[发明专利]一种ViBe算法参数的优化处理方法及装置

说明书

本发明提供一种ViBe算法参数的优化处理方法及装置，涉及数据优化技术领域，可用于金融领域或其他技术领域。所述方法包括：将ViBe算法选择的邻域进行扩充，得到扩充后的邻域；根据所述扩充后的邻域构建背景模型样本集，根据所述背景模型样本集、当前帧图像信息和应用场景相关预设因子，计算动态背景复杂度参数；根据所述ViBe算法的像素自适应阈值和所述动态背景复杂度参数的比较结果，对所述像素自适应阈值进行自适应计算，并将自适应计算得到的像素自适应阈值作为优化得到的ViBe算法参数。所述装置执行上述方法。本发明实施例提供的ViBe算法参数的优化处理方法及装置，能够提高检测准确性。

技术领域

本发明涉及数据优化技术领域，具体涉及一种ViBe算法参数的优化处理方法及装置。

背景技术

ViBe算法是一种比较先进的前景提取算法，与其他背景模型算法不同之处在于，ViBe算法只需要一帧图像即可实现背景模型初始化。

现有的ViBe算法检测效果良好，速度快，但是也存在着一些问题：首先，在建立背景模型时，ViBe算法选择首帧图像中的像素点为中心的3×3邻域，共8个像素点的方式，填充样本集数为20的背景模型，虽然这样占用内存小，速度快，但是也有缺点：一是容易产生“鬼影”，“鬼影”对动目标的检测存在极大影响，必须快速消除。二是样本存在重复现象，邻域8个像素点要去填充样本数20的样本集，使得像素点与样本存在重复的大量的计算，样本集空间重复样本较多。其次，现有的ViBe算法对动态背景的适应性比较差，容易受到动态背景的影响，从而导致出现大量误检，对检测工作带来不利影响。

发明内容

针对现有技术中的问题，本发明实施例提供一种ViBe算法参数的优化处理方法及装置，能够至少部分地解决现有技术中存在的问题。

一方面，本发明提出一种ViBe算法参数的优化处理方法，包括：

将ViBe算法选择的邻域进行扩充，得到扩充后的邻域；

根据所述扩充后的邻域构建背景模型样本集，根据所述背景模型样本集、当前帧图像信息和应用场景相关预设因子，计算动态背景复杂度参数；

根据所述ViBe算法的像素自适应阈值和所述动态背景复杂度参数的比较结果，对所述像素自适应阈值进行自适应计算，并将自适应计算得到的像素自适应阈值作为优化得到的ViBe算法参数。

其中，所述将ViBe算法选择的邻域进行扩充，得到扩充后的邻域，包括：

将ViBe算法选择的邻域扩充至5×5邻域。

其中，所述当前帧图像信息包括当前帧图像像素信息和当前帧图像尺寸信息；相应的，所述根据所述背景模型样本集、当前帧图像信息和应用场景相关预设因子，计算动态背景复杂度参数，包括：

根据所述背景模型样本集、所述当前帧图像像素信息和所述当前帧图像尺寸信息和所述应用场景相关预设因子，计算动态背景复杂度参数。

其中，所述根据所述ViBe算法的像素自适应阈值和所述动态背景复杂度参数的比较结果，对所述像素自适应阈值进行自适应计算，包括：

若确定所述像素自适应阈值大于所述动态背景复杂度参数，则采用如下第一计算公式对所述像素自适应阈值进行自适应计算：

其中，R(x)为所述像素自适应阈值、为所述动态背景复杂度参数。

其中，所述根据所述ViBe算法的像素自适应阈值和所述动态背景复杂度参数的比较结果，对所述像素自适应阈值进行自适应计算，包括：

若确定所述像素自适应阈值小于等于所述动态背景复杂度参数，则采用如下第二计算公式对所述像素自适应阈值进行自适应计算：