【技术实现步骤摘要】
本专利技术属于智能视频监控领域,特别地涉及一种基于邻域特征和灰度信息的背景建模方法。
技术介绍
背景建模算法是智能视频监控邻域的一种常用算法,主要可以用来提取视频中的前景目标,以便对视频进行目标识别,行为检测等智能化分析。它根据输入视频通过建模的方法得到监控场景的背景,然后利用当前图像与背景进行比较得到前景目标。典型的背景建模算法有:帧间差法,均值函数法,中值函数法,高斯背景建模,W4算法,码书模型算法,基于贝叶斯统计的模型算法,内核密度估计算法,meanshift算法等。虽然现在已经有很多不同的背景建模方法,背景建模的效果也在不断提升,但是仍然不能满足实际工程应用的需要。这里主要有两方面的原因:1)实际的视频场景存在光照变化,背景扰动等不确定因素,使得基于像素点本身的背景建模很难获得良好的鲁棒性;2)实际应用中,背景建模算法往往作为某些智能化分析算法(如目标识别)的前置算法,计算复杂度要严格控制,给后续算法留出足够的计算时间。所以,设计一种既具有较高的鲁棒性,又快速高效的背景建模方法,是很多智能监控邻域技术人员努力的方向。
技术实现思路
为解决上述问题,本专利技术的目的在于提供了一种基于邻域特征和灰度信息的背景建模方法。该方法通过利用像素点的邻域特征,对背景的光照变化和扰动具有较高的鲁棒性,同时计算复杂度可以满足实时智能视频监控系统的需求。为实现上述目的,本专利技术的技术方案为:一种基于邻域特征和灰 ...
【技术保护点】
一种基于邻域特征和灰度信息的背景建模方法,其特征在于,该方法为:步骤1:输入视频序列的第一帧,对每个像素点(x,y)利用邻域特征算子计算第一帧的邻域特征向量。步骤2:根据第一帧的邻域特征向量,初始化背景邻域特征模型;根据第一帧中的像素点的灰度值,初始化背景灰度模型;步骤3:输入视频序列的下一帧,对于这一帧中的每个像素点(x,y),利用邻域特征算子计算该点在这一帧中的邻域特征向量;步骤4:用这一帧中的邻域特征向量与上一帧的背景邻域特征模型比较,计算两者的相似度,若相似度小于阈值Tneighbor,则判断该点为前景点;反之,若相似度大于或等于阈值Tneighbor,则分为两种情况:1)若该点在这一帧中的邻域特征向量属于非平滑类型,则将该点判断为背景点;2)若该点在这一帧中的邻域特征向量属于平滑类型,则进入步骤5。步骤5:取该点在这一帧中的灰度值,与上一帧的背景灰度模型计算相似度。若相似度小于阈值Tgray,则判断该点为前景点;若相似度大于或等于阈值Tgray,则判断该点为背景点。步骤6:根据步骤3‑5的判断结果,对上一帧的背景邻域特征模型和背景灰度模型进行更新;步骤7:重复步骤3‑6,直到 ...
【技术特征摘要】
1.一种基于邻域特征和灰度信息的背景建模方法,其特征在于,该方法为:
步骤1:输入视频序列的第一帧,对每个像素点(x,y)利用邻域特征算子计算
第一帧的邻域特征向量。
步骤2:根据第一帧的邻域特征向量,初始化背景邻域特征模型;根据第一
帧中的像素点的灰度值,初始化背景灰度模型;
步骤3:输入视频序列的下一帧,对于这一帧中的每个像素点(x,y),利用邻
域特征算子计算该点在这一帧中的邻域特征向量;
步骤4:用这一帧中的邻域特征向量与上一帧的背景邻域特征模型比较,计
算两者的相似度,若相似度小于阈值Tneighbor,则判断该点为前景点;反之,若相
似度大于或等于阈值Tneighbor,则分为两种情况:1)若该点在这一帧中的邻域特
征向量属于非平滑类型,则将该点判断为背景点;2)若该点在这一帧中的邻域
特征向量属于平滑类型,则进入步骤5。
步骤5:取该点在这一帧中的灰度值,...
【专利技术属性】
技术研发人员:于慧敏,汪东旭,杨白,郑伟伟,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。