CN105139372A - 一种用于前景检测的码本改进算法 - Google Patents

Abstract

本发明提出了一种在像素运动统计中用于确定像素类型的码本改进算法，优化了传统码本的需要图像M帧建立背景模型的不足，利用图像第一帧，以像素点领域内的信息作为码本的统计码元。不仅在建模阶段利用像素的时空域信息，在寻找匹配码元，进行背景更新时，也充分利用领域内的码本，并引入随机更新背景的概念，优越于传统的背景更新，与传统码本相比，本发明提出的用于前景检测的码本改进算法改善前景检测的正确率，并提高了建模阶段的效率。

Description

一种用于前景检测的码本改进算法

技术领域

本发明涉及图像智能检测、识别技术领域，尤其涉及一种建立前检测码本的方法。

背景技术

在计算机视觉系统中，运动目标检测占据着着举足轻重的地位，被广泛应用于视频监控、目标跟踪与图像检索等相关领域。目标检测中目前使用较多的是前景检测算法，其中码本(CB)算法是研究较多的算法之一，该方法主要利用每个像素随时间的变化建立时间序列统计模型，然后将当前的输入像素值与统计模型作对比，检测出前景。该算法实现如下：

(1)为当前图像帧的每个像素点建立码本(CB)模型，每个码本有n个码元：

如附图1所示，

其中：

V_i←(R_i,G_i,B_i)

${\mathrm{aux}}_i=(I_i^{\min },I_i^{\max },\max ,\min ,t\_\mathrm{last},\mathrm{stale})$

这里为学习上下界，max、min是当前像素的最大、最小值，t_last是前一次访问的时间，stale描述的是码元多久没被访问。

(2)前景分割，背景更新方法：

对输入的x_t(R,G,B)，遍历CB中的C_i，如果存在一个C_i中的并且颜色失真在一定的阈值内δ≤ε，则当前像素点归为背景点，更新背景，否则为前景。

||x_t||²＝R²+G²+B²

${\left|\right|I_i\left|\right|}^2=\stackrel{\‾}{R_i^2}+\stackrel{\‾}{G_i^2}+\stackrel{\‾}{B_i^2}$

${(x_t,I_i)}^2={(\stackrel{\‾}{R_i}\×R+\stackrel{\‾}{G_i}\×G+\stackrel{\‾}{B_i}\×B)}^2$

$p^2={\left|\right|x_t\left|\right|}^2{\cos }^2\mathrm{\θ}=\frac{{(x_t,I_i)}^2}{{\left|\right|x_t\left|\right|}^2}$

颜色失真为：

如果当前像素点为背景，匹配的码元C_m更新如下：

$v_m=(\frac{f_m\stackrel{\‾}{R_m}+R}{f_m+1},\frac{f_m\stackrel{\‾}{G_m}+G}{f_m+1},\frac{f_m\stackrel{\‾}{B_m}+B}{f_m+1})$

$I_{\min }\←\min (I_{x_i},I_{\min }),$

$I_{\max }\←\max (I_{x_i},I_{\max }),$

更新t_last＝t,

更新stale

(3)通常，会设置一时间阈值更新CB，同时对于较长时间没访问的陈旧码元，将其剔除。

传统的CB模型在分离前景时，采用的是全搜索算法，即在当前像素点的以往的统计数据内(多个CW)进行搜索，对该点的统计数据内的所有码元(CW)，都要计算一次匹配结果，从而确定当前像素点为背景或前景。这样做的优点是能够找到在限定范围内的最精确的分类效果，运动估计精度较高；但是需要消耗大量的内存，因为模型大小与像素密切相关，而且对停留长时间的物体会将其当成背景。

为了改善这些情况提出了多层码本、分块码本；以及结合其他前景检测算法如高斯—码本相结合的算法。分块码本算法是将图像帧整体分割为很多个n*n(如8*8)小块，对这些小块建立统计模型，分块模型能有效的降低运算量，但是却有可能降低前景检测的精度，引入噪声。多层码本模型是在原始的像素级码本模型上，结合分块码本模型，该算法则能提高前景检测的正确率，但没有改善运算量。

发明内容

为了解决现有技术中的问题，本发明提供了一种用于前景检测的码本改进算法，在传统码本模型的基础上提出一种时空域结合的码本模型。传统的码本模型通常是利用多帧视频序列建立统计模型的，本发明的模型则可以利用第一帧的图像信息建立背景统计模型，可以大大降低算法的运算量。不仅在建模阶段，在后续的码元匹配、背景更新阶段都充分利用领域内的像素信息，所以本发明的算法改善了传统码本算法的精度，可用于动态背景检测。

本发明通过如下技术方案实现：

一种用于前景检测的码本改进算法，包括以下步骤：

步骤一：建立码本并初始化

步骤二：遍历像素点，统计像素点的码本模型

步骤三：对新输入的像素点值，遍历码本中的码元，寻找匹配的码元。

步骤四：如果找到匹配的码元数目大于设置的阈值，则将该点判断为背景，否则为前景。

步骤五：如果该点判断为背景，随机跟新码元、码本。

步骤六：如果一个像素点多次(大于阈值)被判断为前景点，则将其归为背景，进而转向步骤五更新背景。

本发明相对于传统码本(CB)模型，主要优势在于：

(1)传统码本模型需要截取视频的前M帧，以该点的前M帧数据作为统计建立背景模型，该方法忽略了考虑像素间的空间相关性，而本算法则充分利用像素点的空间的相关性建立背景模型，只需要图像的第一帧就可以建立背景模型，且码元数目与选取的领域块的像素点有关，区别于传统的码元数目选取原则。

(2)在传统码本模型中，当前像素值分类为前景或者背景至只与该点以往的像素值的统计有关，而本算法除了考察以往的统计序列外，还与以当前为中心的N*N领域内的像素点的统计作比较。即除了在自己的码本中寻找匹配码元外，还在该点为中心的领域内包含的其他点的码本中寻找。

(3)传统模型的背景更新是利用当前像素对背景进行更新，且一定会发生更新，而本算法则是利用领域内的像素值信息随机的更新该领域类的像素点，存在更新该点统计模型的可能性，而且更新的也不一定是该点，是领域内的随机选取的一点。

附图说明

图1是确定当前像素值为中心建立背景统计模型的流程图；

图2是确定当前像素点为中心的统计计算的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

具体的实现当中，以领域值设为N*N像素块为例来进行阐述。

步骤一：建立码本并初始化，将码本设为零。

CB＝{C_i＝0,t＝0}；

C_i＝{V_i＝0,aux_i＝{0}}；(1≤i≤n)

步骤二：如附图1所示，遍历像素点，统计像素点的码本模型：统计以当前为中心的N*N领域内的像素数据，建立当前点的码本，码元数目与选取的领域块的像素点有关，区别于传统的码元数目。以N*N像素块为例，则该码本含有N*N个码元，包含与当前点相关的其他像素点的数据信息。

CB＝{C₁,C₂...C_N,t}；

C_i＝{V_i,aux_i}；(1≤i≤N)

步骤三：如附图2所示，对新输入的像素点值，遍历码本中的码元，寻找匹配的码元：不仅在该点的码元进行匹配寻找，还在当前领域内的其他点的码本中寻找匹配码元。区别于只考虑该点的统计CB集合。匹配的判定准则与上诉所描述的传统的判断准则一样，根据颜色失真与亮点值判断，这里不赘述。

步骤四：如果找到匹配的码元数目大于设置的阈值，则将该点判断为背景，否则为前景。如N*N例子中，如果有超过半数的码元跟当前点匹配，则将其归为背景。

步骤五：如果该点判断为背景，则随机的选取以该点为中心的N领域内的一个匹配码元，以当前点的像素信息更新被选取的码元；然后在随机选取一个码元，随机更新该领域内的一个码本。注意所选取的码元不一定来自于该点的码本，更新的也不一定是该点的码本，这是一个随机的过程。

步骤六：为了消除由于建模阶段的误差，将背景误检为前景，影响背景模型的精确，从而对后续的检测产生误差，提出：如果一个像素点多次(大于阈值)被判断为前景点，则将其归为背景，进而转向步骤五更新背景。因为本算法使用图像的第一帧建模，根据步骤五，更新时被判断为前景的像素点对背景模型不会产生影响。但是存在一个问题，如果在第一帧对一个像素点的统计是错误的，就会产生错误的检测。比如说，一个原本静止的背景物体，由于误差，被建模为运动前景，根据步骤五的更新策略，则该像素点则会一直被错误地检测为前景。为了消除这一误差，将前景点也考虑到背景模型的更新中。对判断为前景的像素点，另外进行统计，次数超过一定的阈值，将其归为背景。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于前景检测的码本改进算法，主要利用图像第一帧，在YUV颜色空间，以像素点为中心，涵盖其领域内的像素建立一定数目码元，集合成码本；进而将输入的图像与统计的背景模本进行对比判断，提取前景目标，其特征在于：所述算法具体实现步骤如下：

步骤一：建立码本并初始化，将码本设为零：

如附图1所示；

步骤二：遍历像素点，统计像素点的码本模型：统计以当前为中心的N领域内的像素数据，建立当前点的码本

CB＝{C₁,C₂...C_N,t}；

C_i＝{V_i,aux_i}；(1≤i≤N)；

步骤三：对新输入的像素点值，遍历码本中的码元，寻找匹配的码元：不仅在该点的码元进行匹配寻找，还在当前领域内的其他点的码本中寻找匹配码元；

步骤四：如果找到匹配的码元数目大于设置的阈值，则将该点判断为背景，否则为前景；

步骤五：如果该点判断为背景，则随机的选取以该点为中心的N*N领域内的一个匹配码元，以当前点的像素信息更新被选取的码元；然后在随机选取一个码元，随机更新该领域内的一个码本；

步骤六：如果一个像素点被判断为前景点的次数大于设置的阈值，则将其归为背景，进而转向步骤五更新背景。

2.根据权利要求1所述的码本改进算法，其特征在于：所述步骤二中的统计的像素数据选取的是图像的第一帧，而非一段时间的M帧。

3.根据权利要求1所述的码本改进算法，其特征在于：所述步骤二中的码本模型以N*N像素块为例，则该码本含有N*N个码元，每个码元描述的是该领域内的像素点的颜色、亮度。

4.根据权利要求1所述的码本改进算法，其特征在于：所述步骤三中的匹配衡量准则是根据颜色失真与亮度范围的进行判断。

5.根据权利要求1所述的码本改进算法，其特征在于：所述步骤五中的背景的更新，对选取出的背景点，其有可能会对背景集合产生影响，区别于传统的背景更新一定会对背景集合做改变，具体过程为：随机选取与当前点匹配的码元，该码元来源于领域内的随机的一个码本集合，以当前点的像素信息更新被选取的码元；然后在随机选取一个码元，以该码元随机去更新领域内的一个码本。