[发明专利]一种遗留物实时检测方法

摘要

本发明公开一种遗留物实时检测方法，包括以下步骤：获取视频图像数据；采用混合高斯模型改进算法对视频图像进行背景建模，分别建立一个长周期背景模型和一个短周期背景模型，其中，将背景划分为稳定区域和动态区域；通过当前视频帧减去长周期背景模型得到长周期前景F_L，通过当前视频帧减去短周期背景模型得到短周期前景F_S；对长周期前景F_L和短周期前景F_S进行分析并检测出遗留物，标记出遗留物并进行报警。本发明采用一种快速的混合高斯模型改进算法对背景进行建模，将背景划分为稳定区域和动态区域，提高了遗留物检测的准确度，同时提高了算法的执行速率。

主权项

1.一种遗留物实时检测方法，其特征在于，包括以下步骤：S10，获取视频图像数据；S30，采用混合高斯模型改进算法对视频图像进行背景建模，分别建立一个长周期背景模型和一个短周期背景模型，其中，将背景划分为稳定区域和动态区域，于稳定区域中，当一像素的背景模型中，混合高斯模型的一高斯分布与每帧新进入的像素值相似度匹配率高于一设定的阈值时，则接下来的N帧图像内该像素点的背景模型的各个高斯分布参数都不再更新，在N帧后，重新设置混合高斯模型的各高斯分布参数并重新开始学习，直到又有高斯分布与新进入的像素值匹配的频率大于设定的阈值，如此循环反复；于动态区域中，当一像素的背景模型中，每个像素点使用K个高斯分布模型来表征,像素点按统计规律总是对应到几个重复出现的值，经过不断模型训练，每次新进入像素的像素值总是与K个高斯分布模型中的两个或三个相似度匹配，这几个高斯函数权重之和大于一设定的阈值时，则接下来的M帧图像内该像素点的背景模型的各个高斯分布参数都不再更新，并将这几个高斯分布的均值表示该像素点的背景值，在M帧后，重新设置混合高斯模型的各高斯分布参数并重新开始学习，直到有新的高斯分布权重之和大于设定的阈值，如此循环反复，其中，M、N均为整数，K为3至5的整数；S40，通过当前视频帧减去长周期背景模型得到长周期前景FL，通过当前视频帧减去短周期背景模型得到短周期前景FS；S50，对长周期前景FL和短周期前景FS进行分析并检测出遗留物，标记出遗留物并进行报警。