CN102663746A - 一种基于视频的背景检测方法 - Google Patents

Abstract

本发明公开了一种基于视频的背景检测方法。该方法结合统计直方图和多帧平均法的基础上，对于简单的背景或者背景变化复杂的环境做出反应，对于简单的背景模型则用统计直方图的方法判断灰度出现最大值点为背景模型灰度值；对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景。借助多帧平均法求得的参考背景，认为距离参考背景最小的是最接近真实背景。并用实验验证了该方法，取得了较为理想的效果。对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计，具有广阔的应用前景。

Description

一种基于视频的背景检测方法

技术领域

本发明属于视频检测技术领域，具体涉及一种基于视频的背景检测方法。

背景技术

背景图像是指视道路上没有运行的车辆的图像，即使道路上有车辆运行，背景算法也通过技术处理除去车辆而获得没有车辆运行的背景图像。背景图像是交通视频检测系统的关键步骤，取得可信度较高的背景图像对系统的后续工作如目标检测、目标跟踪、事件检测等都有较大的影响。

传统的背景检测方法主要有多帧平均法、统计直方图法、统计中值法、分块法等。其中多帧平均法模型简单但运算量大，且不能区分前景、背景像素，受到车流量的影响较大；统计直方图法抗噪声干扰效果较好，但需要保存大量信息，提取背景速度慢，且对于图像远景，一些运动目标相连，运动目标相对于近景移动的较慢，目标显现的时间较长，会误把运动目标当成背景统计出来，得到的背景图像失真；统计中值法运算简单、易于实现，但有时会丢掉图像中的细线和小块目标区域。这些方法虽然能够实现背景检测，但由于其各自的局限性，得到的背景图像可靠性差，无法满足实际应用的要求。

发明内容

针对现有技术的缺陷或不足，本发明的目的在于，提供一种基于视频的背景检测方法，该方法可以对视频范围内的背景图像实现可靠的检测。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于视频的背景检测方法，其特征在于，具体按照下列步骤实施：

步骤一，求出视频中N帧图像，对单个像素点进行灰度直方图统计。

步骤二，对直方图进行平滑去噪，并找到该素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量的80％。若是，则认为统计直方图属于单峰值，即认为该直方图中频率出现最大值点的像素值即为该点的背景像素。反之则要判断直方图中多个极大值中对应是背景的可信度。

步骤三，当判断当前像素点直方图呈现多峰状时，找出直方图中的若干个极大值。

步骤四，统计该像素点的多帧平均值，将多个极大值和该平均值做比较。极大值与平均值最接近的我们认为是背景的可能性较大，故将差值最小的极大值点作为该点的背景像素；

步骤五，重复步骤二、步骤三、步骤四直到对所有像素进行处理，从而估计得到初始背景图像。

本发明的基于视频的背景检测方法，在结合统计直方图和多帧平均法的基础上，对于简单的背景或者背景变化复杂的环境做出反应，对于简单的背景模型则用统计直方图的方法判断灰度出现最大值点为背景模型灰度值；对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景。借助多帧平均法求得的参考背景，认为距离参考背景最小的是最接近真实背景的。并用实验验证了该方法，取得了较为理想的效果。对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计，具有广阔的应用前景。

附图说明

图1表示直方图单峰状态判断依据；

图2表示直方图多峰状态判断依据；

图3直方图多峰状态时置信度最高的极大值判断依据；

图4表示视频序列中第100帧图像；

图5(a)表示当N＝50时直方图统计法得到的背景图像，图5(b)当N＝50时改进算法得到的背景图像；

图6(a)表示当N＝100时直方图统计法得到的背景图像，图6(b)当N＝100时改进算法得到的背景图像；

图7(a)表示当N＝300时直方图统计法得到的背景图像，图7(b)当N＝300时改进算法法得到的背景图像；

以下结合附图和实施例对本发明作进一步的详细说明。

具体实施方式

本发明的基于视频的背景检测方法，过程中所处理的图像是视频中的沿正时间序列的N帧图像。

具体采用以下步骤实现：

1)求出视频中N帧图像，对单个像素点进行灰度直方图统计。

$P(x,y,k)=\left\{\begin{array}{cccc}P+1& \mathrm{if}& {\mathrm{image}}_i(x,y,m)=k& i=\mathrm{1,2},...,N\\ P& \mathrm{if}& {\mathrm{image}}_i(x,y,m)\≠k& \end{array}\right.$

式中：P(x，y，k)表示像素点(x，y)处亮度值k出现的次数，image(x，y，m)表示某一帧图像像素点(x，y)处亮度值为m。

2)对直方图进行平滑去噪，并找到该像素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量80％。若是，则认为统计直方图属于单峰值，即认为该直方图中频率出现最大值点的像素值即为该点的背景像素。公式表示为：

Background(x，y)＝max[P(x，y，k)]k＝1，2，…，255；

反之则要判断直方图中多个极大值中对应是背景的可信度。

3)当判断当前像素点直方图呈现多峰状时，找出直方图中的若干个极大值。首先在最大值的左右两边分别找到对应谷值点，再在左右谷值点的左右两侧找到相应的峰值点Ymax1，Ymax2，…，Ymaxn。

4)统计视频中该像素点帧数N的多帧平均值Yave，将多个极大值和该平均值做比较。公式表示为：

$\mathrm{Yave}(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{image}}_i(x,y)$

式中：Yave(x，y)表示背景图像，imagei(x，y)表示第i帧序列图像在象素点(x，y)的亮度值，N表示平均帧数。

极大值与平均值最接近的我们认为是背景的可能性较大，故将差值最小的极大值点作为该点的背景像素。用公式表示为：

在多个峰值Ymax1，Ymax2，…，Ymaxn中，计算：

dn＝|Ymaxn-Yave|

dmin＝(d1，d2，…，dn)

取dmin处的峰值点的灰度为背景灰度。用公式表示为：

Background(x，y)＝dmin[P(x，y，k)]k＝1，2，…，255。

5)重复步骤二、步骤三、步骤四直到对所有像素进行处理，从而估计得到初始背景图像。

以下是发明人给出的实施例。

实施例：

已知视频正播时，图4表示视频序列中第100帧图像，图5(a)表示当N＝50时直方图统计法得到的背景图像，图5(b)表示当N＝50时改进算法得到的背景图像，图6(a)表示当N＝100时直方图统计法得到的背景图像，图6(b)当N＝100时改进算法得到的背景图像，图7(a)表示当N＝300时直方图统计法得到的背景图像，图7(b)当N＝300时改进算法得到的背景图像。实施例中处理过程中视频的采样频率是25帧每秒，帧图像大小为1440*576，按照本发明的方法依次对第一帧至第三百帧图像进行处理。

从图1、2、3帧数相同时直方图统计法和改进算法得到的背景图像都可以看出，改进的背景提取算法对车流量较小(视频中近景)的交通状况有较理想的效果，并且对于车流量大(视频中远景)的交通状况同样有较理想的效果。结合多帧平均法的结果判断统计直方图灰度出现频率最大值点是否为可靠的背景灰度值是可行的。因此算法使用统计直方图的最大值左右一段很小的距离内判断是否占能量的80％是可行的，可判断最大值作为背景的可信度；同时对于复杂背景则需要判断多个峰值点中哪一个更接近真实的背景，借助多帧平均法求得的参考背景，认为距离参考背景最小的是最接近真实背景的也是可行的。

因此该算法效果较为理想，对于背景环境的简单和复杂度都能做出准确度较高的初始背景估计。

Claims (2)

1.一种基于视频的背景检测方法，其特征在于，该方法通过下列步骤实现：

步骤一，求出视频中N帧图像，对单个像素点进行灰度直方图统计；

步骤二，对直方图进行平滑去噪，并找到该像素点出现频率最大的像素值。再计算在最大值点左右一段ε范围内是否包含了全部统计能量的80％；若是，则认为统计直方图属于单峰值，即认为该直方图中频率出现最大值点的像素值即为该点的背景像素；反之则要判断直方图中多个极大值中对应是背景的可信度；

步骤三，当判断当前像素点直方图呈现多峰状时，找出直方图中的若干个极大值；

步骤四，统计该像素点的多帧平均值，将多个极大值和该平均值做比较，极大值与平均值最接近则认为是背景的可能性较大，故将差值最小的极大值点作为该点的背景像素；

步骤五，重复步骤二、步骤三、步骤四直到对所有像素进行处理，从而估计得到初始背景图像。

2.如权利要求1所述的方法，其特征在于：

步骤二中所述的ε取值范围为5～10。

Images