[发明专利]一种基于正则误差建模的在线视频前景背景分离方法

说明书

本发明公开了一种基于正则误差建模的在线视频前景背景分离方法，包括如下步骤：P1、获取需要处理的视频数据，并进行备份保存，形成备份视频和处理视频；P2、基于颜色明暗对处理视频的各帧图像进行分割，形成图像帧数；P3、形成正态图像帧；P4、得到计算模型；P5、形成降序阵列；P6、从正态图像帧中提取背景帧，插入降序阵列进行概率比对；P7、若匹配降序模态，则按照顺序进入排列，若不匹配，则进行剔除，得到背景模态；P8、通过对背景模态进行连续性建模，形成背景区块，剩余的帧数则形成前景区块；P9完成视频前景背景的分离，有效提高分离精度，避免遗漏误差，同时减少模糊帧数造成的影响和干扰。

技术领域

本发明涉及视频处理技术领域，尤其涉及一种基于正则误差建模的在线视频前景背景分离方法。

背景技术

在现在的社会生活中，对监控图像的处理能够有效提高图像利用效率，保证结果准确性，而一般都是进行前景背景分离，有利于高精度进行追踪定位。

但是现有的视频前景背景分离方法，多是直接对图像的局部画面进行提取分离，然后直接使用定格图像进行对比分析，这样不能够对在线视频有效利用，容易产生遗漏，而且分离的精细度较差，准确度较低，有待提出一种新的分离方法。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于正则误差建模的在线视频前景背景分离方法。

为了实现上述目的，本发明采用了如下技术方案：

一种基于正则误差建模的在线视频前景背景分离方法，该分离方法包括如下步骤：

P1、获取需要处理的视频数据，并进行备份保存，形成备份视频和处理视频；

P2、基于颜色明暗对处理视频的各帧图像进行分割，形成图像帧数；

P3、对图像帧数的明暗进行对比，进行随机分布状态进行抓取，剔除模糊化帧数，形成正态图像帧；

P4、在正态图像帧的结构基础上构建模型，进行视频动态背景的自适应建模，得到计算模型；

P5、通过计算模型计算所有帧数的背景概率，形成降序阵列；

P6、从正态图像帧中提取背景帧，插入降序阵列进行概率比对；

P7、若匹配降序模态，则按照顺序进入排列，若不匹配，则进行剔除，得到背景模态；

P8、通过对背景模态进行连续性建模，形成背景区块，剩余的帧数则形成前景区块；

P9、根据背景区块和前景区块的图像帧，对备份视频进行分别提取，即可完成视频前景背景的分离；

所述P1步骤的视频数据为在线视频直接传输获取，且进行同名编号备份；

所述同名编号备份的编号方式为时间段-区域-类别-序列号。

优选的，所述P2步骤的基于颜色明暗采用冷暖色进行区分，且两种色调相互独立进行对比。

优选的，所述P3步骤的剔除模糊化帧数的方法包括如下步骤：

A1、采用视角不变的特征进行特征点匹配；

A2、按照抽样一致性算法，对图像帧进行对齐；

A3、根据人眼能够察觉的颜色明暗差异，设定阈值为8-10；

A4、根据阈值进行对比，低于设定阈值的进行剔除。

优选的，所述P4步骤的自适应建模还包括对不同场景下的视频图像帧进行动态变化，实现正则化内嵌处理。

优选的，所述P5步骤的背景概率根据背景的相似性进行表达，且通过高斯分布进行共轭假设。