[发明专利]一种基于LBP和Color特征的运动检测方法

说明书

本发明提供了一种基于LBP和Color特征的运动检测方法，包括：获取视频文件的前N帧视频帧图片，并对视频帧图片的每个像素建立基于LBP和Color的背景模型，每个背景模型中包括N个背景样本；对N个背景样本按照权重降序排列，建立运动检测模型；将视频文件的像素与运动检测模型的背景样本进行LBP比较和Color比较，根据比较结果获得前景像素和背景像素；对背景像素的运动检测模型进行更新；对前景像素的背景模型中的背景样本进行更新；对所述前景像素和背景像素进行滤波；该方法能够有效提高运动检测的准确性。

技术领域

本发明涉及计算机视觉领域，尤其涉及一种基于LBP和Color特征的运动检测方法。

背景技术

运动检测作为计算机视觉重要的技术，能够区分出运动与静止物体，被应用在视频监控、视频压缩等领域。尤其是在视频监控领域，通过运动检测算法，可有效检测到运动物体，用于下一步物体跟踪、行为识别、物体识别等。运动检测是视频监控中重要的预处理步骤。在运动检测中，运动物体被称为前景，静止物体被称为背景。光流法是经典的运动检测算法，能准确检测视频中的运动物体，但算法运算量大，运行速度慢，无法运用于实际的系统中。ViBe算法是一个非参数化、轻量级的算法，能较为完整地显示前景，算法运行快，在相机有一定抖动的情况下，依旧能有较好的前景背景分割效果，但在光照变化的环境下效果较差，会错误地将背景识别成前景。目前提出的许多算法，都只使用了单一的特征，如饱和度或者边缘特征，当前景与背景相似时，容易将前景误识别为背景；当运动物体突然停止不动时，算法容易出现错误的判断。

发明内容

本发明的目的在于针对上述现有技术中的运动检测准确性低的问题，提出一种基于LBP和Color特征的运动检测方法，能够有效提高运动检测的准确性。

一种基于LBP和Color特征的运动检测方法，包括：

获取视频文件的前N帧视频帧图片，并对所述视频帧图片的每个像素建立基于LBP和Color的背景模型，每个所述背景模型中包括N个背景样本；

对所述N个背景样本按照权重降序排列，建立运动检测模型；

将视频文件的像素与所述运动检测模型的背景样本进行LBP比较和Color比较，根据比较结果获得前景像素和背景像素；

对背景像素的运动检测模型进行更新；

对前景像素的背景模型中的背景样本进行更新；

对所述前景像素和背景像素进行滤波。

进一步地，对所述视频帧图片的每个像素建立基于LBP和Color的背景模型，包括：

对每一帧视频帧图片的每个像素计算LBP特征，获得对应的直方图；

对每一帧视频帧图片的每个像素计算Color特征，获得对应的RGB向量；

将所述直方图和RGB向量作为背景样本，并对所述背景样本赋初始权重。

进一步地，对每一帧视频帧图片计算LBP特征，获得对应的直方图，包括：

将所述视频帧图片中的每个像素与周围八个像素进行颜色强度值大小对比产生LBP特征，将所述LBP特征转换为十进制数字，统计每个数字出现的次数，生成直方图；

对每一帧视频帧图片计算Color特征，获得对应的RGB向量，包括：

将像素的R通道值赋值给R分量，将像素的G通道赋值给G分量，将像素的B通道赋值给B分量，获得RGB向量；

对所述背景样本赋初始权重，包括：

将所述背景样本按照视频帧图片的时间顺序从大到小赋初始权重值。

进一步地，建立运动检测模型，包括：