本發(fā)明涉及一種背景建模方法,特別涉及應(yīng)用于安防系統(tǒng)視頻監(jiān)控中的多場(chǎng)景的無(wú)參數(shù)背景建模方法。

背景技術(shù)：

近年來(lái)，隨著社會(huì)對(duì)公共安全的不斷重視，具有智能分析功能的視頻監(jiān)控已經(jīng)成為安全防范系統(tǒng)不可或缺的部分。絕大部分的智能分析都是建立在背景建模的基礎(chǔ)之上的，而一般的背景建模方法都存在一些技術(shù)上的不足，主要體現(xiàn)在：具有復(fù)雜的參數(shù)，不同的場(chǎng)景需要重新調(diào)整；對(duì)有抖動(dòng)的圖像誤報(bào)比較多；建立背景模型的時(shí)間較長(zhǎng)，往往需要幾十幀甚至上百幀的視頻，這樣不僅會(huì)耗費(fèi)比較多的時(shí)間，如果在這些幀中有運(yùn)動(dòng)目標(biāo)，則會(huì)丟失這些目標(biāo)，不能很好的檢測(cè)出來(lái)；Ghost區(qū)域難以消除，如果在背景建模期間有暫時(shí)待在原地的目標(biāo)，之后再運(yùn)動(dòng)則會(huì)引入Ghost區(qū)域；Ghost過(guò)早消除，現(xiàn)在的一些背景建模算法有一些可以很快的消除Ghost區(qū)域，但是過(guò)早的消除并不一定就是好事，對(duì)于物品看護(hù)來(lái)說(shuō)，這會(huì)對(duì)算法的準(zhǔn)確性產(chǎn)生嚴(yán)重的影響；閃光點(diǎn)難以消除，波紋，隨風(fēng)擺動(dòng)的樹(shù)葉，都會(huì)帶來(lái)一些閃光點(diǎn)，被認(rèn)為是運(yùn)動(dòng)物體，這些往往都是無(wú)用的；大部分只適用于槍機(jī)，會(huì)轉(zhuǎn)動(dòng)的球機(jī)則無(wú)法使用。

為了克服以上技術(shù)不足，本發(fā)明提出了一種基于可變學(xué)習(xí)速率和隨機(jī)鄰域像素點(diǎn)的無(wú)參數(shù)背景建模方法。

技術(shù)實(shí)現(xiàn)要素：

本申請(qǐng)的目的在于提供了一種適用多場(chǎng)景的無(wú)參數(shù)背景建模方法，其特征在于，包括步驟：a)對(duì)圖像做初始化處理，判斷所取幀圖像是否為圖像的第一幀，若是第一幀，進(jìn)入步驟h，否則，進(jìn)入步驟b；b)查找?guī)瑘D像的運(yùn)動(dòng)點(diǎn)，然后進(jìn)入步驟c；c)判斷是否需要重新建立模型，若不需要重新建立模型則進(jìn)入步驟d，否則，進(jìn)入步驟h；d)根據(jù)先前處理的處理結(jié)果，有條件的更新模型；e)根據(jù)先前處理的結(jié)果，查找出閃光點(diǎn)，并將其去除；f)對(duì)于處理產(chǎn)生的噪點(diǎn)逐一去除；g)對(duì)算法生成的運(yùn)動(dòng)前景和靜止背景進(jìn)行平滑處理，然后進(jìn)入步驟i；h)建立一個(gè)背景模型序列，然后進(jìn)入步驟i；i)輸出結(jié)果。

優(yōu)選地，所述步驟a中圖像初始化處理的具體方法為：a1)輸入圖像序列；a2)針對(duì)RGB圖像，對(duì)于每一個(gè)像素點(diǎn)(x,y)進(jìn)行灰度化處理，每一個(gè)像素點(diǎn)(x,y)的像素值都在0～255之間；a3)把灰度圖像的直方圖變換為均勻分布的形式，增加灰度值得動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像對(duì)比度的效果；a4)輸出每一個(gè)像素點(diǎn)(x,y)的灰度值都在0-255之間的灰度圖像。

優(yōu)選地，所述步驟b中運(yùn)動(dòng)點(diǎn)的查找方法為：b1)讀取新的灰度圖像的每一個(gè)像素點(diǎn)(x,y)；b2)讀取背景模型序列和顏色矩R,顏色距R表示灰度圖像中的像素點(diǎn)(x,y)與背景序列模型中同位置(x,y)點(diǎn)的灰度值的差值；b3)判斷背景模型中位置為(x,y)的像素點(diǎn)是否全部讀取結(jié)束，若全部讀取結(jié)束，則灰度圖像的像素點(diǎn)(x,y)為非運(yùn)動(dòng)點(diǎn)，否則，進(jìn)入步驟b4；b4)判斷顏色矩R是否大于顏色矩閾值，若是，進(jìn)入步驟b5，否則，返回步驟b3；b5)判斷顏色矩R大于顏色矩閾值的計(jì)數(shù)是否大于計(jì)數(shù)閾值，若是，則該點(diǎn)為運(yùn)動(dòng)點(diǎn)，否則，返回步驟b3。

優(yōu)選地，所述步驟d中的更新模型的方法為：d1)讀取非運(yùn)動(dòng)像素點(diǎn)(x,y)；d2)有SUBSAMPLE_FACTOR的概率用現(xiàn)在像素點(diǎn)(x,y)的像素值隨機(jī)替換背景模型序列中的其中之一；d3)SUBSAMPLE_FACTOR的概率用現(xiàn)在像素點(diǎn)(x,y)的像素值的鄰域隨機(jī)替換背景模型序列中的其中之一。

優(yōu)選地，所述步驟f中的去噪點(diǎn)的方法采用水漫法，具體步驟為：f1)讀取二值圖像；f2)對(duì)圖像進(jìn)行閉操作；f3)將圖像寬度為1的內(nèi)邊全部涂黑，即將像素值設(shè)置為0；f4)以圖像左上角的點(diǎn)(x0,y0)為原點(diǎn)，利用水漫法,將與點(diǎn)(x0,y0)所連通的像素值為0的區(qū)域，及相連通的黑色區(qū)域都涂為白色，即像素值為255；f5)現(xiàn)在圖像上的黑色區(qū)域的像素點(diǎn)(x,y)的像素值都改為255，即白色；f6)輸出黑白二值圖。

優(yōu)選地，所述步驟h中的建立背景模型序列的方法為：h1)讀取灰度值在0-255間的灰度圖；h2)遍歷灰度圖說(shuō)有的像素點(diǎn)，并判斷灰度圖所有像素點(diǎn)是否遍歷完全，若未遍歷完全，進(jìn)入步驟h3，否則，進(jìn)入步驟h4；h3)背景模型序列中同位置的像素值隨機(jī)為原始像素本身或者其鄰域；h4)輸出背景模型序列。應(yīng)當(dāng)理解，前述大體的描述和后續(xù)詳盡的描述均為示例性說(shuō)明和解釋?zhuān)⒉粦?yīng)當(dāng)用作對(duì)本發(fā)明所要求保護(hù)內(nèi)容的限制。

附圖說(shuō)明

參考隨附的附圖，本發(fā)明更多的目的、功能和優(yōu)點(diǎn)將通過(guò)本發(fā)明實(shí)施方式的如下描述得以闡明，其中：

圖1示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法的流程圖；

圖2示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中圖像的初步處理流程圖；

圖3示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中建立背景模型序列的流程圖；

圖4示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中運(yùn)動(dòng)點(diǎn)的判斷方法流程圖；

圖5示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中顏色閾值及學(xué)習(xí)率動(dòng)態(tài)更新方法流程圖；

圖6示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中水漫法去誤刪的流程圖。

具體實(shí)施方式

通過(guò)參考示范性實(shí)施例，本發(fā)明的目的和功能以及用于實(shí)現(xiàn)這些目的和功能的方法將得以闡明。然而，本發(fā)明并不受限于以下所公開(kāi)的示范性實(shí)施例；可以通過(guò)不同形式來(lái)對(duì)其加以實(shí)現(xiàn)。說(shuō)明書(shū)的實(shí)質(zhì)僅僅是幫助相關(guān)領(lǐng)域技術(shù)人員綜合理解本發(fā)明的具體細(xì)節(jié)。

在下文中，將參考附圖描述本發(fā)明的實(shí)施例。在附圖中，相同的附圖標(biāo)記代表相同或類(lèi)似的部件，或者相同或類(lèi)似的步驟。

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述。

圖1示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法的流程圖；

步驟101：對(duì)圖像做初始化處理，判斷所取幀圖像是否為圖像的第一幀，若是第一幀，進(jìn)入步驟108，否則，進(jìn)入步驟102；步驟102：查找?guī)瑘D像的運(yùn)動(dòng)點(diǎn)，然后進(jìn)入步驟103；

步驟103：判斷是否需要重新建立模型，若不需要重新建立模型則進(jìn)入步驟104，否則，進(jìn)入步驟108；

步驟104：根據(jù)先前處理的處理結(jié)果，有條件的更新模型；

步驟105：根據(jù)先前處理的結(jié)果，查找出閃光點(diǎn)，并將其去除；

步驟106：對(duì)于處理產(chǎn)生的噪點(diǎn)逐一去除；

步驟107：對(duì)算法生成的運(yùn)動(dòng)前景和靜止背景進(jìn)行平滑處理，然后進(jìn)入步驟109；

步驟108：建立一個(gè)背景模型序列，然后進(jìn)入步驟109；

步驟109：輸出結(jié)果。

圖2示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中圖像的初步處理流程圖；

步驟201：首先要對(duì)圖像做初步處理，輸入圖像序列；

步驟202：針對(duì)RGB圖像，對(duì)于每一個(gè)像素點(diǎn)(x,y)進(jìn)行灰度化處理，每一個(gè)像素點(diǎn)(x,y)的像素值都在0～255之間；

步驟203：把灰度圖像的直方圖變換為均勻分布的形式，增加灰度值得動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像對(duì)比度的效果；

步驟204：輸出每一個(gè)像素點(diǎn)(x,y)的灰度值都在0-255之間的灰度圖像。

之后利用第一幅圖像建立一個(gè)背景模型序列，圖3示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中建立背景模型序列的流程圖；步驟如圖3所示：

步驟301：讀取灰度值在0-255間的灰度圖；

步驟302：以圖像的左上角為起點(diǎn)，右下角為終點(diǎn)，遍歷灰度圖說(shuō)有的像素點(diǎn)，并判斷灰度圖所有像素點(diǎn)是否遍歷完全，若未遍歷完全，進(jìn)入步驟303，否則，進(jìn)入步驟304；

步驟303：背景模型序列中同位置的像素值隨機(jī)為原始像素本身或者其鄰域，詳細(xì)方法如下：

背景序列模型由20幅與原圖大小相同的圖像組成，若記現(xiàn)在讀取的位置為(x,y)，那么，在這20幅背景模型中，在同樣的(x,y)位置的像素值可能為其領(lǐng)域的任何一個(gè)，及可能為(x-1,y-1)、(x-1,y)、(x-1,y+1)、(x,y-1)、(x,y)、(x,y+1)、(x+1,y-1)、(x+1,y)、(x+1,y+1)中的任何一個(gè)，如果某些領(lǐng)域不存在，則隨機(jī)為其他鄰域的任何一個(gè)。遍歷完成后則形成一個(gè)有20幅圖像組成的背景模型序列，這樣的話(huà)，即使畫(huà)面有一些抖動(dòng)，算法也能穩(wěn)定的檢測(cè)出運(yùn)動(dòng)的目標(biāo)，同時(shí)對(duì)Ghost區(qū)域的消除也會(huì)又很大的影響；

步驟304:輸出背景模型序列。

然后對(duì)運(yùn)動(dòng)點(diǎn)進(jìn)行檢測(cè)，圖4示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中運(yùn)動(dòng)點(diǎn)的判斷方法流程圖；具體步驟如圖4所示：

步驟401：讀取新的灰度圖像的每一個(gè)像素點(diǎn)(x,y)；

步驟402：讀取背景模型序列和顏色矩R,顏色距R表示灰度圖像中的像素點(diǎn)(x,y)與背景序列模型中同位置(x,y)點(diǎn)的灰度值的差值；

步驟403；判斷背景模型中位置為(x,y)的像素點(diǎn)是否全部讀取結(jié)束，若全部讀取結(jié)束，則灰度圖像的像素點(diǎn)(x,y)為非運(yùn)動(dòng)點(diǎn)，否則，進(jìn)入步驟404；

步驟404：判斷顏色矩R是否大于顏色矩閾值，若是，進(jìn)入步驟405，否則，返回步驟403；

步驟405：判斷顏色矩R大于顏色矩閾值的計(jì)數(shù)是否大于計(jì)數(shù)閾值，若是，則該點(diǎn)為運(yùn)動(dòng)點(diǎn)，否則，返回步驟403。

實(shí)施例如下所示：

當(dāng)遍歷到點(diǎn)(x,y)時(shí)，(x,y)處的像素值與模型序列逐個(gè)做差，如果差值大于累計(jì)閾值Value_thre，則開(kāi)始計(jì)數(shù)，如果模型已經(jīng)全部對(duì)比完畢累計(jì)還沒(méi)有達(dá)到Frame_change_num，則判定為背景點(diǎn)，否則就判定為運(yùn)動(dòng)點(diǎn)，建立一幅新的圖像m_cfg，運(yùn)動(dòng)點(diǎn)的像素值為255，背景點(diǎn)的為0。

Value_thre和Frame_change_num也不是一成不變的，每個(gè)位置的的運(yùn)動(dòng)位置都會(huì)被記錄，當(dāng)運(yùn)動(dòng)的時(shí)間過(guò)長(zhǎng)是就會(huì)出現(xiàn)經(jīng)常出現(xiàn)運(yùn)動(dòng)的區(qū)域，此時(shí)適當(dāng)?shù)脑龃驠rame_change_num和Value_thre的值以減少誤檢測(cè)。同樣的如果長(zhǎng)期的為非運(yùn)動(dòng)點(diǎn)，則需要減小Value_thre和Frame_change_num，使更多的點(diǎn)能夠被檢測(cè)出來(lái)，并算法提高效率。

圖5示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中顏色閾值及學(xué)習(xí)率動(dòng)態(tài)更新方法流程圖；如圖5所示，步驟為：讀取非運(yùn)動(dòng)像素點(diǎn)(x,y)；有SUBSAMPLE_FACTOR的概率用現(xiàn)在像素點(diǎn)(x,y)的像素值隨機(jī)替換背景模型序列中的其中之一；有SUBSAMPLE_FACTOR的概率用現(xiàn)在像素點(diǎn)(x,y)的像素值的鄰域隨機(jī)替換背景模型序列中的其中之一。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，具體方法為：

步驟501：輸入像素點(diǎn)；

步驟502：判斷像素點(diǎn)是否為運(yùn)動(dòng)點(diǎn)，若是，則進(jìn)入步驟503a；若不是，則進(jìn)入步驟503b；

步驟503a；運(yùn)動(dòng)點(diǎn)累計(jì)值增大；若判斷為運(yùn)動(dòng)點(diǎn)累計(jì)值增大過(guò)大，進(jìn)入步驟504a；

步驟503b；運(yùn)動(dòng)點(diǎn)累計(jì)值減?。蝗襞袛酁檫\(yùn)動(dòng)點(diǎn)累計(jì)值減小過(guò)小，進(jìn)入步驟504b；

步驟504a：增大顏色矩閾值、增大顏色矩累計(jì)閾值；

步驟504b：減小顏色矩閾值、減小顏色矩累計(jì)閾值。

之后背景的更新也是遵循策略如下，如果點(diǎn)(x,y)被認(rèn)定為非運(yùn)動(dòng)點(diǎn)，那么它將有1/SUBSAMPLE_FACTOR的概率隨機(jī)去更新背景模型中的某一幀，是其像素值與當(dāng)前點(diǎn)的相素值相同，同時(shí)它也有1/SUBSAMPLE_FACTOR的概率隨機(jī)去更新背景模型中的某一幀，是其像素值與當(dāng)前點(diǎn)鄰域的相素值相同，這樣背景既不會(huì)一成不變也不會(huì)變化過(guò)快，同時(shí)提高了運(yùn)行效率。

接下來(lái)要進(jìn)行一個(gè)運(yùn)動(dòng)點(diǎn)數(shù)量的判斷，如果連續(xù)多幀運(yùn)動(dòng)的點(diǎn)數(shù)過(guò)多，則就可能出現(xiàn)了攝像頭位置變化的等情況使得背景模型變化較多，這樣便立刻建立起一個(gè)新的模型序列出來(lái)，否則就認(rèn)為是背景。

下面要進(jìn)行的便是Ghost區(qū)域的消除，對(duì)于Ghost區(qū)域的消除的策略是更新Ghost區(qū)域的背景，使用一個(gè)特定的值Ghost_value來(lái)記錄各個(gè)點(diǎn)的運(yùn)動(dòng)狀態(tài)，當(dāng)然，這個(gè)值始從重新建立起背景模型序列之后開(kāi)始計(jì)數(shù)的，同時(shí)在運(yùn)動(dòng)模型重新建立時(shí)也會(huì)重新計(jì)數(shù)。如果是運(yùn)動(dòng)狀態(tài)，Ghost_value就會(huì)有所增加，反正則會(huì)減小，但是增加的速度要快于減小的速度，當(dāng)這個(gè)值達(dá)到一個(gè)可調(diào)節(jié)的閾值NUM_REFERSH之后，則會(huì)被定為是Ghost點(diǎn)。但這并不是要更新這些點(diǎn)的必要條件，還有一個(gè)條件就是此時(shí)的運(yùn)動(dòng)區(qū)域也達(dá)到了一個(gè)閾值，否則這些點(diǎn)即使不重新建立模型，也會(huì)被背景的隨機(jī)變化而慢慢被替換。

然后進(jìn)行閃光點(diǎn)的消除，比如說(shuō)隨風(fēng)擺動(dòng)的樹(shù)葉，粼粼的波光，本發(fā)明便使用了一個(gè)波動(dòng)計(jì)數(shù)的方法，如果點(diǎn)(x,y)的前后兩幀的狀態(tài)不同，波動(dòng)計(jì)數(shù)器就會(huì)增加，反之就會(huì)減小。當(dāng)累計(jì)到一定的值得時(shí)候，就把值寫(xiě)點(diǎn)記錄下來(lái)，再通過(guò)膨脹的方式擴(kuò)大區(qū)域，再將其從運(yùn)動(dòng)的點(diǎn)中剔除掉。

閃光點(diǎn)的腐蝕操作無(wú)疑會(huì)增大其閃光點(diǎn)的誤報(bào)面積，下面將利用水漫的方法來(lái)填充一些區(qū)域，圖6示出了根據(jù)本發(fā)明的適用多場(chǎng)景的無(wú)參數(shù)背景建模方法中水漫法去誤刪的流程圖；具體方法所下：步驟601：輸入二值圖像；

步驟602：對(duì)圖像進(jìn)行一次閉操作，是白色區(qū)域閉合，然后將圖像拷貝一份，稱(chēng)之為m_flood；

步驟603：然后對(duì)m_flood圖像寬度為1的內(nèi)邊緣進(jìn)行賦值，賦值為0，即黑色；

步驟604：以圖像左上角的點(diǎn)(x0,y0)為原點(diǎn)，利用水漫法,將與點(diǎn)(x0,y0)所連通的像素值為0的區(qū)域，及相連通的黑色區(qū)域都涂為白色，即像素值為255；

步驟605：然后拿m_cfg與m_flood作比對(duì)，兩幅圖像中同時(shí)為黑色的區(qū)域也就是誤刪的或者漏檢測(cè)的區(qū)域，在m_cfg上將這些區(qū)域填充為白色；

步驟606：輸出黑白二值圖。

之后是中值濾波，經(jīng)過(guò)上述處理的處理已經(jīng)可以形成一個(gè)清晰的黑白二值圖像，對(duì)m_cfg進(jìn)行中值濾波后的二值圖便會(huì)更加清晰。

最后便是m_cfg與原圖進(jìn)行合并，m_cfg的白色區(qū)域?yàn)檫\(yùn)動(dòng)的區(qū)域，黑色為靜止區(qū)域。

本專(zhuān)利能適用于不同的場(chǎng)景，且不需要調(diào)節(jié)參數(shù)，建模時(shí)間短，能消除圖像的抖動(dòng)，以及閃光點(diǎn)，對(duì)Ghost區(qū)域消除的時(shí)間可自由設(shè)定，對(duì)會(huì)能動(dòng)的球機(jī)也能有一個(gè)很好的建模效果。

結(jié)合這里披露的本發(fā)明的說(shuō)明和實(shí)踐，本發(fā)明的其他實(shí)施例對(duì)于本領(lǐng)域技術(shù)人員都是易于想到和理解的。說(shuō)明和實(shí)施例僅被認(rèn)為是示例性的，本發(fā)明的真正范圍和主旨均由權(quán)利要求所限定。