[发明专利]用于视频对象检测的方法和系统

说明书

技术领域

本公开一般涉及视频处理，特别地，涉及视频中的前景对象与背景的分离。

背景技术

当前，诸如摇摄-倾斜-变焦(PTZ)照相机的视频照相机是十分普遍的，并且常常用于监视目的。照相机所捕获的数据(视频内容)多于观察者所能够处理的。因此，需要视频内容的自动分析。

术语前景对象和前景指的是在视频上捕获的场景中出现的瞬时对象。这些瞬时对象可包含例如运动的人。即使场景的剩余部分包含诸如水波纹或在风中运动的草的运动，所述剩余部分也被视为背景区域。

视频内容的处理中的重要步骤是将视频数据分离成前景对象与背景场景或背景。该处理被称为前景/背景分离。这种分离使得能够进行进一步的分析，诸如特定前景对象的检测或运动对象的跟踪。这种进一步的分析具有许多的应用，包括例如自动视频监视和诸如人员计数的统计汇集。

前景/背景分离的一种方法是统计场景模型化。在一个例子中，对于各像素保持多个高斯分布，以将像素的最近的历史模型化。当接收新的输入帧时，对照(against)通过相应的像素位置处的模型保持的高斯分布评价来自输入帧的各像素。如果输入像素匹配高斯分布中的一个，那么，以适应性学习率更新相关的高斯分布的参数。否则，创建用于所述像素的新的高斯模型。

前景/背景分离的另一方法保持两个基于像素的背景模型B1和B2。B1包含初始化(initialisation)时段期间对于各像素位置的最小值，B2包含最大值。当接收新的帧时，在每像素的基础上计算输入帧和各背景模型之间的差异。对于各像素，通过使用具有固定的学习率的近似的中间更新方法来更新对于所述像素具有最小的差异的相应的模型。

另一技术使用能够处理场景的迅速变化和逐渐变化两者的双背景模型。为了这样做，从以恒定的速度采样的高速缓存帧的列表导出正常的背景模型。双背景模型系统还尝试检测场景中的大变化情况。仅当检测到大变化情况时，才基于以比正常背景模型快的速度采样的高速缓存帧的另一列表创建新的背景模型。

对于生成准确的前景/背景分离，开发鲁棒的场景模型是关键的。构建鲁棒的场景模型的主要挑战之一是适应场景的变化。一些现有技术很好地处理逐渐和缓慢的变化。但是，当场景中的变化变得大和快时，这些现有技术的模型不能跟上变化，并因此导致多个错误的前景检测。现有技术不能处理另一类型的变化，所述另一类型的变化包括从稳定状态出现延长的大和快的变化、接着迅速和突然复原(reversion)到所述稳定状态。处理包含大和快的变化的第一类型的变化的现有方法不处理突然的复原。相反，处理包含突然的复原的第二类型的变化的现有方法不处理大和快的变化。

因此，需要改进的视频对象检测方法。

发明内容

本公开涉及用于更新用于在图像处理中执行前景/背景分离的场景模型的方法和系统。前景/背景分离可然后被用于识别视频序列中的前景对象。本公开提供与场景模型中的各模型视觉元素相关的元素模型组。各元素模型与多个视觉数据组相关。所述方法利用视觉数据组来选择元素模型并然后根据选择的元素模型将输入视觉元素归类。所述方法然后根据不同的学习率更新与选择的元素模型相关的视觉数据组。

根据本公开的第一方面，提供一种对于输入图像执行前景/背景分离的计算机实现的方法。所述方法包括以下的步骤：对于输入图像中的各输入视觉元素：识别与输入图像相关的场景模型中的相应的模型视觉元素，模型视觉元素与元素模型组相关，各元素模型包含多个视觉数据组；根据满足预先确定的准则的输入视觉元素和选择的元素模型的视觉数据组之间的视觉距离，从元素模型组选择元素模型；根据选择的元素模型将输入视觉元素归类为前景和背景中的一个；和根据输入视觉元素和用于更新视觉数据组的至少第一和第二不同的方法更新选择的元素模型中的各视觉数据组。

根据本公开的第二方面，提供一种上面记录有对于输入图像执行前景/背景分离的计算机程序的计算机可读存储介质。计算机程序包括用于执行以下的步骤的代码：对于输入图像中的各输入视觉元素：识别与输入图像相关的场景模型中的相应的模型视觉元素，模型视觉元素与元素模型组相关，各元素模型包含多个视觉数据组；根据满足预先确定的准则的输入视觉元素和选择的元素模型的视觉数据组之间的视觉距离，从元素模型组选择元素模型；根据选择的元素模型将输入视觉元素归类为前景和背景中的一个；和根据输入视觉元素和用于更新视觉数据组的至少第一和第二不同的方法更新选择的元素模型中的各视觉数据组。