一种视频中同步变化像素的筛选方法技术

本发明专利技术涉及一种数字视频的运动目标检测装置，特别涉及一种视频中同步变化像素成对筛选机制，提供一种视频中同步变化像素的筛选方法。主要包括以下一系列步骤：对于每个像素，一、获得在所有T帧的特征值；二、计算空间中每个其他像素与该像素的特征值的时域线性相关性；三、按照相关性从大到小排序；四、选出相关性最大的N个像素并记录其空间位置；五、返回，计算下一个像素，直到遍历所有像素后结束。本发明专利技术利用像素的特征值时间序列的线性相关性的计算和排序的思想，在背景模型建立的过程中解除了对相关像素配对筛选过程中对空间位置关系的假设，从而显著提高相关像素筛选的有效性，从而提高背景建模的精度，进而提高运动目标物检测的精度。

A method of selecting synchronous and changing pixels in video sequences

The invention relates to a digital video moving object detection device, in particular to a pair filtering mechanism for synchronously changing pixels in video, and provides a filtering method for synchronously changing pixels in video. It mainly includes the following steps: for each pixel, firstly, obtain the eigenvalues of all T frames; secondly, calculate the time-domain linear correlation between each other pixel in space and the eigenvalues of the pixel; thirdly, sort the pixels according to the correlation from large to small; fourthly, select the N pixels with the greatest correlation and record their spatial position; Returns, calculates the next pixel, and ends until all pixels are passed. The invention utilizes the idea of computing and ordering the linear correlation of the time series of pixel eigenvalues to remove the assumption of the spatial position relationship in the process of matching and filtering the related pixels in the process of setting up the background model, thereby significantly improving the validity of the correlation pixel selection, thereby improving the accuracy of the background modeling, and further improving the accuracy of the background modeling. Improve the accuracy of moving object detection.

【技术实现步骤摘要】
一种视频中同步变化像素的筛选方法
本专利技术涉及一种数字视频的运动目标检测装置，特别涉及一种视频中同步变化像素成对筛选机制。
技术介绍
视频监控在公共安全领域扮演着越来越重要的角色。视频监控系统通常是昼夜不间断地采集和录制监控视频流，产生了庞大的视频数据，而真正有用的视频流区间(通常指包含运动目标物的视频流区间，如行人、车辆、飞行器、飞鸟等)往往以较低的出现概率零星散布在冗长的视频流中，给回溯和筛查造成很大困难。如何有效管理和利用这些监控视频成为一个非常有意义和挑战的问题，而基于背景建模的运动目标检测是解决此问题的关键技术。传统的背景建模技术是一个典型的无监督的训练过程，通常采用对每个像素的特征值(一般为灰度值或颜色值)在时间域采样并统计，拟合为相应的概率模型，完成背景区域的特征值统计建模。在运动目标检测阶段，将每个像素点在当前帧的像素特征值与其背景统计模型比对，当二者差值超过预设阈值时，将该像素作为运动目标区域检出。在实际应用中，由于背景常常是随时间波动的(例如光照突变、大气扰动、水面涟漪、林木摇摆、红外相机中红外热辐射值随温度的改变等等)，为提高统计模型的自适应性，统计模型的训练过程往往选取历史中较长时间段内采样大量特征值作为训练样本，并常采用多模态的统计模型加以描述，例如采用混合高斯模型或无参数的核密度估计模型。这种大样本训练框架带来的主要问题是：训练生成的统计模型在特征描述空间中往往覆盖一个较大的范围，一旦当目标物的特征值处于该区间范围，也将被判定为背景而无法被正确检出，从而造成了背景模型对目标的出现不够敏感，导致检测到的运动目标物不完整。特别是当目标物相对于背景尺寸微小时，极易导致运动目标的漏检。鉴于上述问题，一种称为空间相关的背景统计建模技术被引入背景模型的训练过程，通过利用空间中像素特征值变化的关联性信息。具体的，当进行背景建模时，不是对孤立像素的特征值建立统计模型，而是在图像空间中寻找特征值变化有相关性的像素，对像素之间的特征值变化规律建立统计模型。这种统计建模方式摆脱了对每个像素大样本训练的依赖，而是借助空间像素之间的相对变化来检测运动目标，使背景模型能够在一定程度上自动地适应背景的波动，进而使目标检测更为精确。目前，空间相关的背景建模过程首先假设空间相邻像素间具有更强的相关性，然后在固定的邻域区块内估算像素间的相关程度并据此建立背景模型，因而限制了强相关性像素的选取范围。现在存在的极少的基于任意空间位置的相关性像素筛选机制能自动挑选任意位置的强相关性像素，但往往只关注于像素间长期的统计平均量，并将其作为相关性的评价准则，而不考虑像素间的瞬时同步性，从而不能很大的提高空间相关的背景建模机制的效能。
技术实现思路
【专利技术目的】本专利技术是针对现有的空间相关的背景建模机制中限定像素选取范围或者只考虑片面因素的问题，提供一种同步性像素的筛选方法，从而能够在选择相关性像素时同时兼顾背景建模装置当前已经掌握的信息和对整个图像的代表性，显著提高空间相关的背景建模机制的效能。【技术方案】为实现上述目的，本专利技术所述的一种视频中同步变化像素点的筛选方法，主要包括以下一系列步骤：对于每个像素，一、获得在所有T帧的特征值；二、计算空间中每个其他像素与该像素的特征值的时域线性相关性；三、按照相关性从大到小排序；四、选出相关性最大的N个像素并记录其空间位置；五、返回，计算下一个像素，直到遍历所有像素后结束。提供给背景建模训练使用的视频序列由B＝{I1，I2，...，IT}构成，其中I代表图像帧，每个图像帧包含M＝U×V个像素，其中U和V分别表示每行和每列的像素数。同步变化像素点的筛选方法，包括以下一系列步骤：(1)对每个像素点，获得所有M个像素点在所有T帧的特征值Γ；(2)求与其他M-1个像素点的特征值时间序列的线性相关性；(3)对步骤2计算出来的相关性按从大到小的顺序排序；(4)选出相关性最大的N个像素并记录其空间位置。(5)遍历所有像素后，结束。本专利技术的主要基于以下的思想：视频序列作为非结构化的数据，像素点间的相关性存在一定随机性。如果假设空间相邻像素间具有更强的相关性，然后在有限的邻域区块内建立背景模型，这样得到的相关性像素不一定是最具代表性的像素。同时，有限邻域的规定也限制了强相关性像素的选取范围。另一方面，在图像空间中，绝大多数像素间的相关性是微弱的，不足以用其构建空间相关背景模型。对所有像素的特征值时间序列的线性相关性的计算和排序能很好的解决这个问题。【有益效果】本专利技术与现有技术对比，其有益效果为：本专利技术利用像素的特征值时间序列的线性相关性的计算和排序的思想，在背景模型建立的过程中解除了对相关像素配对筛选过程中对空间位置关系的假设，从而显著提高相关像素筛选的有效性，从而提高背景建模的精度，进而提高运动目标物检测的精度。附图说明图1是运动目标检测装置工作流程图图2是本专利技术机制的流程图具体实施方式下面对最佳实施例进行详细说明，但是本专利技术的保护范围不局限于所述实施例。提供给背景建模训练使用的视频序列由B＝{I1，I2，...，IT}构成，其中I代表图像帧，每个图像帧包含M＝U×V个像素，其中U和V分别表示每行和每列的像素数。获得所有M个像素点在所有T帧的特征值Γ，特征值通常指像素灰度、颜色的某一通道、或更高级的特征(如纹理)。对于每个像素，计算空间中每个其他像素与该像素的特征值的时间序列线性相关性，线性相关性的计算利用统计学中常用的随机变量的相关系数计算获得。对所有获得的M-1个相关系数进行从大到小排序计算，排序方法利用程序设计常用的快速排序法完成。选取前N个具有最大的相关系数的像素，作为该像素的相关像素，并记录其空间位置。返回，计算下一个像素，直到遍历所有像素后结束。对每个像素进行背景统计建模。具体地，将每个像素和其N个相关像素的差值进行统计建模，选用的统计模型可以为单高斯模型，其需要计算的参数是高斯函数的均值和方差。对每个像素，需建立N个独立的单高斯统计模型，对整个图像中M个像素，需要建立M×N个独立的单高斯统计模型。在运动目标检测阶段，将待检测视频帧中的每一个像素的特征值与该背景模型进行比对。如果该像素的特征值超出第n个高斯模型方差对应的变化范围，则认为该像素的相关性被破坏。如果所有N个高斯模型出现超过半数的特征值与其对应的高斯模型不匹配，则可判断为有运动目标物出现，进而对该像素进行运动目标标记。重复上述过程，直到完成对当前视频帧中每个像素的检测为止。本文档来自技高网...

【技术保护点】
1.一种视频中同步变化像素的筛选方法，其特征是提供给背景建模训练使用的视频序列由B＝{I1，I2，...，IT}构成，其中I代表图像帧，每个图像帧包含M＝U×V个像素，其中U和V分别表示每行和每列的像素数。同步变化像素点的筛选方法，包括以下一系列步骤：(1)对每个像素点，获得所有M个像素点在所有T帧的特征值Γ；(2)求与其他M‑1个像素点的特征值时间序列的线性相关性；(3)对步骤2计算出来的相关性按从大到小的顺序排序；(4)选出相关性最大的N个像素并记录其空间位置。(5)遍历所有像素后，结束。

【技术特征摘要】
1.一种视频中同步变化像素的筛选方法，其特征是提供给背景建模训练使用的视频序列由B＝{I1，I2，...，IT}构成，其中I代表图像帧，每个图像帧包含M＝U×V个像素，其中U和V分别表示每行和每列的像素数。同步变化像素点的筛选方法，包括以下一系列步...

【专利技术属性】
技术研发人员：梁栋，张立言，孙涵，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32