[发明专利]一种视频分析中抑制光线突然变化影响的背景去除方法

说明书

  

技术领域

本发明涉及的是一种背景去除方法，具体涉及一种视频分析中抑制光线突然变化影响的背景去除方法。 

背景技术

背景去除是智能视频分析中最重要的步骤之一。视频中大部分像素，都是长久不变的，背景去除可以将视频中不变的背景去除掉，留下发生变化的前景。混合高斯模型背景去除是目前最流行的背景去除方法。混合高斯模型使用K（基本为3到5个）个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型，主要是有方差和均值两个参数决定，对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。 

高斯模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，将一个事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。对图像背景建立高斯模型的原理及过程：图像灰度直方图反映的是图像中某个灰度值出现的频次，也可以以为是图像灰度概率密度的估计。 

混合高斯模型背景去除方法的优点是可以自适应学习，不会受到早晚光线缓慢变化的影响。 

但是，混合高斯模型背景去除方法的一个主要的缺点是：在光线快速变化的时候，比如多云天气太阳从云层钻出，由于背景学习来不及跟上快速的光线变化，导致出现大面积虚警。除了混合高斯模型背景去除方法以外，目前所有自学习背景的背景去除方法，都有这个问题。 

目前所有自学习背景的背景去除算法能处理缓慢变化场景或周期性运动，对噪声有一定的抑制，但对快速光线变化、阴影、动态纹理缺乏处理能力。在现实场景尤其是在多云天气下，经常会出现快速的光线变化导致大量虚警的出现。 

发明内容

针对现有技术上存在的不足，本发明目的是在于提供一种视频分析中抑制光线突然变化影响的背景去除方法，在现有背景去除的基础上，增加后续处理，以便消除光线快速变化引起的虚警。 

为了实现上述目的，本发明是通过如下的技术方案来实现：一种视频分析中抑制光线突然变化影响的背景去除方法，其步骤为：(1)视频流输入的一帧先经过背景去除模块处理，得到该帧中所有的前景点以及根据该帧更新后的历史背景I_b的信息；这里使用的背景去除模块可以是单高斯模型背景去除、混合高斯模型背景去除、或其他背景去除方法； 

 (2) 选取对光线变化不敏感的“基于梯度的纹理相似度”作为判断某像素是否为前景的判据；在像素点（x, y）的纹理相似度定义为，

                                                                      （a）

    其中，W(x,y)是以像素点(x,y)为中心的M x N像素邻域，g(u,v)和g_b(u,v)分别为当前帧和历史背景帧在像素(u,v)位置的灰度梯度向量，可以由Sobel算子或其他计算梯度的方法计算；q是梯度向量g(u,v)和g_b(u,v)的夹角；当S(x,y)=1时，说明在背景帧与当前帧之间没有纹理变化，只有整体亮度的变化，因此认为是由光线突变引起的虚警；由于噪声等因素的影响，可以设置一个阈值Ts，Ts取值在0到1之间，可以由经验确定；当S(x,y)>Ts时，像素(x,y)即判定为虚警；

接下来根据公式（a）计算S(x,y)，其中需要使用像素点（x,y）的MxN邻域中的所有像素点的当前帧梯度数据g(u,v)以及更新后的背景帧在每一个像素点的梯度数据g_b(u,v)；

(3)当计算得到的在像素点(x,y)的相似度S(x,y)>Ts时，像素(x,y)即判定为背景点；如果相似度S(x,y)<Ts时，像素(x,y)则可以确认为前景点。阈值Ts的取值在0到1之间，可以由经验确定。

所述的所述步骤(2)中的计算“基于梯度的纹理相似度”之前，首先计算该帧中每一个前景点（x,y）的MxN邻域的平均梯度，并且与阈值T_g比较。如果小于T_g则不必进行往后的步骤，直接将该点判断成为背景点，不必再进行相似度S(x)的计算；如果平均梯度大于T_g则继续进行相似度S(x)的计算；Tg的值可以根据经验设定。