[发明专利]有限复杂背景下视频目标的特征检测方法

说明书

技术领域

本发明属于视频监控技术领域，涉及一种有限复杂背景下视频目标的特 征检测方法。

背景技术

运动目标检测处于智能视频监控系统的最底层，是各种后续高级处理如 目标跟踪、目标分类、行为理解的基础。智能视频监控系统是用一个静态的 摄像机实时监控固定区域，其目的是从静态背景中分割出动态目标，并对其 进行分类、跟踪等操作。对于静态摄像机，背景建模是解决实时分割动态目 标的有效方法。

一个有效的背景模型应能克服以下几种在实际应用中常常存在的问题：

(1)背景模型的提取：背景图像的获取最简单的方法是在场景没有运动目 标的情况下进行，但在某些应用场合无法满足这种要求。

(2)背景的扰动：背景中可以含有轻微扰动的对象，如树枝、树叶的摇动， 扰动部分不应该被看作是前景运动目标。

(3)外界光线的变化：一天中不同时间段光线、天气等的变化以及室内开 灯、关灯等都会对检测结果产生影响。

(4)背景的更新：由于光照或其它条件的变化会使背景图像发生变化、需 要及时对背景模型进行更新，以适应这种变化。

(5)阴影的影响：通常前景目标的阴影也被检测为运动目标的一部分，这 样将影响对运动日标的进一步处理和分析。

以往的方法或者不能解决以上所有问题，或者是通过构造复杂的模型来 解决，计算量大，对系统的要求比较高，有时可能无法满足实时处理的要求。 有限复杂背景下视频目标的特征检测方法是以Stauffe提出的混合高斯模型 为蓝本，将基于颜色的背景模型和基于梯度的背景模型结合起来，给出了一 个能够适应背景场景轻微扰动、克服噪声和环境光照影响的、实时更新的、 鲁棒的目标检测算法。

发明内容

本发明的主要目的在于克服现有技术中的不足，通过研究基于颜色的背 景模型和基于梯度的背景模型，提供一种有限复杂背景下视频目标的特征检 测方法。

有限复杂背景下视频目标的特征检测方法主要是通过构建一个基于颜色 和颜色梯度的背景模型，解决目前视频监控系统中由于背景图像的扰动、光 照变化等的影响，而导致系统无法满足实时处理的要求。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)]]>