CN106548488A - 一种基于背景模型及帧间差分的前景检测方法 - Google Patents

Abstract

该发明公开了一种基于背景模型及帧间差分的前景检测方法，属于图像处理，特别是前景检测领域。本发明针对光线变化时现有基于背景建模的前景检测方法易将背景检测为前景形成大片阴影或者大的“斑点”的缺陷，利用帧差法对于光线的不敏感性，提出了一种基于背景模型及帧间差分的前景检测方法，该方法的基本思路是利用背景建模对背景像素进行统计同时结合帧间差分判别形成实时的背景像素模型，主要包括背景初始化和背景模型更新。将帧间差分的多邻域像素判别方法融入背景模型的更新，解决现有背景建模方法对于光线的敏感问题。

Description

一种基于背景模型及帧间差分的前景检测方法

技术领域

本发明涉及图像处理，特别是前景检测领域。

背景技术

前景检测主要目的是将图像序列中变化区域或者运动目标从背景图像中提取出来。在智能视频处理中，对于监控视频的处理必须要将前景图像从背景中检测出来才能够对运动目标进行进一步的分析，因此前景检测是视频处理的一个关键技术，在视频内容分析、目标分类以及识别跟踪等方面有着重要应用。由于视频图像背景会随着光线、相机抖动等因素影响而发生变化，难以准确地将背景与前景分离开来，同时对于海量视频的处理，前景检测的快慢直接影响着视频处理速度，因此亟需一种快速准确的视频前景检测方法。

常见的前景检测主要有帧差法，背景减除法以及光流法。帧差法是利用两帧之间对应位置像素差来判断是否有图像序列之间是否有重复。操作比较简单，速度较快，但是容易形成双影和空洞，而且检测结果一般为目标轮廓。Horn和Schunck将二维速度场与灰度相联系，引入光流约束方程的算法，利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，但是计算相当复杂复杂，计算量大，速度较慢。专利CN101635852A提出了一种基于自适应背景建模的实时运动目标检测方法，该方法主要基于差分图像提取运动目标和非运动目标，而针对非运动目标区域实时更新，从而获得自适应更新的实时背景，然后再利用差分图像获得前景图像。但是一般基于高斯背景建模的背景差分方法受环境、光线、抖动等影响较大，且速度较慢。Van Droogenbroeck等人提出了ViBe背景建模方法，但是对于光线变化相对比较敏感，因此，在此基础上我们提出一种基于背景模型及帧间差分的前景检测方法。

发明内容

本发明针对光线变化时现有基于背景建模的前景检测方法易将背景检测为前景形成大片阴影或者大的“斑点”的缺陷，利用帧差法对于光线的不敏感性，提出了一种基于背景模型及帧间差分的前景检测方法，该方法的基本思路是利用背景建模对背景像素进行统计同时结合帧间差分判别形成实时的背景像素模型，主要包括背景初始化和背景模型更新。将帧间差分的多邻域像素判别方法融入背景模型的更新，解决现有背景建模方法对于光线的敏感问题。

为解决以上问题，本发明的技术方案如下：

一种基于背景模型及帧间差分的前景检测方法，包括以下步骤：

步骤1，对背景模型进行初始化：

读取视频的第一帧图像，对每个像素点建立一个样本点集M(x)＝{V₁,V₂,...V_N}作为初始化的背景模型，由于相邻像素点具有相似性质，在该初始化的背景模型中，V₁,V₂,...V_N为当前像素点邻域点的像素值，N为选取的样本点的个数；

步骤2，判断当前帧的背景与前景；

步骤2-1：通过帧间差分方法判断该帧图像的动态前景；

步骤2-2：计算当前帧动态前景以外的其他像素点的像素值f_n(x,y)与该点的对应步骤1获得的背景模型中的各样本点的距离，根据实际情况设定阈值半径R，统计比较结果，距离小于阈值半径的样本点数个为N_mat；

步骤2-3：根据实际情况设定匹配数阈值N_min，将N_mat与N_min比较，若N_mat大于N_min，则判断当前点为背景点；否则判断该点为待定前景点；

步骤2-4：在待定前景点中，统计该像素点及其邻域点中值为0的个数，分别表示为a、b，设定a和b所占的权重比为k:1，M＝ka+b，根据实际情况设置阈值T₂，若M大于阈值T₂，则判断该点为背景点，否则为前景点；

步骤3：将该帧图像中前景点区域进行形态学处理，获取前景点区域图像的轮廓图像；判断轮廓内像素值为255的个数N_unzero，若N_unzero在最小前景阈值T_min与T_max之间，则该轮廓为前景；若N_unzero小于T_min或者大于T_max，表明该轮廓为背景,T_min与T_max的值根据实际情况设定；

步骤4：采用步骤2获得背景点更新步骤1中的背景模型；

步骤5：在连续N_max帧判断同一点为前景点时，设置该点为背景点，再进行背景模型的更新。

本发明的核心是在于提出了新的背景模型更新规则并进行相关图像处理。主要针对现有前景检测方法对于光线变化的敏感性，利用帧差对于光线变化的不敏感性，在背景模型的更新中融合了帧差法，通过帧差对前景和背景进行进一步探讨，并结合像素邻域帧差的不同结果对背景模型进行不同概率的更新。本发明可以改善光线变化下的前景提取效果。

附图说明

图1为基于背景模型的前景检测流程；

图2为背景建模原理；

图3基于帧间差分的背景模型更新原理。

具体实施方案

为使本发明的具体步骤流程更加清晰，以下结合具体实施例，参照附图对本发明进行进一步详细说明。

下面结合附图对本发明作进一步说明：

如图1所示，基于背景模型及帧间差分的前景检测流程如图1所示。首先输入待处理视频，读取视频第一帧，对第一帧进行背景初始化；然后依次读取视频更新背景模型；最后进行形态学处理，先腐蚀再膨胀，去除小的噪声，再针对大的噪点，先提取前景外轮廓，统计每个轮廓内像素为255的数量，设定最大和最小阈值，保留数量在阈值范围内的轮廓内前景。

算法原理如图2所示，(C₁,C₂)表示二维欧几里德颜色空间，s_R(v(x))为以x为中心R为半径的区域。首先对第一帧进行初始化背景建模，每个像素点的背景模型中样本点为其领域点像素值，在步骤1中，一般样本点个数N为20。然后后面每一帧对背景模型进行更新，将每个待判定的像素点x的像素值v(x)与样本集中的像素点进行比较，即判该点是否在x处的背景样本集中，V₁,V₂,...V_N为当前像素点的背景样本集。以x为中心R(一般设为20)为半径的圆形区域中，如果距离差值M(x)[s_R(v(x))∩{V₁,V₂,...V_N}]大于一个给定的阈值T，那么就认为x点属于背景点。该点有1/rate的概率更新其背景样本集以及领域点的背景样本集，一般rate取16。若小于，进行图3所示的背景更新判定。

在基于背景模型及帧间差分的前景检测方法中，首先求出两帧的帧差二值图diff，然后统计该点以及其8领域点中像素为0的个数分别为a，b，其中a＝0或1，0≤b≤8。k一般取值为8。因此M＝8a+b(M≤rate)，若M大于一个阈值T₂(0<T₂<16)，则判断该点仍为背景点，像素值设为0。该点有M/16的概率去更新该点以及邻域点的像素背景样本集中的一个随机像素值；否则，判段为前景点，像素值设为255。同时，对像素点连续判断为前景点的次数进行统计，记为F(x,y)，F(x,y)大于最大累积次数N_max，一般设为50左右，则证明该点可能为鬼影，将该点重新判断为背景点，并参与其背景样本集及领域点样本集的更新。

如图3(a)所示，设阈值T₂＝8。在帧差二值图diff中，点v₁处的像素值为0，即a＝1，8领域中0像素值的个数为6，即b＝6，所以M＝14，M>T₂，判断该点为背景点，并且它有14/16的概率去更新当前帧图像中该点及其领域点的背景样本集。

如图3(b)中，v₂处的像素值为255，即a＝0，b＝5，则M＝5，M<T₂，判断该点为前景点。

Claims (1)

1.一种基于背景模型及帧间差分的前景检测方法，包括以下步骤：

步骤1，对背景模型进行初始化：

读取视频的第一帧图像，对每个像素点建立一个样本点集M(x)＝{V₁,V₂,...V_N}作为初始化的背景模型，由于相邻像素点具有相似性质，在该初始化的背景模型中，V₁,V₂,...V_N为当前像素点邻域点的像素值，N为选取的样本点的个数；

步骤2，判断当前帧的背景与前景；

步骤2-1：通过帧间差分方法判断该帧图像的动态前景；

步骤2-2：计算当前帧动态前景以外的其他像素点的像素值f_n(x,y)与该点的对应步骤1获得的背景模型中的各样本点的距离，根据实际情况设定阈值半径R，统计比较结果，距离小于阈值半径的样本点数个为N_mat；

步骤2-3：根据实际情况设定匹配数阈值N_min，将N_mat与N_min比较，若N_mat大于N_min，则判断当前点为背景点；否则判断该点为待定前景点；

步骤2-4：在待定前景点中，统计该像素点及其邻域点中值为0的个数，分别表示为a、b，设定a和b所占的权重比为k:1，M＝ka+b，根据实际情况设置阈值T₂，若M大于阈值T₂，则判断该点为背景点，否则为前景点；

步骤3：将该帧图像中前景点区域进行形态学处理，获取前景点区域图像的轮廓图像；判断轮廓内像素值为255的个数N_unzero，若N_unzero在最小前景阈值T_min与T_max之间，则该轮廓为前景；若N_unzero小于T_min或者大于T_max，表明该轮廓为背景,T_min与T_max的值根据实际情况设定；

步骤4：采用步骤2获得背景点更新步骤1中的背景模型；

步骤5：在连续N_max帧判断同一点为前景点时，设置该点为背景点，再进行背景模型的更新。