專利名稱：：一種基于像素置信度的背景建模方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及視頻跟蹤圖像分割
技術(shù)領(lǐng)域：
，特別涉及一種基于像素置信度的背景建模方法。
背景技術(shù)：
：隨著社會對安全的日益重視，視頻跟蹤技術(shù)成為一個熱點話題，在視頻監(jiān)視、交通自動監(jiān)控、人體檢測與跟蹤等領(lǐng)域得到廣泛應(yīng)用。一般來說典型的視頻跟蹤系統(tǒng)是用一個靜止的攝像機實時監(jiān)控固定區(qū)域，然后從所拍攝到的場景背景中分割出前景目標并對其進行分類、跟蹤。從人們是否關(guān)注的角度，可將視頻圖像信息分為前景目標和背景，如果算法能夠?qū)Ρ尘斑M行準確建模，消除視頻圖像中不感興趣的復(fù)雜背景，就可以使后續(xù)處理過程的注意力集中在前景目標上，從而不僅可減少計算量，節(jié)約系統(tǒng)資源，也可以大大簡化圖像理解、目標自動跟蹤等問題。因此，如何準確地建立背景模型是目前視頻監(jiān)控的一個重要研究內(nèi)容。在當(dāng)前運用背景建模進行目標檢測的工作中，大致可分為2大類，一類是針對每個獨立像素的特則信息建模，一類是根據(jù)區(qū)域信息建立區(qū)域模型。目前大多數(shù)的方法都是屬于第一類，例如混合高斯背景建模方法，該方法目前已成為背景減除中最為常用的一個標準算法，但這個模型也只是模擬了單個像素點在時間序列上的分布，而沒有考慮到在一幀圖像中存在的空間上的關(guān)聯(lián)性，另外也很難確定混合模型中高斯分布的個數(shù)。還有一種常用的方法是編碼本(codebook)算法，它是先根據(jù)視頻序列產(chǎn)生最初的編碼本，借助碼字(codeword)中的一個參數(shù)“最長未出現(xiàn)時間”進行時域濾波處理，最后經(jīng)過空域濾波，將上一步錯誤刪除的代表較少出現(xiàn)的背景狀態(tài)的碼字回復(fù)到編碼本中。但是上述的算法在前景物體運動混亂，背景發(fā)生擾動的情況都無法達到令人滿意的效果，且其實時性和準確性不能滿足應(yīng)用的要求。因此，需要提供一種既可在復(fù)雜背景下應(yīng)用又能同時滿足實時性和準確性要求的背景建模方法。
發(fā)明內(nèi)容本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的缺點與不足，提供一種基于像素置信度的背景建模方法，該方法既可在復(fù)雜背景下應(yīng)用又能同時滿足實時性和準確性要求，適用于多個不同場合。本發(fā)明的目的通過以下的技術(shù)方案實現(xiàn)一種基于像素置信度的背景建模方法，所述像素置信度是指像素點是背景的可能性大小，該方法具體步驟如下(1)初始化將圖像存儲模塊中的圖像清空，圖像采集模塊采集第一幀圖像后存入圖像存儲模塊，該圖像作為初始背景圖像，然后將每個像素點對應(yīng)的連續(xù)穩(wěn)定計數(shù)值初始化為零，為圖像中的每一個像素點對應(yīng)建立一個鏈表，用于存儲背景候選表信息；(2)讀取下一幀圖像，根據(jù)相鄰兩幀圖像上對應(yīng)點處的HSV像素值的大小判斷該點是否穩(wěn)定，如果穩(wěn)定，則將該像素點處的連續(xù)穩(wěn)定計數(shù)值加1，否則將該像素點處的連續(xù)穩(wěn)定計數(shù)值置零；然后進入步驟(3)；(3)將圖像上所有像素點的連續(xù)穩(wěn)定計數(shù)值進行非線性歸一化處理，得出當(dāng)前圖像上每個像素點處的未修正置信度；然后根據(jù)像素點的空間位置信息對未修正置信度值進行修正得到像素點處的顏色置信度；然后進入步驟；(4)依次讀取當(dāng)前幀圖像中的每一個像素點，判斷當(dāng)前讀取圖像中該像素點處的值是否與該點背景候選表中的某一簇的代表顏色相似，如果相似，則將當(dāng)前點并入該簇，并將該點顏色值作為該簇的代表顏色，用當(dāng)前像素點處的顏色置信度更新該點所在簇的簇置信度，然后進入步驟(5)；如果不相似，則將該顏色值建立新簇，該顏色即為新建簇的代表顏色，用當(dāng)前像素點處的顏色置信度作為新建簇的簇置信度，然后進入步驟(5)；(5)對該像素點更新后的背景候選表中所有簇的置信度按照一定遺忘速率進行衰減，然后根據(jù)衰減后的背景候選表信息和新評估的簇置信度以一定學(xué)習(xí)速率進行更新，最后選取該像素點背景候選表中簇置信度最高的像素值作為該像素點的背景值，然后轉(zhuǎn)到步驟(2)。所述步驟(1)中背景候選表用鏈表實現(xiàn)，每一節(jié)點存儲簇代表顏色和簇置信度兩個信息，背景候選表至少包括一個簇，其中的簇是通過對已經(jīng)采集到的所有幀圖像中在該點出現(xiàn)過的顏色按照HSV值進行聚類而成的，根據(jù)當(dāng)前采集圖像信息簇的大小和簇的代表顏色不斷更新。所述步驟O)中判斷相鄰兩幀圖像上對應(yīng)點像素值是否穩(wěn)定，通過如下方法來判斷設(shè)定一個閾值threshold，設(shè)第k張和第k-Ι張圖像上對應(yīng)某一點處的色調(diào)和飽和度分另Ij為(huek(x,y),Staturek(χ,y))、(hue^(χ,y),Staturek^1(χ,y))，如果滿足下式貝丨J認為在該點處像素值是穩(wěn)定的huek(x,y)_huek_1(x，y)+1Staturek(χ,y)-Stature^1(χ,y)|<threshold所述用于判斷相鄰兩幀圖像上對應(yīng)點像素值是否穩(wěn)定的方法中，閾值threshold取10-15時，效果最佳。所述步驟⑶中，對圖像上所有像素點的連續(xù)穩(wěn)定計數(shù)值進行非線性歸一化處理的方法具體如下設(shè)圖像中某像素點處的連續(xù)穩(wěn)定計數(shù)值為MableCoimt，StableCounteN，則該像素點處的未修正置信度為權(quán)利要求1.一種基于像素置信度的背景建模方法，其特征在于，所述像素置信度是指像素點是背景的可能性大小，該方法具體步驟如下(1)初始化將圖像存儲模塊中的圖像清空，圖像采集模塊采集第一幀圖像后存入圖像存儲模塊，該圖像作為初始背景圖像，然后將每個像素點對應(yīng)的連續(xù)穩(wěn)定計數(shù)值初始化為零，為圖像中的每一個像素點對應(yīng)建立一個鏈表，用于存儲背景候選表信息；(2)讀取下一幀圖像，根據(jù)相鄰兩幀圖像上對應(yīng)點處的HSV像素值的大小判斷該點是否穩(wěn)定，如果穩(wěn)定，則將該像素點處的連續(xù)穩(wěn)定計數(shù)值加1，否則將該像素點處的連續(xù)穩(wěn)定計數(shù)值置零；然后進入步驟(3)；(3)將圖像上所有像素點的連續(xù)穩(wěn)定計數(shù)值進行非線性歸一化處理，得出當(dāng)前圖像上每個像素點處的未修正置信度；然后根據(jù)像素點的空間位置信息對未修正置信度值進行修正得到像素點處的顏色置信度；然后進入步驟；(4)依次讀取當(dāng)前幀圖像中的每一個像素點，判斷當(dāng)前讀取圖像中該像素點處的值是否與該點背景候選表中的某一簇的代表顏色相似，如果相似，則將當(dāng)前點并入該簇，并將該點顏色值作為該簇的代表顏色，用當(dāng)前像素點處的顏色置信度更新該點所在簇的簇置信度，然后進入步驟(5)；如果不相似，則將該顏色值建立新簇，該顏色即為新建簇的代表顏色，用當(dāng)前像素點處的顏色置信度作為新建簇的簇置信度，然后進入步驟(5)；(5)對該像素點更新后的背景候選表中所有簇的置信度按照一定遺忘速率進行衰減，然后根據(jù)衰減后的背景候選表信息和新評估的簇置信度以一定學(xué)習(xí)速率進行更新，最后選取該像素點背景候選表中簇置信度最高的像素值作為該像素點的背景值，然后轉(zhuǎn)到步驟⑵。2.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(1)中背景候選表用鏈表實現(xiàn)，每一節(jié)點存儲簇代表顏色和簇置信度兩個信息，背景候選表至少包括一個簇，其中的簇是通過對已經(jīng)采集到的所有幀圖像中在該點出現(xiàn)過的顏色按照HSV值進行聚類而成的，根據(jù)當(dāng)前采集圖像信息簇的大小和簇的代表顏色不斷更新。3.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(2)中判斷相鄰兩幀圖像上對應(yīng)點像素值是否穩(wěn)定，通過如下方法來判斷設(shè)定一個閾值threshold，設(shè)第k張和第k-Ι張圖像上對應(yīng)某一點處的色調(diào)和飽和度分別為(huek(x，y)，Staturek(X，y))、(huek—“X，y)，Stature1^1(X，y))，如果滿足下式則認為在該點處像素值是穩(wěn)定的Ihuek(X，y)_huek—丄(χ,y)|+1Staturek(x,y)-Staturek^(χ,y)|<threshold；所述步驟⑷中判斷當(dāng)前讀取圖像中該像素點處的值是否與該點背景候選表中的某一簇的代表顏色相似的方法是設(shè)該像素點處的色調(diào)和飽和度分別為hiK3k(X，y)、Staturq(Ly)，簇代表顏色的色調(diào)和飽和度分別為HJuK5k(x，y),!Lstaturq(x，y)，如果滿足下式則認為二者相似|huek(x,y)-H_huek(χ,y)|+|Staturek(χ,y)-H_stature(χ,y)|^threshold24.根據(jù)權(quán)利要求3所述的基于像素置信度的背景建模方法，其特征在于，所述閾值threshold取10-15之間的值；閾值threshold〗取10-15之間的值。5.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(3)中，對圖像上所有像素點的連續(xù)穩(wěn)定計數(shù)值進行非線性歸一化處理的方法具體如下設(shè)圖像中某像素點處的連續(xù)穩(wěn)定計數(shù)值為MableCount，StableCounteN，則該像素點處的未修正置信度為Confidpmel=1----，StableCount本OStableCountO,StableCount=O6.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(3)中，對未修正置信度值進行修正的具體方法是將圖像按照色彩和紋理信息進行分割，如果像素點所處分割區(qū)域內(nèi)超過2/3的像素點被判定為背景，則對該像素的未修正置信度乘以增益系數(shù)K1,K1>1；反之如果像素點所處分割區(qū)域內(nèi)超過2/3的像素點被判定為非背景，則對該像素的未修正置信度乘以衰減系數(shù)K2，K2<1。7.根據(jù)權(quán)利要求6所述的基于像素置信度的背景建模方法，其特征在于，所述增益系數(shù)K1取值在1.05-1.1之間；衰減系數(shù)K2取值在0.9-0.95之間。8.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(5)中，設(shè)Confid'。lustCT和Confid"。lustCT分別表示遺忘后的簇置信度和遺忘前的簇置信度，F(xiàn)orgetRate表示遺忘速率，則Confid'cluster=ForgetRate^Confid"cluster；設(shè)Confid。lustCT和Confidpixel分別表示根據(jù)像素顏色置信度學(xué)習(xí)后的新簇置信度和當(dāng)前圖像該點處的顏色置信度，LearningRate表示學(xué)習(xí)速率，則Confidcluster=Confid’cluster+LearningRate*Confidpixel9.根據(jù)權(quán)利要求8所述的基于像素置信度的背景建模方法，其特征在于，所述遺忘速率取值在0.9-0.95之間，學(xué)習(xí)速率取值在0.1-0.2之間。10.根據(jù)權(quán)利要求1所述的基于像素置信度的背景建模方法，其特征在于，所述步驟(5)中，找到像素點對應(yīng)的置信度最高的簇Confid。lustCT,max，如果該簇置信度滿足如下條件Confid,tcluster,max<12Avg(Confidclustern)其中Avg(C0nfid。lustCT,n)表示該像素點背景候選表中的平均簇置信度，則將該像素點所對應(yīng)的背景候選表中所有的顏色值判定為背景像素值，如果不滿足上述條件，則將簇Confid。lustCT,max的代表顏色值作為背景像素值。全文摘要本發(fā)明公開了一種基于像素置信度的背景建模方法，通過像素置信度即像素點是背景的可能性大小來判斷該點像素是否為背景，具體如下首先依次讀取視頻幀，判斷相鄰兩幀圖像上對應(yīng)點處的HSV像素值的大小判斷該點是否穩(wěn)定，穩(wěn)定則增加連續(xù)穩(wěn)定計數(shù)值，否則將該像素點處的連續(xù)穩(wěn)定計數(shù)值置零；然后對圖像上所有像素點的連續(xù)穩(wěn)定計數(shù)值進行非線性歸一化處理，得出當(dāng)前圖像上每個像素點處的未修正置信度；然后對圖像中每一個像素點處的背景候選表顏色進行聚類并更新簇置信度，最后取簇置信度最高的像素值作為當(dāng)前背景，繼續(xù)讀取下一幀圖像。本發(fā)明能夠準確提取背景，進而為獲取監(jiān)控物體做準備，可廣泛地應(yīng)用于物體追蹤、運動分析等視頻監(jiān)控領(lǐng)域。文檔編號G06T7/20GK102169538SQ20111009032公開日2011年8月31日申請日期2011年4月12日優(yōu)先權(quán)日2011年4月12日發(fā)明者周津銘,方耿,田楠,高寶軍申請人:廣州市威寶網(wǎng)絡(luò)科技有限公司