一種面向視頻監控的基於塊的背景建模方法

2023-06-15 04:48:46 1

專利名稱：一種面向視頻監控的基於塊的背景建模方法
技術領域：
本發明涉及計算機視覺系統的背景建模領域，特別是涉及一種面向視頻監控的基於塊的背景建模方法。

背景技術：
從視頻中萃取出運動物體是很多計算機視覺系統中首要的一步。實現自動化萃取的一個普遍的方法是減背景(background subtraction)，該方法通過一個背景模型來比較每個新幀中運動的像素，然後將這些像素分為不同的類型，即前景，背景。
最簡單的背景模型是將每個像素的亮度值看作一個簡單的高斯分布，然而，這種單一模式的模型無法對動態背景建模，如隨風揮舞的樹枝，亮度變化和陰影消除。
Stauffer和Grimson使用混合的高斯模型來表示動態的背景，並使用參數估計技術來更新了該模型。
在處理快速變化的像素時，為了克服由於參數估計錯誤帶來的錯誤背景的問題，Elgammal，Harwood等人使用了一種非參數化的模型，該模型使用了一個核心的評估器，通過當前像素最近的觀測值來確定該像素所屬的類別。
近年來，很多研究者提出了基於區域或幀的模型，這些模型將像素看作相互關聯的隨機變量，通過鄰域關係來估算概率。


發明內容
本發明的目的是提供一種面向視頻監控的基於塊的背景建模方法。
本發明採用的技術方案是 1)數據聲明及描述 (1)將寬度為W像素、高度為H像素的幀組成的視頻分割為正方形的塊x，y為幀內行、列坐標，m，n為幀內塊的行、列坐標，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息； (2)對每一個塊，定義一個顏色聚類數組cm，n，該數組包含L個顏色類別 Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標； (3)對於每個像素Px，y，定義一個權值索引數組，每個數組由N個索引組成 Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標； 2)模型處理過程 該模型的更新機制如下當一個新的具有不同顏色分類的像素出現時， 步驟1從相應塊的顏色聚類數組中查找像素顏色，如果命中，更新該顏色聚類，否則，創建一個新的顏色聚類； 步驟2從當前像素的權值索引數組中查找像素顏色，如果命中，更新該索引，否則，創建一個新索引； 步驟3通過權重確定當前像素類別。
本發明具有的有益效果是 同基於像素的模型相比，本發明是基於塊的模型，以4×4或8×8的塊為單位整體的處理像素。擁有相似顏色的不同像素被表示為同一個聚類。通常，由於鄰近像素之間的一致性，在一個獨立塊中聚類的平均個數是有限的。隨著獲取的樣本數增加，這種聚類的正確性也隨之增大(與小樣本容量相比)。由於動態背景中絕大部分像素的運動只局限於小的區域，該模型也能更快的學習動態背景。結果表明，本發明基於塊的背景模型有效的達到了降低內存消耗而不犧牲速度的目標。在動態背景的的場景下，該模型檢測前景的速度甚至比經典的背景模型MOG更快、更有效並且降低了誤報率。



附圖為模型更新過程圖。

具體實施例方式 1)數據聲明及描述 (1)將寬度為W像素、高度為H像素的幀組成的視頻{Pxy|x∈〔1.W〕.y∈〔1.H〕}分割為正方形的塊x，y為幀內行、列坐標，m，n為幀內塊的行、列坐標，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息； (2)對每一個塊，定義一個顏色聚類數組cm，n，該數組包含L個顏色類別 Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標； (3)對於每個像素Px，y，定義一個權值索引數組，每個數組由N個索引組成Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標； 2)模型處理過程 該模型的更新機制如附圖所示當一個新的具有不同顏色分類的像素出現時； 步驟1從相應塊的顏色聚類數組中查找像素顏色，如果命中，更新該顏色聚類，否則，創建一個新的顏色聚類； 步驟2從當前像素的權值索引數組中查找像素顏色，如果命中，更新該索引，否則，創建一個新索引； 步驟3通過權重確定當前像素類別。
所述步驟1的具體過程如下 (1)出現新的像素pt＝〔yt，ut，vt〕，pt∈Bm，n，其中yt，ut，vt分別為像素的亮度分量，色度分量，色度分量，t是時間下標； (2)對於Cm，n裡的每一個顏色類別(y，u，v，f，p)，其中，y為亮度分量Y的平均值，u為色差分量U的平均值，v為色度分量V的平均值，f為樣本頻率，p為該類別創建的時間；如果找到某個顏色聚類別滿足((ut，vt)，(u，v))≤ε1並且yt∈y×δ(1，ε2)，其中ε1為閥值，取值5～15，ε2也是閥值，取值5/255～15/255， 則更新內容 f＝f+1 (3)如果符合條件的類不存在，創建新聚類 (y，u，v)＝(yt，ut，vt) f＝1 p＝t 所述步驟2的具體過程如下 (1)根據步驟一得到的該像素顏色在顏色聚類數組中的索引查找該像素的權值索引數組； (2)若命中，則根據參數α調整權重ww＝〔1-α〕×w+α×M，其中，w為該像素在所在類中的權重，當被計算的像素值屬於該顏色聚類時，M值為1，否則，其值為0；α為學習參數，取值0.3～0.7； 所述步驟3的具體過程如下 (1)不同顏色的權重每幀都會調整，出現較少的顏色權重會迅速的降低，大多數頻繁出現的顏色權重變得很大，這些顏色的權重在所有顏色權重中佔支配比例，該比例記為β，β取值為0.6～0.9； (2)對於一個權重索引為w的像素，如果權重大於w的聚類的權重之和佔總權重的比例超過β，則該像素被認為是背景；否則，是前景。
本發明同混合高斯模型(MOG)測試結果如下 使用標準的MPEG-4測試序列「Hall」和一個在真實道路監控場景中抓取的視頻對算法做了測試。表1比較二者內存使用，表2比較二者的處理速度。
表1.發明模型同混合高斯模型(MOG)的內存使用比較
表2.發明模型同混合高斯模型(MOG)的速度比較
結果表明，本發明基於塊的背景模型有效的達到了降低內存消耗而不犧牲速度的目標。在動態背景的的場景下，該模型檢測前景的速度甚至比經典的背景模型MOG更快、更有效並且降低了誤報率。
權利要求
1.一種面向視頻監控的基於塊的背景建模方法，其特徵在於
1)數據聲明及描述
(1)將寬度為W像素、高度為H像素的幀組成的視頻
分割為正方形的塊
x，y為幀內行、列坐標，m，n為幀內塊的行、列坐標，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息；
(2)對每一個塊，定義一個顏色聚類數組cm，n，該數組包含L個顏色類別
Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標；
(3)對於每個像素px，y，定義一個權值索引數組，每個數組由N個索引組成Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標；
2)模型處理過程
該模型的更新機制如下當一個新的具有不同顏色分類的像素出現時，
步驟1從相應塊的顏色聚類數組中查找像素顏色，如果命中，更新該顏色聚類，否則，創建一個新的顏色聚類；
步驟2從當前像素的權值索引數組中查找像素顏色，如果命中，更新該索引，否則，創建一個新索引；
步驟3通過權重確定當前像素類別。
2.根據權利要求1所述的一種面向視頻監控的基於塊的背景建模方法，其特徵在於所述步驟1的具體過程如下
(1)出現新的像素pt＝(yt，ut，vt)，pt∈Bm，n，其中yt，ut，vt分別為像素的亮度分量，色度分量，色度分量，t是時間下標；
(2)對於Cm，n裡的每一個顏色類別(y，u，v，f，p)，其中，y為亮度分量Y的平均值，u為色差分量U的平均值，v為色度分量V的平均值，f為樣本頻率，p為該類別創建的時間；如果找到某個顏色聚類別滿足((ut，vt)，(u，v))≤ε1並且yt∈y×δ(1，ε2)，其中ε1為閥值，取值5～15，ε2也是閥值，取值5/255～15/255，則更新內容
f＝f+1
(3)如果符合條件的類不存在，創建新聚類
(y，u，v)＝(yt，ut，vt)
f＝1
p＝t。
3.根據權利要求1所述的一種面向視頻監控的基於塊的背景建模方法，其特徵在於所述步驟2的具體過程如下
(1)根據步驟一得到的該像素顏色在顏色聚類數組中的索引查找該像素的權值索引數組；
(2)若命中，則根據參數α調整權重ww＝(1-α)×w+α×M，其中，w為該像素在所在類中的權重，當被計算的像素值屬於該顏色聚類時，M值為1，否則，其值為0；α為學習參數，取值0.3～0.7。
4.根據權利要求1所述的一種面向視頻監控的基於塊的背景建模方法，其特徵在於所述步驟3的具體過程如下
(1)不同顏色的權重每幀都會調整，出現較少的顏色權重會迅速的降低，大多數頻繁出現的顏色權重變得很大，這些顏色的權重在所有顏色權重中佔支配比例，該比例記為β，β取值為0.6～0.9；
(2)對於一個權重索引為w的像素，如果權重大於w的聚類的權重之和佔總權重的比例超過β，則該像素被認為是背景；否則，是前景。
全文摘要
本發明公開了一種面向視頻監控的基於塊的背景建模方法。對於背景建模，過去很多方法由於沒有利用像素值在空間上的一致性，計算時需要耗費大量內存。針對這個問題，本發明提出了一種新穎的基於塊的背景建模方法，步驟1從相應塊的顏色聚類數組中查找像素顏色，如果命中，更新該顏色聚類，否則，創建一個新的顏色聚類；步驟2從當前像素的權值索引數組中查找像素顏色，如果命中，更新該索引，否則，創建一個新索引；步驟3通過權重確定當前像素類別。同傳統的模型相比，該模型極大的減少了對一個像素建模需要的字節數，從而在保證計算速度的同時有效的降低了內存消耗。
文檔編號G06T7/20GK101533515SQ20091009763
公開日2009年9月16日 申請日期2009年4月13日 優先權日2009年4月13日
發明者純 陳, 鄧小宇, 卜佳俊, 智 楊, 呂承飛 申請人:浙江大學