[发明专利]基于显著度和混合高斯模型的监控视频前景提取方法

说明书

技术领域

本发明涉及数字视频分析领域，尤其涉及一种基于显著度和混合高斯模型的监控视频前景提取方法。

背景技术

视频监控系统已经广泛应用于小区安全监控，交通路况，机场，银行等，并将有着广泛的应用前景。由于现有的视频监控系统大部分都是仅仅将视频录制以后保存，并没有发挥实时主动地监控作用，在此基础上发展的智能视频监控系统，采用视频分析技术，自动实现对目标的检测，识别和跟踪，并在此基础上对行为进行判断。视频监控系统集视频采集、检测、识别、检索与一身，代表了未来监控领域的发展趋势，但是由于视频的种类变换多样，而现有的视频分析方法的适用性不强，严重影响智能监控系统的监控效果，一定程度上制约了视频监控系统的发展，因此，如何对视频进行有效地分析是视频监控领域的一个亟待解决的重要问题。

视频监控系统由于摄像机位置比较固定，因此背景区域基本保持不变，基于像素的背景建模方法由于运算复杂度低得到了广泛的应用。2000年美国麻省理工人工智能研究所Stauffer and Grimson采用混合高斯模型即每个像素均由3到5个高斯模型表示，每个像素均循环每个高斯模型直到找到合适的高斯模型，采用基于在线EM（期望最大化）学习方法更新参数，以便适应视频的变化。每个像素都需要判断是否属于高斯模型，如果属于前景的高斯模型，则该像素为前景，否则该像素为背景，该方法的提出为混合高斯模型算法的应用和发展奠定了基础，但这种基于EM算法的更新方法，收敛速度比较慢，很难适应视频内容的变化，而且该算法很难确定一个合适的学习速率。2008年Haque通过选择相近的高斯模型函数的方法，不需要循环所有的模型，通过自动设定循环区间的方法，仅仅选择重要的高斯背景模型进行判断的方法，在解决背景部分抖动方面取得了一定的效果，但是该方法仍然不能完整地提取物体的内部区域。

总之，前景提取算法中的背景建模方法本身是一种基于像素在时间域的分析方法，根据像素在时域上的变化判断，该像素是否是前景像素，并没有充分利用出前景像素在当前帧的相关位置及其像素之间的相关关系信息，导致检测的前景区域并不完整。

发明内容

本发明的目的在于针对现有的基于混合高斯模型的前景提取方法获取的前景不完整的问题，提供一种基于显著度和混合高斯模型的监控视频前景提取方法，更加完整地提取监控视频的前景区域，为视频监控系统目标识别，跟踪与检索提供强有力的支持。

为了达到上述目的，本发明采用如下的技术方案：

一种基于显著度和混合高斯模型的监控视频前景提取方法，对视频进行前景提取时，进行以下步骤，

步骤1，对视频进行基于混合高斯模型的前景提取，得到基于混合高斯模型的前景区域的掩膜；

步骤2，将视频的每一帧图像从RGB颜色空间转换到LAB颜色空间；

步骤3，获取当前帧与参考帧的帧差图像；

步骤4，将步骤3所得帧差图像进行高斯滤波消除图像噪声，并对滤波后帧差图像进行二值化获取当前帧的掩模图像；

步骤5，通过步骤4所得掩膜图像获取当前帧的前景区域，并在LAB颜色空间中对当前帧的前景区域进行图像显著度的提取，得到显著度图；

步骤6，将步骤5所得显著度图进行二值化，获得基于显著度的图像前景的掩膜；

步骤7，将步骤1所得基于混合高斯模型的前景区域的掩膜与步骤6所得基于显著度的前景区域的掩膜合并，得到最终的前景区域。

而且，步骤3所述的参考帧的获取方法为，在当前帧的以前帧中求取相邻帧颜色直方图的欧式距离的差值，将差值最大的相邻帧中时间较前的一帧设为当前帧的参考帧，其中帧号越小表示时间越靠前。

而且，步骤4中，对帧差图像采用3×3大小的高斯滤波器消除图像噪声，然后对滤波后帧差图像进行基于单一阈值的二值化操作，获取当前帧的掩模图像。

而且，步骤5中，对当前帧的前景区域进行图像显著度的提取时，只针对步骤4所得滤波后帧差图像中的掩膜区域进行显著度的提取，对其中的非掩膜区域不进行显著度的提取。

而且，步骤5中，进行显著度提取的处理如下，

步骤a，设步骤4所得滤波后帧差图像尺寸为M×N，对整个滤波后帧差图像进行二维DCT变换，得到滤波后帧差图像在(x,y)坐标的DCT变换结果值f(x,y)，x的取值为0,1,2,...M-1，y的取值为0,1,2,...N-1；

步骤b，根据步骤4所得掩膜图像中非掩膜区域，将相应dct系数设置为0，如以下公式所示，