[发明专利]一种融合高斯混合模型和H-S光流法的视频前景目标提取方法

权利要求书

1.一种融合高斯混合模型和H-S光流法的视频前景目标提取方法，其特征在于，所述的视频前景目标提取方法包括以下步骤：

S1、将视频按照帧分割成一系列的原始图像，并且进行灰度化等图像预处理；

S2、对每一帧图像分别用高斯混合模型和H-S光流法进行处理，分别输出对应的第一前景掩模图像和第二前景掩模图像；其中，所述的步骤S2包括以下步骤：

S201、进行基于高斯混合模型的视频前景目标提取，预先定义高斯模型并初始化，求出相对应参数；

对每帧图像的每个像素用多个单模型描述：

其中，K表示高斯混合模型中包含单模型的个数，w_n(x,y,i)表示每个模型在混合模型中的权重，u_n(x,y,i)、σ_n²(x,y,i)分别是第n个单高斯模型中某处像素的均值和方差，i代表图像中的第i帧；

S202、对每一帧图像，如果图像在(x,y)处的像素值对于n＝1,2,......,K满足λ是一个常数，即新像素与该单模型匹配，如果存在与新像素匹配的单模型，判断该像素对应的像素点为背景，并进入步骤S203，若不存在与新像素匹配的模型，判断该像素对应的像素点为前景，并进入步骤S204；

S203、修正与新像素匹配的单模型的权值，权值增量为dw＝α·(1-w_m(x,y,i-1))，新的权值用以下迭代关系进行修正：

w_m(x,y,i)＝w_m(x,y,i-1)+dw＝w_m(x,y,i-1)+α·(1-w_m(x,y,i-1))，

其中α为参数估计的学习速率，w_m(x,y,i-1)表示第m个模型在混合模型中的权重；

S204、除去当前各个单模型中重要性最小的单高斯模型，而后增加一个新的单模型，新的单高斯模型的权重设定为0.005，均值为新像素值，方差设定为20；

S205、完成步骤S203或者步骤S204之后，进行修正后的权值归一化处理；

S206、判断每一帧图像中每个像素点属于背景还是前景，像素点为背景点时将该点像素值设定为0，像素点为前景目标点时将该点像素值设定为255，最后，输出高斯混合模型的第一前景掩模图像；

S207、进行基于H-S光流法的视频前景目标提取，计算每帧图片的光流；

根据光流基本方程：

式中，表示梯度方向；U＝[u,v]^T表示光流；其中，u,v分别代表每帧图片灰度值随着x,y的变化率；分别代表参考点的灰度值随着x,y,i的变化率；

与H-S平滑性约束条件，即在给定的领域内其速度分量平方和积分最小：

S＝∫∫(u_x²+u_y²+v_x²+v_y²)dxdy

式中u_x,u_y,v_x,v_y分别代表u,v在x,y方向上的分量；

计算出每帧图片灰度值随着x,y的变化率u,v，即可得到每帧图片的光流U＝[u,v]^T；

S208、针对光流场幅值计算光流幅度阈值，进行光流阈值分割，得到每帧图向的二值图；

S209、判断每一帧图像中的背景区和前景区，光流场中光流幅值较大的像素区域则是前景目标所在的位置，设定为前景目标区域，其前景目标掩模图像的相应区域的像素值设定为255，从而得到H-S光流法输出的第二前景掩模图像；

S3、对第一前景掩模图像和第二前景掩模图像进行基于小波变换的图像融合处理，输出第三前景掩模图像；

S4、对小波融合后的第三前景掩模图像进行中值滤波除去噪声后，再对图像进行数学形态学图像处理，输出第四前景掩模图像；

S5、将第四前景掩模图像和原始图像进行与运算，提取出前景目标图像，输出前景目标视频。