[发明专利]一种低照度情况下视频监控的有效浓缩方法

权利要求书

1.一种低照度情况下视频监控的有效浓缩方法，其特征在于包括以下步骤：

步骤1：对输入监控视频的每一帧图像，进行每个像素点RGB三个通道的像素值反转，将低暗的背景转化为类似雾天的场景；

步骤2：构建大气散射模型，根据暗通道先验理论，初步求出模型的透射率t；

步骤3：用导向滤波对图像进行进一步处理，消除光环效应，求出精准的透射率

步骤4：对视频第2帧以后的各帧图像，根据感知哈希算法判断是否需要重新计算透射率，保证本文算法对视频的实时处理；

步骤5：对输入的每一帧图像进行基于暗通道先验理论的去雾处理，对去雾处理后的图像进行每个像素点RGB三个通道的像素值反转，重构出增强的低照度图像；

步骤6：对增强后的低照度图像进行基于Vibe(Visual Background Extractor)算法的背景建模并提取前景物体，并将图像二值化处理，获得二值化图像，更新背景模型；

步骤7：计算前景物体像素占整幅图像的比例，如果比例足够大，则判定有运动物体，保留当前帧，循环处理每一帧，将保留下来的帧重新组合生成浓缩视频。

2.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，所述步骤1中，输入视频的每一帧图像的像素点按照如下公式进行反转：

R^c(x)＝255-I^c(x)

其中I^c(x)表示输入低照度图像的一个像素点x的一个RGB颜色通道的像素值，R^c(x)表示相应的输出图像的一个像素点x的一个RGB颜色通道的像素值，c表示RGB颜色通道的其中一个。

3.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，所述步骤2中，暗通道先验理论指的是在绝大多数非天空的局部区域中，某一些像素总会有至少一个颜色通道具有很低的值。也就是说该区域光强度的最小值是个很小的数,即:

J^dark(x)→0 。

4.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，所述步骤2中，大气散射模型公式如下：

I(x)＝J(x)t(x)+A(1-t(x))

其中I(x)表示需要去雾的图像，J(x)是去雾后的无雾图像，A是大气光成分，t(x)为透射率。

由于现实环境中，空气总是存在着一些颗粒物，因此或多或少会存在一些雾。所以有必要在去雾的时候保留一定程度的雾，引入限制因子ω。由暗通道先验理论，可以推导出透射率的预估值：

其中ω＝0.85，c为RGB通道中的一个。

5.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，所述步骤3中利用导向滤波来精确求取透射率，消除光环效应，我们用输入的需要去雾的图像I为导向图，可得到代价函数：

其中k为像素点，t为透射率的粗略估计值，I为导向图，ε为正则化参数，ω_k为导向图中像素点k为中心的领域，(a_k,b_k)在领域ω_k中是常数。

经过导向滤波优化处理过的传输图可以表示为：

其中|ω|为ω_k邻域内像素点数。

6.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，所述步骤4中先将各帧图像均匀分成8*8小块，根据感知哈希算法判断相邻两帧图片各个小块的相似度，如果当前帧某小块跟上一帧对应位置小块相似度很高，则用上一帧此小块的透射率来代替当前帧此小块的透射率，并每隔15帧强制更新一次透射率。

7.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于，步骤5中重构的去雾后图像的数学公式如下：

8.根据权利要求1所述的一种树叶扰动情况下监控视频的有效浓缩方法，其特征在于提取运动物体并生成浓缩视频，主要包括以下步骤：

8.1将图像二值化，用第一帧图像初始化Vibe模型；

8.2对比构建的模型，提取前景物体；

8.3通过腐蚀、膨胀操作消除部分噪声干扰；

8.4为了适应环境的变化，更新背景模型；

8.5根据前景物体像素占整张图片的比例，判断是否保留当前帧，重复步骤8.2-8.5；

8.6将保留下来的帧组合起来，生成浓缩视频。