CN101465955A - 背景更新方法和装置 - Google Patents

Abstract

本发明公开了背景更新方法和装置。方法包括：接收视频序列图像，对于该帧图像中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，并计算该像素点的像素值概率密度；根据所述差值和概率密度更新当前背景帧。本发明提高了所获得的背景帧的可靠性。

Description

背景更新方法和装置

技术领域

本发明涉及视频监控技术领域，具体涉及应用在视频监控系统的运动检测过程中的背景更新方法和装置。

背景技术

目前，视频监控系统得到了广泛应用。智能视频监控和检索针对对象多是静止摄像头拍摄的视频，分析对象主要是视频中与背景有区别的运动物体。因此，运动物体的检测与跟踪方法是智能视频监控与检索系统中最基本和核心的技术。

在运动检测中，首先要检测出图像中的运动点。目前，通常采用第一帧图像作为背景帧，此后输入的每帧图像与该背景帧相减来得到运动点。这种方法的缺点是：第一帧图像中通常存在运动物体，这就会影响后续运动检测的精度。例如：若第一帧图像中存在运动物体x，其所在区域为Ax，在第二帧图像中运动物体x移动到了区域Bx，设Ax与Bx不重合，将第二帧图像与背景帧相减后，第二帧图像中的区域Ax会被认为是前景区域，而实际上Ax为背景区域，这就产生了检测错误。

发明内容

本发明提供背景更新方法和装置，以提高背景图像的可靠性。

本发明的技术方案是这样实现的：

一种背景更新方法，包括：

接收视频序列图像，对于该帧图像中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，并计算该像素点的像素值概率密度；

根据所述差值和概率密度更新当前背景帧。

所述计算该像素点的像素值概率密度为：

计算 $P_k\left(j\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(I_k\left(j\right)-I_{k-i}\left(j\right))}^2}{2{\mathrm{\σ}}^2}}$

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，P_k(j)为第k帧视频序列图像中第j个像素点的像素值的概率密度，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，I_k-i(j)为第k-i帧视频序列图像中第j个像素点的像素值，N为预设正整数。

所述更新当前背景帧包括：

判断所述差值大于预设第一阈值和所述概率密度小于预设第二阈值是否同时成立，若是，不更新当前背景帧中该像素点的像素值，否则，根据视频序列图像中的该像素点和当前背景帧中的该像素点的像素值更新当前背景帧中的该像素点的像素值

所述更新当前背景帧中的该像素点的像素值为：

计算B_k(j)＝(1-α)B_k-1(j)+αI_k(j)

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，B_k-1(j)为当前背景帧中第j个像素点的像素值，B_k(j)为更新后的背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，α为预设常数。

所述背景帧包括短期背景帧和长期背景帧，

所述计算该像素点的像素值与当前背景帧中该像素点的像素值的差值为：

计算该像素点的像素值与当前短期背景帧中该像素点的像素值的第一差值，计算该像素点的像素值与当前长期背景帧中该像素点的像素值的第二差值；

根据所述差值和概率密度更新当前背景帧为：根据所述第一差值、第二差值和概率密度更新当前背景帧。

所述更新当前背景帧包括：

判断所述第一差值大于预设第一阈值、所述第二差值大于预设第三阈值和所述概率密度小于预设第二阈值是否同时成立，若是，不更新当前短期和长期背景帧中该像素点的像素值，否则，根据视频序列图像中的该像素点和当前短期背景帧中的该像素点的像素值更新当前短期背景帧中的该像素点的像素值，根据视频序列图像中的该像素点和当前长期背景帧中的该像素点的像素值更新当前长期背景帧中的该像素点的像素值。

所述更新当前短期背景帧中的该像素点的像素值为：

计算Bs_k(j)＝(1-α_s)Bs_(k-1)(j)+α_sI_k(j)；

所述更新当前长期背景帧中的该像素点的像素值为：

计算Bl_k(j)＝(1-α_l)Bl_(k-1)(j)+α_lI_k(j)；

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，Bs_(k-1)(j)为当前短期背景帧中第j个像素点的像素值，Bs_k(j)为更新后的短期背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，Bl_k-1(j)为当前长期背景帧中第j个像素点的像素值，Bl_k(j)为更新后的长期背景帧中第j个像素点的像素值，α_s、α_l为预设常数，且α_s>α_l。

预先设置一个背景更新持续帧长，

所述根据所述差值和概率密度更新当前背景帧之后进一步包括：发现当前视频序列图像帧的背景更新完成，判断当前视频序列图像的帧序号加1所得值是否小于所述背景更新持续帧长，若是，停止更新背景帧；否则，继续更新背景帧。

一种背景更新装置，包括：

差值计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，将该差值发送给背景更新模块；

概率密度计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值概率密度，将该概率密度发送给背景更新模块；

背景更新模块，根据接收到的差值和概率密度更新当前背景帧。

所述差值计算模块包括：短期差值计算模块和长期差值计算模块，其中：

短期差值计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前短期背景帧中该像素点的像素值的第一差值，将该第一差值发送给背景更新模块；

长期差值更新模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前长期背景帧中该像素点的像素值的第二差值，将该第二差值发送给背景更新模块。

背景更新模块包括：背景更新判决模块、短期背景更新模块和长期背景更新模块，其中：

背景更新判决模块，根据短期差值计算模块发来的第一差值、长期差值更新模块发来的第二差值和概率密度计算模块发来的概率密度，确定是否需要进行背景更新，若需要，分别向短期背景更新模块和长期背景更新模块发送更新指示；

短期背景更新模块，接收更新指示，根据当前帧视频序列图像更新当前短期背景帧；

长期背景更新模块，接收更新指示，根据当前帧视频序列图像更新当前长期背景帧。

与现有技术相比，本发明在更新背景帧时，不仅考虑视频序列图像与背景帧的像素值之差，且考虑了像素点的像素值概率密度，从而提高了背景帧的可靠性。

附图说明

图1为本发明实施例一提供的在视频监控系统的运动检测过程中更新背景图像的流程图；

图2为本发明实施例二提供的在视频监控系统的运动检测过程中更新背景图像的流程图；

图3为本发明实施例一提供的背景更新装置的组成图；

图4为本发明实施例二提供的背景更新装置的组成图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

图1为本发明实施例一提供的在视频监控系统的运动检测过程中更新背景图像的流程图，如图1所示，其具体步骤如下：

步骤101：预先设置背景更新持续帧长K。

K为正整数，通常100≤K≤500。

步骤102：将视频序列中的第一帧图像作为初始背景帧B₁。

对于视频序列中的第k(k≥2)帧图像I_k中的每个像素点j(j为正整数且1≤j≤J，J为每帧图像中的像素总数)，分别进行如下步骤：

步骤103：计算d_k(j)＝I_k(j)-B_k-1(j)。

其中，d_k(j)为第k帧视频序列图像中第j个像素点与当前背景帧B_k-1中第j个像素点的像素值之差，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，B_k-1(j)为当前背景帧中第j个像素点的像素值。

d_k(j)的值越小，则表示第k帧视频序列图像中的像素点j越有可能为背景点；d_k(j)的值越大，则表示第k帧视频序列图像中的像素点j越有可能为前景点。

步骤104：计算

$P_k\left(j\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{{(I_k\left(j\right)-I_{k-i}\left(j\right))}^2}{2{\mathrm{\σ}}^2}}$

其中，P_k(j)为第k帧视频序列图像中第j个像素点的像素值的概率密度，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，I_k-i(j)为第k-i帧视频序列图像中第j个像素点的像素值，N为预设正整数，通常8≤N≤32，σ为预设常数，通常16≤σ≤128。

P_k(j)的值越大，说明第k帧视频序列图像中第j个像素点的像素值与前N-1帧视频序列图像中第j个像素点的像素值差异越小，即表示像素点j在连续N帧中的像素值变化越小，则像素点j越有可能为一个静止点；P_k(j)的值越小，则表示像素点j在连续N帧中的像素值变化越大，则像素点j越有可能为一个运动点。

步骤105：判断d_k(j)>d₀和P_k(j)<P₀是否同时成立，若是，执行步骤107；否则，执行步骤106。

其中，d₀、P₀可根据经验设定。

步骤106：根据第k帧视频序列图像中的像素点j的像素值更新当前背景帧中的像素点j的像素值。

可通过以下公式更新当前背景帧B_k-1中的像素点j：

B_k(j)＝(1-α)B_k-1(j)+αI_k(j)

其中，B_k-1(j)为当前背景帧中第j个像素点的像素值，B_k(j)为更新后的背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，α为预设常数，通常0.001≤α≤0.5。

步骤107：判断j<J是否成立，若是，执行步骤108；否则，执行步骤109。

步骤108：令j＝j+1，返回步骤103。

步骤109：确定对第k帧视频序列图像的背景更新完成，判断k+1<K是否成立，若是，执行步骤110；否则，执行步骤111。

步骤110：令k＝k+1，j＝1，返回步骤103。

步骤111：确定整个背景更新过程结束，以背景帧B_k作为最终背景帧。

从上述实施例可以看出，对于视频序列图像中的每个像素点，只有在该像素点的像素值与背景帧中该像素点的像素值之差大于预设第一阈值，且该像素点的像素值在最近连续N帧中的概率密度小于预设第二阈值时，才确认背景帧中的该像素点不需要进行背景更新，否则，确认该像素点需要进行背景更新，即：只有一个像素点即为前景点又为运动点时，才不需要进行背景更新，这样就提高了背景更新的可靠性。

图2为本发明实施例二提供的在视频监控系统的运动检测过程中更新背景图像的流程图，如图2所示，其具体步骤如下：

步骤201：预先设置背景更新持续帧长K。

K为正整数，通常100≤K≤500。

步骤202：将视频序列中的第一帧图像作为初始短期背景帧B_S1和初始长期背景帧B_L1。

对视频序列中的第k(k≥N，N为预设正整数且N<K)帧图像中的每个像素点j(j为正整数且1≤j≤J，J为每帧图像中的像素总数)，分别进行如下步骤：

步骤203：计算ds_k(j)＝I_k(j)-Bs_(k-1)(j)和dl_k(j)＝I_k(j)-Bl_k-1(j)。

其中，ds_k(j)为第k帧视频序列图像中第j个像素点与当前短期背景帧Bs_(k-1)中第j个像素点的像素值之差，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，Bs_(k-1)(j)为当前短期背景帧中第j个像素点的像素值；dl_k(j)为第k帧视频序列图像中第j个像素点与当前长期背景帧Bl_k-1中第j个像素点的像素值之差，Bl_k-1(j)为当前长期背景帧中第j个像素点的像素值。

ds_k(j)和dl_k(j)的值越小，则表示第k帧视频序列图像中的像素点j越有可能为背景点；ds_k(j)和dl_k(j)的值越大，则表示第k帧视频序列图像中的像素点j越有可能为前景点。

步骤204：计算

$P_k\left(j\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{(I_k\left(j\right)-I_{k-i}\left(j\right))}^2}{2{\mathrm{\&sigma;}}^2}}$

其中，P_k(j)为第k帧视频序列图像中第j个像素点的像素值的概率密度，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，I_k-i(j)为第k-i帧视频序列图像中第j个像素点的像素值，N为预设正整数，通常8≤N≤32，σ为预设常数，通常16≤σ≤128。

P_k(j)的值越大，说明第k帧视频序列图像中第j个像素点的像素值与前N-1帧视频序列图像中第j个像素点的像素值差异越小，即表示像素点j在连续N帧中的像素值变化越小，则像素点j越有可能为一个静止点；P_k(j)的值越小，则表示像素点j在连续N帧中的像素值变化越大，则像素点j越有可能为一个运动点。

步骤205：判断ds_k(j)>d_S0、dl_k(j)>d_L0和P_k(j)<P₀是否同时成立，若是，执行步骤207；否则，执行步骤206。

其中，d_S0、d_L0、P₀可根据经验设定。

步骤206：根据第k帧视频序列图像中的像素点j的像素值更新当前短期和长期背景帧中的像素点j的像素值。

可通过以下公式更新当前短期背景帧Bs_(k-1)中的像素点j的像素值：

Bs_k(j)＝(1-α_s)Bs_(k-1)(j)+α_sI_k(j)

其中，Bs_(k-1)(j)为当前短期背景帧中第j个像素点的像素值，Bs_k(j)为更新后的短期背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，α_s为预设常数，通常0.1≤α_s≤0.5。

可通过以下公式更新当前长期背景帧Bl_k-1中的像素点j的像素值：

Bl_k(j)＝(1-α_l)Bl_k-1(j)+α_lI_k(j)

其中，Bl_k-1(j)为当前长期背景帧中第j个像素点的像素值，Bl_k(j)为更新后的长期背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，α_l为预设常数，通常0.001≤α_l≤0.1。

可见，更新短期背景帧和长期背景帧的公式相同，区别只在于α的取值不同，更新短期背景帧时，α＝α_s，其取值较大，更新长期背景帧时，α＝α_l，其取值较小。

步骤207：判断j<J是否成立，若是，执行步骤208；否则，执行步骤209。

步骤208：令j＝j+1，返回步骤203。

步骤209：确定对第k帧视频序列图像的背景更新完成，判断k+1<K是否成立，若是，执行步骤210；否则，执行步骤211。

步骤210：令k＝k+1，j＝1，返回步骤203。

步骤211：确定整个背景更新过程结束，以Bs_k、Bl_k分别作为最终的短期、长期背景帧。

图3为本发明实施例提供的背景更新装置的组成图，如图3所示，其主要包括：视频序列接收模块31、差值计算模块32、概率密度计算模块33和背景更新模块34，其中：

视频序列接收模块31：接收视频序列，将视频序列中的第一帧图像发送给背景更新模块34，将视频序列中的第二帧及以后的图像发送给差值计算模块32、概率密度计算模块33和背景更新模块34。

差值计算模块32：接收视频序列接收模块31发来的视频序列图像帧，从背景更新模块34获取当前背景帧，对视频序列接收模块31发来的图像帧中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，将该差值发送给背景更新模块34。

概率密度计算模块33：对视频序列接收模块31发来的图像帧中的每个像素点，计算该像素点的像素值概率密度，将该概率密度发送给背景更新模块34。

背景更新模块34：接收视频序列接收模块31发来的第一帧视频序列图像，将该帧图像作为初始背景帧；根据差值计算模块32发来的差值、概率密度计算模块33发来的概率密度以及视频序列接收模块31发来的当前帧视频序列图像更新当前背景帧。

在实际应用中，如图4所示，差值计算模块32可包括：短期差值计算模块321和长期差值计算模块322，其中：

短期差值计算模块321：接收视频序列接收模块31发来的视频序列图像帧，从背景更新模块34获取当前短期背景帧，对视频序列接收模块31发来的图像帧中的每个像素点，计算该像素点的像素值I_k(j)与当前短期背景帧中该像素点的像素值Bs_(k-1)(j)的第一差值ds_k(j)，将该第一差值ds_k(j)发送给背景更新模块34。

长期差值更新模块322：接收视频序列接收模块31发来的视频序列图像帧，从背景更新模块34获取当前长期背景帧，对视频序列接收模块31发来的图像帧中的每个像素点，计算该像素点的像素值I_k(j)与当前长期背景帧中该像素点的像素值Bl_k-1(j)的第二差值dl_k(j)，将该第二差值dl_k(j)发送给背景更新模块34。

同时，背景更新模块34可包括：背景更新判决模块341、短期背景更新模块342和长期背景更新模块343，其中：

背景更新判决模块341：判断短期差值计算模块321发来的第一差值ds_k(j)大于预设第一阈值d_S0、长期差值更新模块322发来的第二差值dl_k(j)大于预设第三阈值d_L0和概率密度计算模块33发来的概率密度P_k(j)小于预设第二阈值P₀是否同时成立，若不成立，分别向短期背景更新模块342和长期背景更新模块343发送更新指示。

短期背景更新模块342：接收视频序列接收模块31发来的第一帧视频序列图像，将该帧图像作为初始短期背景帧；接收视频序列接收模块31发来的第二帧及以后视频序列图像，接收背景更新判决模块341发来的更新指示，根据当前视频序列图像帧中的当前像素点的像素值I_k(j)和当前短期背景帧中的当前像素点的像素值Bs_(k-1)(j)更新当前短期背景帧。

长期背景更新模块343：接收视频序列接收模块31发来的第一帧视频序列图像，将该帧图像作为初始长期背景帧；接收视频序列接收模块31发来的第二帧及以后视频序列图像，接收背景更新判决模块341发来的更新指示，根据当前视频序列图像帧中当前像素点的像素值I_k(j)和当前长期背景帧中当前像素点的像素值Bl_k-1(j)更新当前长期背景帧。

以上所述仅为本发明的过程及方法实施例，并不用以限制本发明，凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1、一种背景更新方法，其特征在于，该方法包括：

接收视频序列图像，对于该帧图像中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，并计算该像素点的像素值概率密度；

根据所述差值和概率密度更新当前背景帧。

2、如权利要求1或2所述的方法，其特征在于，所述计算该像素点的像素值概率密度为：

计算 $P_k\left(j\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\frac{1}{\sqrt{2\mathrm{\&pi;}}\mathrm{\&sigma;}}{e}^{-\frac{{(I_k\left(j\right)-I_{k-i}\left(j\right))}^2}{2{\mathrm{\&sigma;}}^2}}$

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，P_k(j)为第k帧视频序列图像中第j个像素点的像素值的概率密度，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，I_k-i(j)为第k-i帧视频序列图像中第j个像素点的像素值，N为预设正整数。

3、如权利要求1所述的方法，其特征在于，所述更新当前背景帧包括：

判断所述差值大于预设第一阈值和所述概率密度小于预设第二阈值是否同时成立，若是，不更新当前背景帧中该像素点的像素值，否则，根据视频序列图像中的该像素点和当前背景帧中的该像素点的像素值更新当前背景帧中的该像素点的像素值

4、如权利要求3所述的方法，其特征在于，所述更新当前背景帧中的该像素点的像素值为：

计算B_k(j)＝(1-α)B_k-1(j)+αI_k(j)

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，B_k-1(j)为当前背景帧中第j个像素点的像素值，B_k(j)为更新后的背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，α为预设常数。

5、如权利要求1或2所述的方法，其特征在于，所述背景帧包括短期背景帧和长期背景帧，

所述计算该像素点的像素值与当前背景帧中该像素点的像素值的差值为：

计算该像素点的像素值与当前短期背景帧中该像素点的像素值的第一差值，计算该像素点的像素值与当前长期背景帧中该像素点的像素值的第二差值；

根据所述差值和概率密度更新当前背景帧为：根据所述第一差值、第二差值和概率密度更新当前背景帧。

6、如权利要求5所述的方法，其特征在于，所述更新当前背景帧包括：

判断所述第一差值大于预设第一阈值、所述第二差值大于预设第三阈值和所述概率密度小于预设第二阈值是否同时成立，若是，不更新当前短期和长期背景帧中该像素点的像素值，否则，根据视频序列图像中的该像素点和当前短期背景帧中的该像素点的像素值更新当前短期背景帧中的该像素点的像素值，根据视频序列图像中的该像素点和当前长期背景帧中的该像素点的像素值更新当前长期背景帧中的该像素点的像素值。

7、如权利要求6所述的方法，其特征在于，所述更新当前短期背景帧中的该像素点的像素值为：

计算Bs_k(j)＝(1-α_s)Bs_(k-1)(j)+α_sI_k(j)；

所述更新当前长期背景帧中的该像素点的像素值为：

计算Bl_k(j)＝(1-α_l)Bl_(k-1)(j)+α_lI_k(j)；

其中，j为当前像素点在当前帧视频序列图像中的序号，k为当前接收图像在整个视频序列中的帧序号，Bs_(k-1)(j)为当前短期背景帧中第j个像素点的像素值，Bs_k(j)为更新后的短期背景帧中第j个像素点的像素值，I_k(j)为第k帧视频序列图像中第j个像素点的像素值，Bl_k-1(j)为当前长期背景帧中第j个像素点的像素值，Bl_k(j)为更新后的长期背景帧中第j个像素点的像素值，α_s、α_l为预设常数，且α_s>α_l。

8、如权利要求1所述的方法，其特征在于，预先设置一个背景更新持续帧长，

所述根据所述差值和概率密度更新当前背景帧之后进一步包括：发现当前视频序列图像帧的背景更新完成，判断当前视频序列图像的帧序号加1所得值是否小于所述背景更新持续帧长，若是，停止更新背景帧；否则，继续更新背景帧。

9、一种背景更新装置，其特征在于，该装置包括：

差值计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前背景帧中该像素点的像素值的差值，将该差值发送给背景更新模块；

概率密度计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值概率密度，将该概率密度发送给背景更新模块；

背景更新模块，根据接收到的差值和概率密度更新当前背景帧。

10、如权利要求9所述的装置，其特征在于，所述差值计算模块包括：短期差值计算模块和长期差值计算模块，其中：

短期差值计算模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前短期背景帧中该像素点的像素值的第一差值，将该第一差值发送给背景更新模块；

长期差值更新模块，对每帧视频序列图像中的每个像素点，计算该像素点的像素值与当前长期背景帧中该像素点的像素值的第二差值，将该第二差值发送给背景更新模块。

11、如权利要求10所述的装置，其特征在于，背景更新模块包括：背景更新判决模块、短期背景更新模块和长期背景更新模块，其中：

背景更新判决模块，根据短期差值计算模块发来的第一差值、长期差值更新模块发来的第二差值和概率密度计算模块发来的概率密度，确定是否需要进行背景更新，若需要，分别向短期背景更新模块和长期背景更新模块发送更新指示；

短期背景更新模块，接收更新指示，根据当前帧视频序列图像更新当前短期背景帧；

长期背景更新模块，接收更新指示，根据当前帧视频序列图像更新当前长期背景帧。

Images