CN110298847A - 一种长时间背景收集的背景建模方法 - Google Patents

Abstract

本发明公开了一种长时间背景收集的背景建模方法，包括如下步骤：步骤1：提取视频序列第一帧作为初始化图像矩阵initMat，initMat大小为width×height，单位为像素；步骤2：根据initMat初始化背景模型；步骤3：依次读取视频序列中的帧frame，进行背景建模；步骤4：输出mask与bk矩阵，mask中值为255的像素点即为移动物体的像素点、0为背景像素点，bk矩阵为背景模型。本发明的优点是：本发明能够在视屏序列中，在视频序列开始便可分离视频中的前景和背景，长时间收集背景像素后，可达到背景建模的效果。

Description

一种长时间背景收集的背景建模方法

技术领域

本发明涉及视频序列自动检测技术领域，具体涉及一种长时间背景收集的背景建模方法。

背景技术

随着世界的发展，全球可用的摄像机数量急剧增加。这种增长导致数据的大量增加，这意味着视频数据无法存储或手动处理。

运动目标检测是计算机视觉领域的一个重要研究方向，是各种后续高级处理，如目标分类、行为理解等的基础，在安全监控、智能交通等领域都有着广泛的应用。而在计算机视觉以智能视屏监控等领域，背景建模是一项关键技术，是实现运动目标检测及跟踪的基础。因此，对于视屏背景建模的研究有着重要的意义。

背景建模是序列图像分析的基础性工作，是当今国内外学者研究的热点问题。建模的结果将对视频图像的运动检测、运动目标分类、跟踪及行为理解等后续处理产生重要影响。但是由于实际应用环境的不同和背景的多样性，难以建立良好的背景样本。所以，在实际应用中需要通过不同的算法来优化设计方案，才能得到较好的成果。

发明内容

为了将运动对象和静态或移动缓慢的场景部分区分开，本发明提供一种长时间背景收集的背景建模方法。

本发明的技术方案如下：

一种长时间背景收集的背景建模方法，其特征在于，包括如下步骤：

步骤1：提取视频序列第一帧作为初始化图像矩阵initMat，initMat大小为width×height，单位为像素；

步骤2：根据initMat初始化背景模型，具体步骤为：

步骤2.1：创建零矩阵bkC、一矩阵preBkV、零矩阵preBkC、零矩阵mask四个矩阵，四个矩阵的大小均为width×height；

步骤2.2：创建bk矩阵，bk大小为width×height，将initMat的值赋给bk；

步骤3：依次读取视频序列中的帧frame，进行背景建模，具体步骤如下：

步骤3.1：根据式(1)-(4)进行背景更新：

其中，r为行坐标，c为列坐标，R为阈值，bk_r,c表示矩阵bk第r行第c列的值，bkC_r,c表示矩阵bkC第r行第c列的值,preBkV_r,c表示矩阵preBkV第r行第c列的值,preBkC_r,c表示矩阵preBkC第r行第c列的值，u＝frame_r,c，frame_r,c表示图像frame第r行第c列的像素值；

步骤3.2：扫描frame的每个像素frame_r,c，若满足式(5)，则执行步骤3.1、设置mask_r,c＝0，同时再以1/M的概率执行步骤3.1，此时步骤3.1中的(r,c)取为(r₈,c₈)，它表示(r,c)的八邻域的其中一个随机像素点的坐标；若式(5)无法满足，则直接执行步骤3.1，同时设置mask_r,c＝255；其中，M为事先设置的概率系数，mask_r,c表示矩阵mask第r行第c列的值，D为阈值；

|frame_r,c-bk_r,c|＜D (5)；

步骤4：输出mask与bk矩阵，mask中值为255的像素点即为移动物体的像素点、0为背景像素点，bk矩阵为背景模型。

本发明的有益效果是：本发明能够在视屏序列中，在视频序列开始便可分离视频中的前景和背景，长时间收集背景像素后，可达到背景建模的效果，并能够将背景显示出来以供其他算法使用，此外本发明运行速度快、占用内存小，对移动物体反应迅速，且能像素级分割出移动物体。

具体实施方式

下面结合实施例来详细阐述本发明的具体实施方式。

长时间背景收集的背景建模方法，具体步骤如下：

步骤1：提取视频序列第一帧作为初始化图像矩阵initMat，initMat大小为width×height，单位为像素；

步骤2：根据initMat初始化背景模型，具体步骤为：

步骤2.1：创建零矩阵bkC、一矩阵preBkV、零矩阵preBkC、零矩阵mask四个矩阵，四个矩阵的大小均为width×height；

步骤2.2：创建bk矩阵，bk大小为width×height，将initMat的值赋给bk；

步骤3：依次读取视频序列中的帧frame，进行背景建模，具体步骤如下：

步骤3.1：根据式(1)-(4)进行背景更新：

其中，r为行坐标，c为列坐标，R为阈值，bk_r,c表示矩阵bk第r行第c列的值，bkC_r,c表示矩阵bkC第r行第c列的值,preBkV_r,c表示矩阵preBkV第r行第c列的值,preBkC_r,c表示矩阵preBkC第r行第c列的值，u＝frame_r,c，frame_r,c表示图像frame第r行第c列的像素值；

步骤3.2：扫描frame的每个像素frame_r,c，若满足式(5)，则执行步骤3.1、设置mask_r,c＝0，同时再以1/M的概率执行步骤3.1，此时步骤3.1中的(r,c)取为(r₈,c₈)，它表示(r,c)的八邻域的其中一个随机像素点的坐标；若式(5)无法满足，则直接执行步骤3.1，同时设置mask_r,c＝255；其中，M为事先设置的概率系数，mask_r,c表示矩阵mask第r行第c列的值，D为阈值，在本实例中，D＝20，M＝16；

|frame_r,c-bk_r,c|＜D (5)；

步骤4：输出mask与bk矩阵，mask中值为255的像素点即为移动物体的像素点、0为背景像素点，bk矩阵为背景模型。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种长时间背景收集的背景建模方法，其特征在于，包括如下步骤：

步骤1：提取视频序列第一帧作为初始化图像矩阵initMat，initMat大小为width×height，单位为像素；

步骤2：根据initMat初始化背景模型，具体步骤为：

步骤2.1：创建零矩阵bkC、一矩阵preBkV、零矩阵preBkC、零矩阵mask四个矩阵，四个矩阵的大小均为width×height；

步骤2.2：创建bk矩阵，bk大小为width×height，将initMat的值赋给bk；

步骤3：依次读取视频序列中的帧frame，进行背景建模，具体步骤如下：

步骤3.1：根据式(1)-(4)进行背景更新：

其中，r为行坐标，c为列坐标，R为阈值，bk_r,c表示矩阵bk第r行第c列的值，bkC_r,c表示矩阵bkC第r行第c列的值,preBkV_r,c表示矩阵preBkV第r行第c列的值,preBkC_r,c表示矩阵preBkC第r行第c列的值，u＝frame_r,c，frame_r,c表示图像frame第r行第c列的像素值；

步骤3.2：扫描frame的每个像素frame_r,c，若满足式(5)，则执行步骤3.1，并设置mask_r,c＝0，同时再以1/M的概率执行步骤3.1，此时步骤3.1中的(r,c)取为(r₈,c₈)，(r₈,c₈)它表示(r,c)的八邻域的其中一个随机像素点的坐标；若式(5)无法满足，则直接执行步骤3.1，同时设置mask_r,c＝255；其中，M为事先设置的概率系数，mask_r,c表示矩阵mask第r行第c列的值，D为阈值；

|frame_r,c-bk_r,c|＜D (5)；

步骤4：输出mask与bk矩阵，mask中值为255的像素点即为移动物体的像素点、0为背景像素点，bk矩阵为背景模型。