[发明专利]一种动态背景视频图像的前景目标提取方法

权利要求书

1.一种动态背景视频图像的前景目标提取方法，其特征在于，包括：

S1、用连续观测值隐马尔可夫模型对视频帧中的人体进行建模，得到多个人体模型；

S2、将所有人体模型在设定时间段内的观测向量分别组成一个观测序列；

S3、通过前向-后向算法计算得到每个人体模型产生观测序列的条件概率，选取条件概率最大的观测序列为前景目标。

2.根据权利要求1所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述步骤S1中用连续观测值隐马尔可夫模型对视频帧中的人体进行建模得到的人体模型为λ＝(π，Α，Β)，其中π表示隐层各状态的初始概率分布，A表示隐层各状态之间的转换矩阵，Β表示输出概率分布。

3.根据权利要求2所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述输出概率分布为高斯分布。

4.根据权利要求2所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述输出概率分布包含所有隐层状态对应的输出概率分布P(O_t|q_i)，q_i表示第i个隐层状态，i＝1,2,...,N，N表示隐藏状态的个数，O_t∈R^x为t时刻的观测向量，x是观测向量的维数。

5.根据权利要求1所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述通过前向-后向算法计算得到每个人体模型产生观测序列的条件概率具体包括前向算法递推过程和后向算法递推过程。

6.根据权利要求5所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述前向算法递推过程具体为：

(1)初始化前向概率为：

a₁(i)＝π_ib_i(O₁),1≤i≤N

a₁(i)表示第1时刻的前向概率，前向概率为a_t(i)＝P(O₁,O₂,...,O_t|q_t＝i,λ)，表示部分观测序列{O₁,O₂,...,O_t}在t时刻处在隐层状态i的概率，λ表示人体模型，q_t表示t时刻的隐藏状态，π_i表示隐层状态i的初始概率，b_i表示隐层状态i的输出概率，O₁表示第1时刻的观测向量；

(2)进行递归过程，递归方程为：

at+1(j)=[Σi=1Nat(i)aij]bi(Ot+1),1≤t≤T-1,1≤j≤N]]>

其中，a_ij表示t时刻隐藏状态为i、t+1时刻状态为j的概率，N表示隐藏状态的个数，T表示时间总长度；

(3)递归终止，终止条件为：

P(O|λl)=Σi=1Nat(i)]]>

O表示观测序列，λ_l表示第l个人的人体模型。

7.根据权利要求6所述的一种动态背景视频图像的前景目标提取方法，其特征在于，所述后向算法递推过程具体为：

(1)初始化后向概率为：

β_T(i)＝1,1≤i≤N

β_T(i)表示第T时刻在隐藏状态i的后向概率；

(2)进行递归过程，递归方程为：

βt(i)=Σi=1Naijbj(Ot+1)βt+1(j),1≤t≤T-1,1≤j≤N]]>

(3)递归终止，终止条件为：

P(O|λl)=Σi=1Nπibi(O1)β1(i).]]>