΔd-μj,fyσjfx)(ΔmsinΔd-μj,fyσjfy)+(ΔmsinΔd-μj,fyσjfy)2]]>

p=σj,uv2σj,fxσj,fy]]>

所有上述分布参数都可以由基于颜色背景模型中的均值和方差计算而得， 对每一幅待测图像，计算它的梯度值、梯度方向和梯度矢量的概率，如果概率 大于Tg，属于背景，否则属于前景。