基於Codebook背景建模的運動目標檢測方法
2023-05-02 19:07:41
基於Codebook背景建模的運動目標檢測方法
【專利摘要】本發明公開了一種基於Codebook背景建模的運動目標檢測方法，本方法對傳統Codebook度量顏色、亮度距離的RGB柱狀結構做了改變，在YUV色彩空間建立碼本背景模型，簡化了碼元結構。在YUV空間進行運動目標檢測，首先將一幅圖像中的每個像素點在時間軸上進行聚類，提取背景模板；之後採用當前圖像與背景模板進行比較，從而檢測出運動目標，並同時進行背景模板的更新。本方法融入了頻率信息來改變傳統碼本背景模型中的碼元判定、刪除、匹配過程；同時將當前像素空域信息納入到前景判定過程中，該空域信息包括了鄰域內像素間的依賴關係，使得前景檢測結果更加可靠；降低了傳統的碼本背景模型在光照變化比較頻繁的場景中的敏感性。實驗結果表明，該方法能夠在不同條件下快速準確的檢測運動目標。
【專利說明】基於Codebook背景建模的運動目標檢測方法
【技術領域】
[0001]本發明涉及一種運動對象提取的處理方法，特別涉及一種基於Codebook背景建模的運動目標檢測方法。本方法對傳統Codebook度量顏色、亮度距離的RGB柱狀結構做了改變，在YUV色彩空間建立碼本背景模型，將頻率和空域信息納入考慮條件。實驗證明，該方法能夠在不同條件下快速準確的檢測運動目標，使該方法更具有實用性和推廣性。
【背景技術】
[0002]運動目標提取是計算機機器視覺系統中的一個重要研究內容，應用範圍廣泛，例如視頻監視、目標檢測與跟蹤、圖像檢索等領域。目前，提出了許多視頻對象分割方法提取運動對象。但是運動目標檢測的精度這一基本問題仍然難以解決。研究表明，通過構建背景模型是檢測圖像序列中運動目標的有效途徑。現在絕大多數背景建模都基於像素，比較常見的有單高斯模型，混合高斯模型(MOG)、核密度估計模型.文獻利用單高斯分布進行背景更新，但在戶外場景中，隨著時間的遷移、光線的變化、運動物體的停留以及靜止物體的重新運動，單高斯模型構建的背景或者會出現運動物體的拖影或者長時間才形成新的背景。混合高斯模型(MOG)(參見 Luo Jinmian, Zhu Juan.Adaptive Gaussian mixture modelbased on feedback mechanism[C].1nternational Conference on Computer Design andApplications.2010, 2:117-181.)的主要思想是假設單個像素的概率密度函數是高斯或高斯混合函數，並通過對每個像素進行一定幀數的統計分類，從而建立起可靠的背景模型。但是背景的快速變化使得模型只能準確的建立少數準確的高斯子，不能提供魯棒的前景檢測由於低的學習率，產生一個寬廣的模型不能檢測到背景的突然變化，但是如果模型改變得太快，緩慢移動的前景將被吸收到背景模型，導致高的漏檢率。核密度估計模型通過核密度估計建立一種非參數化的背景模型，估計每個像素的概率密度並保留觀測值，通過核函數計算出新的觀測值。核密度估計模型需要高密度的計算，在實際的應用中，很難做到實時處理。Kim等人提出的編碼本模型(參見K.Kim, T.Thanarat, H.Chalidabbhognse, D.Harwood and L.Davis.Real time foreground-background segmentation using codebookmodel [J], Real-Time Imaging, 2005，11 (3): 172-185.)將背景值的變化壓縮到多個碼元中，只需少量的計算和內存消耗，就能實現比較精確的前景和背景分割功能。在性能和功能上都有較好的表現，然而它只能適用於周期性變化的背景。
[0003]視頻序列圖像中同一特定位置的像素點在時間軸上的觀測值可以構成一個序列，X= {Xl, X2,..., xN}是同一位置的像素的N個RGB向量排列的一個採樣序列，N是訓練幀數，C=Ic1, C2,...cL}表示由L個碼字構成的像素的碼本。對於每個碼字c(i=l，2，3...L)定義
為二元組結構A =(HI)和= {if Jn^nPri!,),其中if", Jfax是碼字對應像素的
最小和最大亮度，λ表示碼字在訓練過程中沒有再次出現的最大時間間隔即消極幀數，P和q分別表示該碼字出現後的第一次和最後一次匹配時間。
[0004]因為背景變化主要體現在亮度變化，所以在該顏色模型中，背景像素值沿著以原點和碼字形成的主軸，亮度值由低到高分布。對於輸入像素點\=0?，6，8)和一個碼本Ci，
【權利要求】
1.一種基於Codebook背景建模的運動目標檢測方法，將RGB空間的建模轉移到YUV空間進行運動目標檢測，首先將一幀圖像中的每個像素點在時間軸上進行聚類，提取背景模板；之後採用當前圖像與背景模板進行比較，從而檢測出運動目標，並同時進行背景模板的更新。 對圖像像素點在時間上的採樣序列X=U1, X2,..., XnI以及其碼字集C=Ic1, C2,...ClI ,在YUV顏色空間下，亮度和顏色通道相互獨立，對三個通道分別進行處理，各通道碼字的二兀組合為 ci=<learnmini, Iearnmaxi, Hiini, Iiiaxi, λ q^o 其中，IearnMin, IearnMax 分別為碼元在每個通道上的學習值下限和上限，f表示碼元的出現次數，q表示碼元在最後更新時的幀數，λ表示碼元的消極幀數。基於YUV空間的前景檢測方法的具體步驟如下:步驟一:初始化碼本，即將碼本清空:L=0，C= Φ ； 步驟二:在該編碼本中遍歷每個像素，計算像素的向下擴展值low、向上擴展值high:
2.根據權利要求1中所述的一種基於Codebook背景建模的運動目標檢測方法，其特徵在於:所述步驟六中將頻率信息f加入冗餘碼元的判定標準。 由於λ不能充分可靠的將前景像素從背景碼元中濾除，通過實驗經驗總結，本方法將頻率信息f加入也加入判定標準，若且唯若λ k < Tm與f≤fref的情況下才將當前碼元判定為背景。本方法中取fMf於15至20之間，可以取得較好的效果。
3.根據權利要求1中所述的一種基於Codebook背景建模的運動目標檢測方法，其特徵在於:所述步驟十二將空域信息加入前景檢測判定過程，以增加判定的可靠性，具體步驟如下: 由於單個像素的信息不可靠，我們將空域信息加入背景建模過程，以增加背景判定的可靠性。假定每個背景像素都會在一個小的鄰域範圍內振動，對已檢測為前景的像素X，進行二次檢測，將鄰域信息(y e Nx)納入考慮範圍。若在鄰域範圍內，檢測到X與鄰域內某像素的背景模型匹配，則將當前像 素X標記為背景。 該空域背景檢測流程如下: (1).若X符合上述前景檢測方法中第十步的條件，則將當前像素標記為背景b; (2).若不符合，則將當前像素暫時標定為前景f; (3).對經過上一步標定的像素進行二次檢測，在ye Nx內，尋找匹配的碼元。 (i).若找到，則將標為前景的像素重置為背景b; (?).若未找到，則該像素認定為前景f。 通過將當前像素頻率信息及鄰域像素的碼本信息考慮在當前像素背景建模及前景判定的條件內，使得背景碼本的建立更加可靠，更加準確的反映了前景及背景信息。
【文檔編號】G06T7/00GK103489196SQ201310485302
【公開日】2014年1月1日 申請日期:2013年10月16日 優先權日:2013年10月16日
【發明者】祝世平, 高潔 申請人:北京航空航天大學