[发明专利]一种背景模型与三帧差分相结合进行视频背景检测的方法

说明书

技术领域

本发明涉及信息技术领域，具体涉及一种背景模型与三帧差分相结合进行视频背景检测的方法。

背景技术

从一个视频序列中检测动态目标是视频监控的首要而基本的任务。目前，许多跟踪系统对运动目标的检测都依赖于背景提取技术，也就是将当前输入的图像帧与参考的背景模型相比较，根据当前帧的像素值与背景模型的偏离程度，来判断该像素是目标像素还是背景像素。然后，对那些被认为是目标的像素做进一步处理以便识别目标、确定目标的位置，进而实现跟踪。

背景的提取技术被广泛应用于诸如视频监控这样的跟踪系统。目前已提出了许多构建背景模型的方法。简单的背景模型可以是一幅没有移动物体的图像，而复杂的背景模型则是一种不断更新的统计量模型。然而，现实世界是复杂多变的，例如晃动的树、水中的波纹、闪烁的显示器、变化的照明等。为了处理这些复杂的情况，背景模型变得越来越复杂，这对系统所要求的实时处理提出了挑战。

然而，现实中的视频监控要求背景模型不但能很好地处理环境中的复杂情况，而且还要考虑实时计算能否得到满足。目前所提出的背景模型多数是以像素为单位建立的，这些像素被看成是相互独立的随机变量，每个像素被单独地决策成背景或前景(目标)。但是单个像素本身有时不能说明太多的问题，比如噪声点。事实上，对没有目标的区域，图像本身的结构具有相对的稳定性，因此在目标提取过程中仅对单像素进行分析会产生大量冗余信息，不可避免地会对算法的实际执行效率产生影响。而对相邻的多个像素进行整体处理是减少计算冗余、提高执行效率的一种途径。因此本发明提出了一种基于图像块的背景模型的构建方法。

在目前常见的视频动态背景建模方法，常见的有W4方法、Kalman滤波方法、单一高斯模型与混合高斯模型方法等，其中，检测信息最完整、效果最好的是混合高斯模型方法。本文在传统混合高斯模型的基础上，建立基于图像块的高斯背景模型。并且针对高斯模型对噪声抑制能力不够强，对背景内容的突然变化适应性不够强的缺点。

发明内容

本发明的目的在于提供一种背景模型与三帧差分相结合进行视频背景检测的方法，不仅可以克服传统高斯背景建模方法中以单个像素点为单位进行建模的冗余性和低效性，并且与三帧差分相结合可以克服高斯模型对噪声影响抑制力不强、对背景内容的突然变化适应性不强的缺点。

本发明一种基于图像块的高斯模型背景建模方法，包括：

对每帧图像划分图像块；

建立基于图像块的混合高斯背景模型；

对于与背景模型不匹配的图像块利用三帧差分进行进一步判断；

根据背景模型与三帧差分的结果判断出每个图像块是前景块还是背景块。

所述的对每帧图像划分图像块具体为：对每帧图像进行16*16图像块的划分，再将每个16*16的图像块划分为16个4*4的小块。

所述的建立基于图像块的混合高斯背景模型具体为：对每个4*4的小块的16个像素点求均值，以均值为特征值与现有的高斯模型进行匹配。

所述的对于与背景模型不匹配的图像块利用三帧差分进行进一步判断具体为：当4*4小块的均值与所有的高斯分布都不匹配时，再利用三帧差分进一步判断。

所述的根据背景模型与三帧差分的结果判断出每个图像块是前景块还是背景块具体为：根据每个16*16图像块中4*4的小块中是背景块的个数与某个设定的阈值进行比较，若个数大于设定的阈值，则判定此16*16图像块是背景块，否则判定为前景块。

实施本发明，具有如下有益效果：

(1)传统高斯建模方法中背景模型是以单个像素的形式建立的，尽管单个像素形式的模型具有准确、灵活等优点，但同时存在冗余性、系统执行效率不高的缺点，此方法以图像块作为基本的检测单位，可以克服这个缺点。

(2)并且此方法针对高斯模型对噪声抑制能力不够强，对背景内容的突然变化适应性不够强的缺点，在建立模型的基础上结合三帧差分进行前景与背景的进一步判断。

(3)操作上：对图像块的划分方式是：对每帧图像进行16*16图像块的划分，再将每个16*16的图像块划分为16个4*4的小块。在建立模型方面：对每个4*4小块求均值，以均值作为特征值与高斯模型进行匹配，进行模型的维护和更新。最后以4*4小块判断为背景块的个数来决定此16*16图像块是前景还是背景，这样运算单位划分适当，不会因16*16图像块过大造成计算误差，又克服了单一像素点为单位计算效率低下的缺点，计算简单，且判断准确性高。