[发明专利]一种基于卷积神经网络自适应背景建模物体检测方法

权利要求书

1.一种基于卷积神经网络自适应背景建模物体检测方法，其特征在于，包括以下步骤：

步骤1：利用第一帧图像初始化混合高斯背景模型；

步骤2：读取视频中图像序列，获取当前视频帧；

步骤3：将视频帧划分为若干区域；

步骤4：将各区域块送入到自编码卷积神经网络中获取对应的卷积特征；

步骤5：对得到的卷积特征进行池化操作，得到图像最后的特征表示；

步骤6：利用自适应区域判断法判断区域类型；

若区域类型为背景区域，则标记区域中心像素为背景像素，更新该中心像素对应的混合高斯背景模型中的各个高斯模型参数；并执行下述步骤7；

若区域类型为前景区域，则标记区域中心像素为前景像素，添加新的高斯背景模型到混合高斯背景模型中，并执行下述步骤7；

若区域类型为边缘区域，则利用边缘区域中心像素判断法进行判断，若属于背景像素，则标记为背景像素；若属于前景像素，则标记为前景像素；并执行下述步骤7；

步骤7：通过各像素的判断结果，得到视频帧中的运动目标检测结果。

2.根据权利要求1所述的基于卷积神经网络自适应背景建模物体检测方法，其特征在于：步骤3中，将分辨率为M*N大小的视频帧划分成若干个areasize*areasize小的区域。

3.根据权利要求1所述的基于卷积神经网络自适应背景建模物体检测方法，其特征在于：步骤4中，在各区域块送到自编码卷积神经网络中之前，需要训练好自编码卷积神经网络的参数，自编码卷积神经网络输入大小与所选择的卷积大小是一致的；areasize*areasize为自编码卷积神经网络输入区域大小，采用卷积大小为convolvedsize*convolvedsize，池化大小为pooledsize*pooledsize。

4.根据权利要求3所述的基于卷积神经网络自适应背景建模物体检测方法，其特征在于：采用无监督学习方法进行自编码卷积神经网络的参数训练，具体实现过程是对于取出的图像集，从中取出若干个大小为convolvedsize*convolvedsize的不重叠图像样本块作为训练样本，既可训练好网络的参数。

5.根据权利要求4所述的基于卷积神经网络自适应背景建模物体检测方法，其特征在于：所述图像集，假如目标视频有N帧，每隔k帧取一张图像作为训练样本来源，组成图像集。