專利名稱：一種面向視頻監(jiān)控的基于塊的背景建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)視覺系統(tǒng)的背景建模領(lǐng)域，特別是涉及一種面向視頻監(jiān)控的基于塊的背景建模方法。

背景技術(shù)：
從視頻中萃取出運(yùn)動物體是很多計算機(jī)視覺系統(tǒng)中首要的一步。實現(xiàn)自動化萃取的一個普遍的方法是減背景(background subtraction)，該方法通過一個背景模型來比較每個新幀中運(yùn)動的像素，然后將這些像素分為不同的類型，即前景，背景。
最簡單的背景模型是將每個像素的亮度值看作一個簡單的高斯分布，然而，這種單一模式的模型無法對動態(tài)背景建模，如隨風(fēng)揮舞的樹枝，亮度變化和陰影消除。
Stauffer和Grimson使用混合的高斯模型來表示動態(tài)的背景，并使用參數(shù)估計技術(shù)來更新了該模型。
在處理快速變化的像素時，為了克服由于參數(shù)估計錯誤帶來的錯誤背景的問題，Elgammal，Harwood等人使用了一種非參數(shù)化的模型，該模型使用了一個核心的評估器，通過當(dāng)前像素最近的觀測值來確定該像素所屬的類別。
近年來，很多研究者提出了基于區(qū)域或幀的模型，這些模型將像素看作相互關(guān)聯(lián)的隨機(jī)變量，通過鄰域關(guān)系來估算概率。


發(fā)明內(nèi)容
本發(fā)明的目的是提供一種面向視頻監(jiān)控的基于塊的背景建模方法。
本發(fā)明采用的技術(shù)方案是 1)數(shù)據(jù)聲明及描述 (1)將寬度為W像素、高度為H像素的幀組成的視頻分割為正方形的塊x，y為幀內(nèi)行、列坐標(biāo)，m，n為幀內(nèi)塊的行、列坐標(biāo)，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息； (2)對每一個塊，定義一個顏色聚類數(shù)組cm，n，該數(shù)組包含L個顏色類別 Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標(biāo)； (3)對于每個像素Px，y，定義一個權(quán)值索引數(shù)組，每個數(shù)組由N個索引組成 Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標(biāo)； 2)模型處理過程 該模型的更新機(jī)制如下當(dāng)一個新的具有不同顏色分類的像素出現(xiàn)時， 步驟1從相應(yīng)塊的顏色聚類數(shù)組中查找像素顏色，如果命中，更新該顏色聚類，否則，創(chuàng)建一個新的顏色聚類； 步驟2從當(dāng)前像素的權(quán)值索引數(shù)組中查找像素顏色，如果命中，更新該索引，否則，創(chuàng)建一個新索引； 步驟3通過權(quán)重確定當(dāng)前像素類別。
本發(fā)明具有的有益效果是 同基于像素的模型相比，本發(fā)明是基于塊的模型，以4×4或8×8的塊為單位整體的處理像素。擁有相似顏色的不同像素被表示為同一個聚類。通常，由于鄰近像素之間的一致性，在一個獨(dú)立塊中聚類的平均個數(shù)是有限的。隨著獲取的樣本數(shù)增加，這種聚類的正確性也隨之增大(與小樣本容量相比)。由于動態(tài)背景中絕大部分像素的運(yùn)動只局限于小的區(qū)域，該模型也能更快的學(xué)習(xí)動態(tài)背景。結(jié)果表明，本發(fā)明基于塊的背景模型有效的達(dá)到了降低內(nèi)存消耗而不犧牲速度的目標(biāo)。在動態(tài)背景的的場景下，該模型檢測前景的速度甚至比經(jīng)典的背景模型MOG更快、更有效并且降低了誤報率。



附圖為模型更新過程圖。

具體實施例方式 1)數(shù)據(jù)聲明及描述 (1)將寬度為W像素、高度為H像素的幀組成的視頻{Pxy|x∈〔1.W〕.y∈〔1.H〕}分割為正方形的塊x，y為幀內(nèi)行、列坐標(biāo)，m，n為幀內(nèi)塊的行、列坐標(biāo)，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息； (2)對每一個塊，定義一個顏色聚類數(shù)組cm，n，該數(shù)組包含L個顏色類別 Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標(biāo)； (3)對于每個像素Px，y，定義一個權(quán)值索引數(shù)組，每個數(shù)組由N個索引組成Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標(biāo)； 2)模型處理過程 該模型的更新機(jī)制如附圖所示當(dāng)一個新的具有不同顏色分類的像素出現(xiàn)時； 步驟1從相應(yīng)塊的顏色聚類數(shù)組中查找像素顏色，如果命中，更新該顏色聚類，否則，創(chuàng)建一個新的顏色聚類； 步驟2從當(dāng)前像素的權(quán)值索引數(shù)組中查找像素顏色，如果命中，更新該索引，否則，創(chuàng)建一個新索引； 步驟3通過權(quán)重確定當(dāng)前像素類別。
所述步驟1的具體過程如下 (1)出現(xiàn)新的像素pt＝〔yt，ut，vt〕，pt∈Bm，n，其中yt，ut，vt分別為像素的亮度分量，色度分量，色度分量，t是時間下標(biāo)； (2)對于Cm，n里的每一個顏色類別(y，u，v，f，p)，其中，y為亮度分量Y的平均值，u為色差分量U的平均值，v為色度分量V的平均值，f為樣本頻率，p為該類別創(chuàng)建的時間；如果找到某個顏色聚類別滿足((ut，vt)，(u，v))≤ε1并且yt∈y×δ(1，ε2)，其中ε1為閥值，取值5～15，ε2也是閥值，取值5/255～15/255， 則更新內(nèi)容 f＝f+1 (3)如果符合條件的類不存在，創(chuàng)建新聚類 (y，u，v)＝(yt，ut，vt) f＝1 p＝t 所述步驟2的具體過程如下 (1)根據(jù)步驟一得到的該像素顏色在顏色聚類數(shù)組中的索引查找該像素的權(quán)值索引數(shù)組； (2)若命中，則根據(jù)參數(shù)α調(diào)整權(quán)重ww＝〔1-α〕×w+α×M，其中，w為該像素在所在類中的權(quán)重，當(dāng)被計算的像素值屬于該顏色聚類時，M值為1，否則，其值為0；α為學(xué)習(xí)參數(shù)，取值0.3～0.7； 所述步驟3的具體過程如下 (1)不同顏色的權(quán)重每幀都會調(diào)整，出現(xiàn)較少的顏色權(quán)重會迅速的降低，大多數(shù)頻繁出現(xiàn)的顏色權(quán)重變得很大，這些顏色的權(quán)重在所有顏色權(quán)重中占支配比例，該比例記為β，β取值為0.6～0.9； (2)對于一個權(quán)重索引為w的像素，如果權(quán)重大于w的聚類的權(quán)重之和占總權(quán)重的比例超過β，則該像素被認(rèn)為是背景；否則，是前景。
本發(fā)明同混合高斯模型(MOG)測試結(jié)果如下 使用標(biāo)準(zhǔn)的MPEG-4測試序列“Hall”和一個在真實道路監(jiān)控場景中抓取的視頻對算法做了測試。表1比較二者內(nèi)存使用，表2比較二者的處理速度。
表1.發(fā)明模型同混合高斯模型(MOG)的內(nèi)存使用比較
表2.發(fā)明模型同混合高斯模型(MOG)的速度比較
結(jié)果表明，本發(fā)明基于塊的背景模型有效的達(dá)到了降低內(nèi)存消耗而不犧牲速度的目標(biāo)。在動態(tài)背景的的場景下，該模型檢測前景的速度甚至比經(jīng)典的背景模型MOG更快、更有效并且降低了誤報率。
權(quán)利要求
1.一種面向視頻監(jiān)控的基于塊的背景建模方法，其特征在于
1)數(shù)據(jù)聲明及描述
(1)將寬度為W像素、高度為H像素的幀組成的視頻
分割為正方形的塊
x，y為幀內(nèi)行、列坐標(biāo)，m，n為幀內(nèi)塊的行、列坐標(biāo)，S為塊的寬度，S由視頻幀的尺寸決定，以有效的利用空間上的一致性信息；
(2)對每一個塊，定義一個顏色聚類數(shù)組cm，n，該數(shù)組包含L個顏色類別
Cm，n＝{c1，c2，...，cL}，m，n為塊的行、列坐標(biāo)；
(3)對于每個像素px，y，定義一個權(quán)值索引數(shù)組，每個數(shù)組由N個索引組成Ix，y＝{i1，i2，...，iN}，x，y為像素的行、列坐標(biāo)；
2)模型處理過程
該模型的更新機(jī)制如下當(dāng)一個新的具有不同顏色分類的像素出現(xiàn)時，
步驟1從相應(yīng)塊的顏色聚類數(shù)組中查找像素顏色，如果命中，更新該顏色聚類，否則，創(chuàng)建一個新的顏色聚類；
步驟2從當(dāng)前像素的權(quán)值索引數(shù)組中查找像素顏色，如果命中，更新該索引，否則，創(chuàng)建一個新索引；
步驟3通過權(quán)重確定當(dāng)前像素類別。
2.根據(jù)權(quán)利要求1所述的一種面向視頻監(jiān)控的基于塊的背景建模方法，其特征在于所述步驟1的具體過程如下
(1)出現(xiàn)新的像素pt＝(yt，ut，vt)，pt∈Bm，n，其中yt，ut，vt分別為像素的亮度分量，色度分量，色度分量，t是時間下標(biāo)；
(2)對于Cm，n里的每一個顏色類別(y，u，v，f，p)，其中，y為亮度分量Y的平均值，u為色差分量U的平均值，v為色度分量V的平均值，f為樣本頻率，p為該類別創(chuàng)建的時間；如果找到某個顏色聚類別滿足((ut，vt)，(u，v))≤ε1并且yt∈y×δ(1，ε2)，其中ε1為閥值，取值5～15，ε2也是閥值，取值5/255～15/255，則更新內(nèi)容
f＝f+1
(3)如果符合條件的類不存在，創(chuàng)建新聚類
(y，u，v)＝(yt，ut，vt)
f＝1
p＝t。
3.根據(jù)權(quán)利要求1所述的一種面向視頻監(jiān)控的基于塊的背景建模方法，其特征在于所述步驟2的具體過程如下
(1)根據(jù)步驟一得到的該像素顏色在顏色聚類數(shù)組中的索引查找該像素的權(quán)值索引數(shù)組；
(2)若命中，則根據(jù)參數(shù)α調(diào)整權(quán)重ww＝(1-α)×w+α×M，其中，w為該像素在所在類中的權(quán)重，當(dāng)被計算的像素值屬于該顏色聚類時，M值為1，否則，其值為0；α為學(xué)習(xí)參數(shù)，取值0.3～0.7。
4.根據(jù)權(quán)利要求1所述的一種面向視頻監(jiān)控的基于塊的背景建模方法，其特征在于所述步驟3的具體過程如下
(1)不同顏色的權(quán)重每幀都會調(diào)整，出現(xiàn)較少的顏色權(quán)重會迅速的降低，大多數(shù)頻繁出現(xiàn)的顏色權(quán)重變得很大，這些顏色的權(quán)重在所有顏色權(quán)重中占支配比例，該比例記為β，β取值為0.6～0.9；
(2)對于一個權(quán)重索引為w的像素，如果權(quán)重大于w的聚類的權(quán)重之和占總權(quán)重的比例超過β，則該像素被認(rèn)為是背景；否則，是前景。
全文摘要
本發(fā)明公開了一種面向視頻監(jiān)控的基于塊的背景建模方法。對于背景建模，過去很多方法由于沒有利用像素值在空間上的一致性，計算時需要耗費(fèi)大量內(nèi)存。針對這個問題，本發(fā)明提出了一種新穎的基于塊的背景建模方法，步驟1從相應(yīng)塊的顏色聚類數(shù)組中查找像素顏色，如果命中，更新該顏色聚類，否則，創(chuàng)建一個新的顏色聚類；步驟2從當(dāng)前像素的權(quán)值索引數(shù)組中查找像素顏色，如果命中，更新該索引，否則，創(chuàng)建一個新索引；步驟3通過權(quán)重確定當(dāng)前像素類別。同傳統(tǒng)的模型相比，該模型極大的減少了對一個像素建模需要的字節(jié)數(shù)，從而在保證計算速度的同時有效的降低了內(nèi)存消耗。
文檔編號G06T7/20GK101533515SQ20091009763
公開日2009年9月16日 申請日期2009年4月13日 優(yōu)先權(quán)日2009年4月13日
發(fā)明者純 陳, 鄧小宇, 卜佳俊, 智 楊, 呂承飛 申請人:浙江大學(xué)