CN103618846A - 一种视频分析中抑制光线突然变化影响的背景去除方法 - Google Patents
一种视频分析中抑制光线突然变化影响的背景去除方法 Download PDFInfo
- Publication number
- CN103618846A CN103618846A CN201310594315.9A CN201310594315A CN103618846A CN 103618846 A CN103618846 A CN 103618846A CN 201310594315 A CN201310594315 A CN 201310594315A CN 103618846 A CN103618846 A CN 103618846A
- Authority
- CN
- China
- Prior art keywords
- background
- pixel
- gradient
- frame
- light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种视频分析中抑制光线突然变化影响的背景去除方法,它涉及一种背景去除方法。其步骤:(1)视频流输入的一帧先经过背景去除模块处理,得到该帧中所有的前景点以及更新历史背景Ib的信息;(2)计算该帧中每一个前景点(x,y)的MxN邻域的平均梯度,并且与阈值Tg比较。如果小于Tg则不必进行往后的步骤,直接将该点判断成为背景点;(3)选取对光线变化不敏感的“基于梯度的纹理相似度”作为判断某像素是否为前景的判据;(4)当计算得到的在像素点(x,y)的相似度S(x,y)>Ts时,像素(x,y)即判定为背景点。本发明在现有背景去除的基础上,增加后续处理,以便消除光线快速变化引起的虚警。
Description
技术领域
本发明涉及的是一种背景去除方法,具体涉及一种视频分析中抑制光线突然变化影响的背景去除方法。
背景技术
背景去除是智能视频分析中最重要的步骤之一。视频中大部分像素,都是长久不变的,背景去除可以将视频中不变的背景去除掉,留下发生变化的前景。混合高斯模型背景去除是目前最流行的背景去除方法。混合高斯模型使用K(基本为3到5个)个高斯模型来表征图像中各个像素点的特征,在新一帧图像获得后更新混合高斯模型,用当前图像中的每个像素点与混合高斯模型匹配,如果成功则判定该点为背景点, 否则为前景点。通观整个高斯模型,主要是有方差和均值两个参数决定,对均值和方差的学习,采取不同的学习机制,将直接影响到模型的稳定性、精确性和收敛性。
高斯模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。对图像背景建立高斯模型的原理及过程:图像灰度直方图反映的是图像中某个灰度值出现的频次,也可以以为是图像灰度概率密度的估计。
混合高斯模型背景去除方法的优点是可以自适应学习,不会受到早晚光线缓慢变化的影响。
但是,混合高斯模型背景去除方法的一个主要的缺点是:在光线快速变化的时候,比如多云天气太阳从云层钻出,由于背景学习来不及跟上快速的光线变化,导致出现大面积虚警。除了混合高斯模型背景去除方法以外,目前所有自学习背景的背景去除方法,都有这个问题。
目前所有自学习背景的背景去除算法能处理缓慢变化场景或周期性运动,对噪声有一定的抑制,但对快速光线变化、阴影、动态纹理缺乏处理能力。在现实场景尤其是在多云天气下,经常会出现快速的光线变化导致大量虚警的出现。
发明内容
针对现有技术上存在的不足,本发明目的是在于提供一种视频分析中抑制光线突然变化影响的背景去除方法,在现有背景去除的基础上,增加后续处理,以便消除光线快速变化引起的虚警。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种视频分析中抑制光线突然变化影响的背景去除方法,其步骤为:(1)视频流输入的一帧先经过背景去除模块处理,得到该帧中所有的前景点以及根据该帧更新后的历史背景Ib的信息;这里使用的背景去除模块可以是单高斯模型背景去除、混合高斯模型背景去除、或其他背景去除方法;
(2) 选取对光线变化不敏感的“基于梯度的纹理相似度”作为判断某像素是否为前景的判据;在像素点(x, y)的纹理相似度定义为,
(a)
其中,W(x,y)是以像素点(x,y)为中心的M x N像素邻域,g(u,v)和gb(u,v)分别为当前帧和历史背景帧在像素(u,v)位置的灰度梯度向量,可以由Sobel算子或其他计算梯度的方法计算;q是梯度向量g(u,v)和gb(u,v)的夹角;当S(x,y)=1时,说明在背景帧与当前帧之间没有纹理变化,只有整体亮度的变化,因此认为是由光线突变引起的虚警;由于噪声等因素的影响,可以设置一个阈值Ts,Ts取值在0到1之间,可以由经验确定;当S(x,y)>Ts时,像素(x,y)即判定为虚警;
接下来根据公式(a)计算S(x,y),其中需要使用像素点(x,y)的MxN邻域中的所有像素点的当前帧梯度数据g(u,v)以及更新后的背景帧在每一个像素点的梯度数据gb(u,v);
(3)当计算得到的在像素点(x,y)的相似度S(x,y)>Ts时,像素(x,y)即判定为背景点;如果相似度S(x,y)<Ts时,像素(x,y)则可以确认为前景点。阈值Ts的取值在0到1之间,可以由经验确定。
所述的所述步骤(2)中的计算“基于梯度的纹理相似度”之前,首先计算该帧中每一个前景点(x,y)的MxN邻域的平均梯度,并且与阈值Tg比较。如果小于Tg则不必进行往后的步骤,直接将该点判断成为背景点,不必再进行相似度S(x)的计算;如果平均梯度大于Tg则继续进行相似度S(x)的计算;Tg的值可以根据经验设定。
本发明的最终检测结果受M、 N、 Tg 、Ts影响较大,而且难以自适应确定阈值,需要经过大量测试确定在常用场景下的最佳阈值。上述参数定性的影响是:M、N越大,Tg越大, Ts越小,漏检(尤其对应小目标)越多。反之,对虚警的去除效果不好。
附图说明
下面结合附图和具体实施方式来详细说明本发明;
图1为本发明的方法流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参照图1,本具体实施方式采用以下技术方案:一种视频分析中抑制光线突然变化影响的背景去除方法,其步骤为:(1)视频流输入的一帧先经过背景去除模块处理,得到该帧中所有的前景点以及更新历史背景Ib的信息。这里使用的背景去除模块可以是单高斯模型背景去除、混合高斯模型背景去除、或其他背景去除方法;
(2)计算该帧中每一个前景点(x,y)的MxN邻域的平均梯度,并且与阈值Tg比较。如果小于Tg则不必进行往后的步骤,直接将该点判断成为背景点。如果平均梯度大于Tg则继续进行相似度S(x)的计算。之所以要现对平均梯度先做一个判断是因为,在梯度信息较少的区域(如图像中的平坦区域),由于噪声影响,梯度不能正确表征当前帧与背景帧之间的相似性。而且对当前帧而言,前景一般对应梯度较强区域,因此在计算S(x,y)之前,先进行一次筛选,将平均梯度小于Tg的像素点直接归类为背景像素点。Tg的值可以根据经验设定;
(3) 选取对光线变化不敏感的“基于梯度的纹理相似度”作为判断某像素是否为前景的判据。在像素点(x, y)的纹理相似度定义为,
其中,W(x,y)是以像素点(x,y)为中心的M x N像素邻域,g(u,v)和gb(u,v)分别为当前帧和历史背景帧在像素(u,v)位置的灰度梯度向量,可以由Sobel算子或其他计算梯度的方法计算。q是梯度向量g(u,v)和gb(u,v)的夹角。当S(x,y)=1时,说明在背景帧与当前帧之间没有纹理变化,只有整体亮度的变化,因此认为是由光线突变引起的虚警。由于噪声等因素的影响,可以设置一个阈值Ts,Ts取值在0到1之间,可以由经验确定。当S(x,y)>Ts时,像素(x,y)即判定为虚警。
接下来根据公式(a)计算S(x,y),其中需要使用像素点(x,y)的MxN邻域中的所有像素点的当前帧梯度数据g(u,v)以及更新后的背景帧在每一个像素点的梯度数据gb(u,v)。
(4)当计算得到的在像素点(x,y)的相似度S(x,y)>Ts时,像素(x,y)即判定为背景点。如果相似度S(x,y)<Ts时,像素(x,y)则可以确认为前景点。阈值Ts的取值在0到1之间,可以由经验确定。
本具体实施方式的最终检测结果受M、 N、 Tg 、Ts影响较大,而且难以自适应确定阈值,需要经过大量测试确定在常用场景下的最佳阈值。上述参数定性的影响是:M、N越大,Tg越大, Ts越小,漏检(尤其对应小目标)越多。反之,对虚警的去除效果不好。
本具体实施方式在背景去除中可以大幅度抑制快速光线变化带来的虚警。
目前对白天和夜晚的视频分别寻找最佳阈值。经测试,白天的阈值选取为 M=N=9 、 Ts=0.4 、 Tg=80;夜晚的阈值选取为:M=N=15 、 Ts=0.4 、 Tg=80。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种视频分析中抑制光线突然变化影响的背景去除方法,其特征在于,其步骤为:(1)视频流输入的一帧先经过背景去除模块处理,得到该帧中所有的前景点以及根据该帧更新后的历史背景Ib的信息;这里使用的背景去除模块可以是单高斯模型背景去除、混合高斯模型背景去除、或其他背景去除方法;(2) 选取对光线变化不敏感的“基于梯度的纹理相似度”作为判断某像素是否为前景的判据;在像素点(x, y)的纹理相似度定义为,
其中,W(x,y)是以像素点(x,y)为中心的M x N像素邻域,g(u,v)和gb(u,v)分别为当前帧和历史背景帧在像素(u,v)位置的灰度梯度向量,可以由Sobel算子或其他计算梯度的方法计算;q是梯度向量g(u,v)和gb(u,v)的夹角;当S(x,y)=1时,说明在背景帧与当前帧之间没有纹理变化,只有整体亮度的变化,因此认为是由光线突变引起的虚警;由于噪声等因素的影响,可以设置一个阈值Ts,Ts取值在0到1之间,可以由经验确定;当S(x,y)>Ts时,像素(x,y)即判定为虚警;接下来根据公式(a)计算S(x,y),其中需要使用像素点(x,y)的MxN邻域中的所有像素点的当前帧梯度数据g(u,v)以及更新后的背景帧在每一个像素点的梯度数据gb(u,v);(3)当计算得到的在像素点(x,y)的相似度S(x,y)>Ts时,像素(x,y)即判定为背景点;如果相似度S(x,y)<Ts时,像素(x,y)则可以确认为前景点;阈值Ts的取值在0到1之间,可以由经验确定。
2.根据权利要求1所述的一种视频分析中抑制光线突然变化影响的背景去除方法,其特征在于,所述步骤(2)中的计算“基于梯度的纹理相似度”之前;首先计算该帧中每一个前景点(x,y)的MxN邻域的平均梯度,并且与阈值Tg比较,如果小于Tg则不必进行往后的步骤,直接将该点判断成为背景点,不必再进行相似度S(x)的计算;如果平均梯度大于Tg则继续进行相似度S(x)的计算;Tg的值可以根据经验设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310594315.9A CN103618846A (zh) | 2013-11-22 | 2013-11-22 | 一种视频分析中抑制光线突然变化影响的背景去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310594315.9A CN103618846A (zh) | 2013-11-22 | 2013-11-22 | 一种视频分析中抑制光线突然变化影响的背景去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103618846A true CN103618846A (zh) | 2014-03-05 |
Family
ID=50169549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310594315.9A Pending CN103618846A (zh) | 2013-11-22 | 2013-11-22 | 一种视频分析中抑制光线突然变化影响的背景去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103618846A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886617A (zh) * | 2014-03-07 | 2014-06-25 | 华为技术有限公司 | 一种运动目标检测的方法及装置 |
CN105830437A (zh) * | 2015-12-19 | 2016-08-03 | 张北江 | 一种监控系统中背景识别的方法及系统 |
CN106920244A (zh) * | 2017-01-13 | 2017-07-04 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN111614911A (zh) * | 2020-05-08 | 2020-09-01 | Oppo广东移动通信有限公司 | 图像生成方法和装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216943A (zh) * | 2008-01-16 | 2008-07-09 | 湖北莲花山计算机视觉和信息科学研究院 | 一种视频运动目标分割的方法 |
CN101539629A (zh) * | 2009-04-17 | 2009-09-23 | 南京师范大学 | 基于多特征证据融合与结构相似度的遥感图像变化检测方法 |
CN103530638A (zh) * | 2013-10-29 | 2014-01-22 | 无锡赛思汇智科技有限公司 | 多摄像头下的行人匹配方法 |
-
2013
- 2013-11-22 CN CN201310594315.9A patent/CN103618846A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216943A (zh) * | 2008-01-16 | 2008-07-09 | 湖北莲花山计算机视觉和信息科学研究院 | 一种视频运动目标分割的方法 |
CN101539629A (zh) * | 2009-04-17 | 2009-09-23 | 南京师范大学 | 基于多特征证据融合与结构相似度的遥感图像变化检测方法 |
CN103530638A (zh) * | 2013-10-29 | 2014-01-22 | 无锡赛思汇智科技有限公司 | 多摄像头下的行人匹配方法 |
Non-Patent Citations (1)
Title |
---|
原春峰,王传旭,张祥光,刘云: "光照突变环境下基于高斯混合模型和梯度信息的视频分割", 《中国图象图形学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886617A (zh) * | 2014-03-07 | 2014-06-25 | 华为技术有限公司 | 一种运动目标检测的方法及装置 |
CN105830437A (zh) * | 2015-12-19 | 2016-08-03 | 张北江 | 一种监控系统中背景识别的方法及系统 |
WO2017101124A1 (zh) * | 2015-12-19 | 2017-06-22 | 张北江 | 一种监控系统中背景识别的方法及系统 |
CN105830437B (zh) * | 2015-12-19 | 2019-08-09 | 新联智慧信息技术(深圳)有限公司 | 一种监控系统中背景识别的方法及系统 |
CN106920244A (zh) * | 2017-01-13 | 2017-07-04 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN106920244B (zh) * | 2017-01-13 | 2019-08-02 | 广州中医药大学 | 一种检测图像区域边缘附近背景点的方法 |
CN111614911A (zh) * | 2020-05-08 | 2020-09-01 | Oppo广东移动通信有限公司 | 图像生成方法和装置、电子设备及存储介质 |
CN111614911B (zh) * | 2020-05-08 | 2022-12-09 | Oppo广东移动通信有限公司 | 图像生成方法和装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929578B (zh) | 一种基于注意力机制的抗遮挡行人检测方法 | |
US8280165B2 (en) | System and method for segmenting foreground and background in a video | |
Huang et al. | An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems | |
CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
CN109147368A (zh) | 基于车道线的智能驾驶控制方法装置与电子设备 | |
CN103700114B (zh) | 一种基于可变高斯混合数的复杂背景建模方法 | |
CN108805016B (zh) | 一种头肩区域检测方法及装置 | |
US20220270266A1 (en) | Foreground image acquisition method, foreground image acquisition apparatus, and electronic device | |
CN101957997A (zh) | 一种动态场景中基于区域均值核密度估计的运动目标检测方法 | |
CN109478329B (zh) | 图像处理方法和装置 | |
CN101216942A (zh) | 一种自适应选取权重的增量式特征背景建模算法 | |
CN109472193A (zh) | 人脸检测方法及装置 | |
CN102542552B (zh) | 视频图像的顺逆光判断和拍摄时间检测方法 | |
WO2012149772A1 (zh) | 一种渐变动画的生成方法和装置 | |
CN102222214A (zh) | 快速物体识别算法 | |
CN111444854A (zh) | 异常事件检测方法、相关设备及可读存储介质 | |
US11107237B2 (en) | Image foreground detection apparatus and method and electronic device | |
CN109919073B (zh) | 一种具有光照鲁棒性的行人再识别方法 | |
CN103618846A (zh) | 一种视频分析中抑制光线突然变化影响的背景去除方法 | |
CN104700405A (zh) | 一种前景检测方法和系统 | |
CN110795975B (zh) | 人脸误检优化方法及装置 | |
CN113570540A (zh) | 一种基于检测-分割架构的图像篡改盲取证方法 | |
US20170103536A1 (en) | Counting apparatus and method for moving objects | |
CN105763814A (zh) | 夜景拍摄的方法及装置 | |
CN106604057A (zh) | 视频处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140305 |