CN116095347A - 基于视频分析的建筑工程安全施工方法及系统 - Google Patents

Abstract

本发明涉及图像处理领域，具体涉及基于视频分析的建筑工程安全施工方法及系统，包括：获取视频段中的各个视频帧以及对应的视频帧序号；根据各个像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到各个像素点的稳定程度，进而得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。本发明在不损失图像关键信息的基础上降低压缩后的数据量，进而保证视频分析的时效性以及准确性。

Description

基于视频分析的建筑工程安全施工方法及系统

技术领域

本发明涉及图像处理领域，具体涉及基于视频分析的建筑工程安全施工方法及系统。

背景技术

由于建筑工程施工场地中施工人员复杂，作业环境差且施工过程危险源多，实际生活中往往需要安装监控摄像头，来远程监测施工现场的施工情况，并通过对监控视频的分析，及时发现可能存在的安全隐患，进而保障工人的生命安全；

然而监控视频在传输过程中消耗的时间远大于计算机对监控视频的处理时间，且监控摄像头每时每刻都在进行图像采集，由此会产生大量监控视频数据，进而影响视频分析的时效性，导致无法对不安全因素及时预警，要想降低监控视频在传输过程中需要的时间，就需要对监控视频进行更大程度的压缩；

现有的方法是直接对整个监控视频中的各个视频帧进行压缩，但是由于各个视频帧中大部分都是背景区域，因此监控视频中仍然存在大量不需要关注的无用信息，因此通过对这些无用信息进行处理，可以进一步降低监控视频的需要传输的数据量，进而保证视频分析的时效性。

发明内容

本发明提供基于视频分析的建筑工程安全施工方法及系统，以解决现有的问题。

本发明的基于视频分析的建筑工程安全施工方法及系统采用如下技术方案：

本发明一个实施例提供了基于视频分析的建筑工程安全施工方法，该方法包括以下步骤：

获取视频段中的各个视频帧以及对应的视频帧序号；

以任意一个像素点为目标像素点，根据目标像素点在不同视频帧中的灰度值得到目标像素点的灰度序列，根据目标像素点的灰度序列得到目标像素点对应的各个子高斯模型以及各个子高斯模型的均值、标准差以及权重；根据各个子高斯模型的权重得到目标像素点的参照子模型；根据各个子高斯模型的均值以及参照子模型的均值、标准差得到各个子高斯模型的单峰融合度；根据各个子高斯模型中各个灰度值对应的视频帧序号以及各个子高斯模型对应的权重得到目标像素点的灰度变化频繁程度；根据目标像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到目标像素点的稳定程度；以各个像素点为目标像素点，得到各个像素点的稳定程度；

根据各个像素点的稳定程度得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；

对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

优选的，所述目标像素点的参照子模型是指：将目标像素点对应的所有子高斯模型中，具有最大权值的子高斯模型作为目标像素点的参照子模型。

优选的，所述各个子高斯模型的单峰融合度的获取表达式为：

式中，表示第i个像素点对应的第k个子高斯模型的单峰融合程度；表示第i个像素点对应的第k个子高斯模型的均值；为第i个像素点的参照子模型的均值；为第i个像素点的参照子模型的标准差。

优选的，所述目标像素点的灰度变化频繁程度的获取方法为：

计算各个子高斯模型中各个灰度值对应视频帧序号之间的方差，计算各个子高斯模型的权重与对应的方差之间的乘积，将所有乘积之间的累加和作为目标像素点的灰度变化频繁程度。

优选的，所述目标像素点的稳定程度的获取表达式为：

其中，为第i个像素点的稳定程度；为第i个像素点的灰度变化频繁程度；为第i个像素点对应子高斯模型的个数；为以自然常数为底数的指数函数。

优选的，所述各个一类点的代表性灰度值的获取方法为：将各个一类点的参照子模型的均值作为各个一类点的代表性灰度值。

优选的，所述伪图像是指：各个一类点在伪图像中对应的像素点的灰度值等于各个一类点的代表性灰度值；将伪图像中除了一类点以外的其他像素点设置为空。

本发明的另一个实施例提供了基于视频分析的建筑工程安全施工系统，该系统包括数据采集模块、稳定程度获取模块、视频帧处理模块以及数据压缩模块，其中：

数据采集模块，用以获取视频段中的各个视频帧以及对应的视频帧序号；

稳定程度获取模块，以任意一个像素点为目标像素点，根据目标像素点在不同视频帧中的灰度值得到目标像素点的灰度序列，根据目标像素点的灰度序列得到目标像素点对应的各个子高斯模型以及各个子高斯模型的均值、标准差以及权重；根据各个子高斯模型的权重得到目标像素点的参照子模型；根据各个子高斯模型的均值以及参照子模型的均值、标准差得到各个子高斯模型的单峰融合度；根据各个子高斯模型中各个灰度值对应的视频帧序号以及各个子高斯模型对应的权重得到目标像素点的灰度变化频繁程度；根据目标像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到目标像素点的稳定程度；以各个像素点为目标像素点，得到各个像素点的稳定程度；

视频帧处理模块，根据各个像素点的稳定程度得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；

数据压缩模块，用以对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

本发明的有益效果是：首先根据各个像素点在不同时刻对应的视频帧中的灰度值获取各个像素点对应的各个子高斯模型；根据各个子高斯模型相对于参照子模型的单峰融合程度判断各个像素点在不同视频帧的灰度差异情况；而后根据各个子高斯模型对应的视频帧序号之间的方差得到各个像素点的灰度变化频繁程度，进而得到各个像素点的稳定程度，使得具有较高稳定程度的像素点可以只用一个灰度值，即代表性灰度值，来表示其在不同视频帧中的灰度值；

由于不同时刻光照的影响程度不同，各个视频帧中同一位置对应像素点的灰度值也会存在灰度差异，相较于传统方法中对各个视频帧直接进行压缩，使用代表性灰度值表示固定场景区域中的像素点，可以提高灰度变化缓慢、不需要重点关注的固定场景区域的数据冗余量，在不损失图像关键信息的基础上降低压缩后的数据量，提高视频数据的传输效率，保证视频分析的时效性以及准确性，进而保证建筑工程的安全施工。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于视频分析的建筑工程安全施工方法的步骤流程图；

图2为本发明的基于视频分析的建筑工程安全施工系统的系统框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于视频分析的建筑工程安全施工方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于视频分析的建筑工程安全施工方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于视频分析的建筑工程安全施工方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取视频段中的各个视频帧以及对应的视频帧序号。

由于施工场景复杂，同一时刻不同监控摄像头采集的图像存在差异，同一监控摄像头在不同时刻采集的图像也存在差异，但是每个视频帧包含的场景类型具有较高相似性，即每个视频帧中均包含固定场景区域、主要活动区域，其中固定场景区域是指天空、树木等场景基本不会变化的区域；主要活动区域是指工人的主要活动区域，如建筑材料的搬运过程所经过的区域；对于基本上不会发生变化的固定场景区域可以提高降低图像精度来提高数据冗余量；而对于工人的主要活动区域，则保证该区域的图像精度，从而在不影响视频分析结果的基础上，降低监控视频中需要传输或存储的数据量，提高视频分析的实时性。

首先获取施工现场中各个监控摄像头采集的监控视频，而后分别对各个监控摄像头采集的监控视频，对于施工现场中的任意一个监控摄像头，根据该监控摄像头在固定时间段内采集的视频段中各个像素点的灰度变化情况初步判断各个视频帧中的固定场景区域以及主要活动区域，其中固定时间段大小可由实施者自行设定，本实施例中设置的固定时间段为10分钟，对所得视频段进行视频帧的截取，并全部转化为灰度图像，得到该视频段的各个视频帧以及各个视频帧对应的视频帧序号，记所有视频帧的个数为N。

步骤S002：以任意一个像素点为目标像素点，根据目标像素点的各个子高斯模型的单峰融合度以及灰度变化频繁程度得到目标像素点的稳定程度，进而得到各个像素点的稳定程度。

随着施工进度计划的进行，施工场地布置中的建筑物和临时设施也在动态发生变化，因此难以使用模板匹配方法对各个视频帧中的运动目标进行识别，即无法利用历史时刻中的图像为模板图像，根据模板匹配算法对工人进行识别；而在视频段传输到电脑端进行分析之前，往往需要先对所得视频段进行压缩，而现有的方法是对整个视频段进行整体压缩，而存在工人活动的区域往往只是施工场景中的局部区域，也就是主要活动区域；而各个视频帧中的不存在工人活动的固定场景区域是不需要关注的，但是由于该区域受到光照变化的影响，同一位置在不同时刻对应视频帧中的灰度值仍然存在差异，即该区域会包含较多的无用信息，因此需要对于各个视频帧中的固定场景区域设置较大的压缩程度，对主要活动区域则需要设置较小的压缩程度，从而保证图像精度；

则对视频段中固定场景区域以及主要活动区域的具体识别过程如下：

首先获取同一位置上的像素点在不同视频帧上对应的灰度值构成的灰度序列，其中第i个像素点对应的灰度序列中的第j个灰度值为第i个像素点在第j个视频帧中对应的灰度值，则j即为该第j个灰度值对应的视频帧序号；

以第i个像素点对应灰度序列中各个灰度值以及各个灰度值出现的概率为样本数据，使用EM算法对该样本数据进行混合高斯模型拟合，本实施例中设置混合高斯模型中子高斯模型的个数m为5，由此得到该第i个像素点的各个子高斯模型以及各个高斯模型对应的均值、标准差和权重，其中将第i个像素点的第k个子高斯模型的均值、标准差以及权重分别记为、和，则该第k个子高斯模型中的灰度值是指处于第k个子高斯模型的分布范围内的灰度值，即属于范围内的灰度值；

对其他像素点对应的灰度序列进行混合高斯模型的拟合，得到各个像素点对应的各个子高斯模型，混合高斯模型的获取为公知技术，此处不再赘述；

然后根据各个像素点各个子高斯模型之间的融合程度判断各个像素点的稳定程度，以第i个像素点为例，将该第i个像素点对应的所有子高斯模型中，权重最大的子高斯模型称为第i个像素点的参照子模型，将第i个像素点的参照子模型的均值称为第i个像素点的代表性灰度值，则该第i个像素点的第k个子高斯模型的单峰融合程度可表示为：

式中，表示第i个像素点对应的第k个子高斯模型的单峰融合程度；表示第i个像素点对应的第k个子高斯模型的均值；为第i个像素点的参照子模型的均值；为第i个像素点的参照子模型的标准差；

如果第i个像素点属于固定场景区域，由于固定场景区域内只会受到光照变化的影响而发生较小的灰度变化，使得该像素点的各个子高斯模型的之间的差异越小，对应该像素点的各个子高斯模型越难以区分，因此对于此类像素点，本实施例期望可以使用这些像素点对应的代表性灰度值来表示其在不同视频帧中的灰度值，从而提高数据的冗余度，增大固定场景区域的压缩程度。而当第i个像素点对应的第k个子高斯模型的均值处于参照子模型的分布范围内，且两个子高斯模型的均值越接近，对应第k个子高斯模型的单峰融合程度越大，且越趋向于1，则第k个子高斯模型与参照子模型之间越容易融合，此时使用第i个像素点的代表性灰度值来统一代表时对应的可靠性越高；如果第i个像素点属于主要活动区域，由于主要活动区域会随着工人的移动而发生较大的灰度变化，且对于工人的活动较为频繁时，灰度变化也会较为频繁，此时该像素点对应的各个子高斯模型之间的差异较大，各个子高斯模型的单峰融合程度较低，且小于0，对此类像素点则需要保留本身灰度值，从而保证图像精度；

由于混合高斯模型本质上还是基于一个像素点在不同时刻灰度值的统计特征，并不能反映一个像素点的稳定程度，例如，对于第i个像素点的灰度序列中只在一小段时间内存在较大灰度变化以及在整个固定时间段内频繁发生较大灰度变化，这两种情况可能会得到相似的混合高斯模型，但前者在大部分时间内的灰度值差异均较小，显然前者的稳定程度要高于后者，因此对于一个像素点稳定程度的判断还要结合该像素点的灰度变化频繁程度，则第i个像素点的灰度变化频繁程度可以表示为：

式中，为第i像素点的第k个子高斯模型的权重，为第i像素点的第k个子高斯模型中的各个灰度值对应的视频帧序号之间的方差。

由于一个子高斯模型对应的灰度值大小具有相似性，如果这些相似的灰度值是随着时间缓慢变化的，即当一个子高斯模型中各个灰度值对应的视频帧序号连续时，对应该子高斯模型大概率为固定场景形成的概率较高，该子高斯模型对应的像素点的灰度变化越稳定；而一个子高斯模型的权重可以表征该子高斯模型中对应的灰度值的个数在整个灰度序列中所占的比例，当一个子高斯模型中包含的灰度值个数越多，且各个灰度值对应的视频帧序号变化越连续，表示该子高斯模型对应的像素点在大部分时刻的灰度值差异较小，此时认为该像素点对应的稳定程度越高，因此本实施例使用各个子高斯模型中各个灰度值对应视频帧序号之间的方差，来表征各个子高斯模型的灰度变化频繁程度；并将各个子高斯模型在混合高斯模型中的权重表征各个子高斯模型的参考程度，从而得到第i个像素点的灰度变化频繁程度；

而后通过第i个像素点对应的各个子高斯模型的单峰融合程度以及各个像素点的灰度变化频繁程度，对各个像素点的稳定程度进行判断，则第i个像素点的稳定程度可以表示为：

其中，为以自然常数为底数的指数函数；

设置稳定阈值，该值可由实施者自行设定，当第i个像素点的稳定程度大于等于稳定阈值时，认为该像素点具有较高的稳定性，此时使用该像素点的参照子模型的均值代替该像素点在其他视频帧中的灰度值具有较高的可靠性，即该像素点为具有代表性灰度值的像素点，否则不改变该像素点在各个视频帧中的灰度值。

重复上述方法，获得所有具有代表性灰度值的像素点，将这些像素点称为一类点，此时这些一类点即为各个视频帧中属于固定场景区域的像素点，剩余像素点即为各个视频帧中主要活动区域对应的像素点。

步骤S003：根据各个像素点的稳定程度得到各个一类点；根据各个一类点的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧。

考虑到一个像素点的稳定程度较高只能说明该像素点在大部分视频帧中的灰度值具有较高相似性，并不能排除该像素点不会出现移动物体，例如施工场景中，天空对应的区域在大部分视频帧中对应的灰度值都具有较高的相似性，但是当出现高空坠物时，会使得该区域中的像素点在短时间内存在较大灰度变化，此时该区域内的像素点也可以得到较高的稳定程度，但是如果仍然使用代表性灰度值进行代替，反而会丢失图像信息，因此即使稳定程度较高的像素点也需要对不同视频帧进行不同的处理；

本实施例根据各个一类点对应的各个单峰融合程度进行判断，即设置融合阈值为0.8，对于一个一类点，当单峰融合程度大于等于融合阈值的子高斯模型中的灰度值对应的视频帧序号，将该一类点在这些视频帧序号中的对应位置上的像素点设置为空，即设置空字符；对于单峰融合程度小于融合阈值的子高斯模型中的灰度值不进行处理，保持这些像素点在原视频帧中的灰度值不变，从而实现对同一像素点在不同视频帧中进行不同的处理。

重复上述方法，对各个视频帧中的各个像素点进行处理，得到处理后的各个视频帧。

步骤S004：对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

使用游程编码对伪图像以及处理后的视频段中的各个视频帧依次进行编码压缩，得到压缩后的视频数据，重复上述方法，对各个监控摄像头在固定时间段内采集的视频段进行处理，进而得到各个监控摄像头对应的压缩后的视频数据，然后将这些压缩后的视频数据发送到电脑端，在电脑端对接收到的视频数据进行解压缩，此时解压缩后得到的第一张图像即为伪图像，根据伪图像对各个视频帧的灰度值进行还原，而后对还原后的各个视频帧进行视频分析，例如使用目标检测算法检测工人是否佩戴安全帽等，从而保证建筑工程的安全施工。

本发明的另一个实施例提供了基于视频分析的建筑工程安全施工系统，如图2所示，该系统包括以下模块：

数据采集模块，用以获取视频段中的各个视频帧以及对应的视频帧序号；

稳定程度获取模块，以任意一个像素点为目标像素点，根据目标像素点在不同视频帧中的灰度值得到目标像素点的灰度序列，根据目标像素点的灰度序列得到目标像素点对应的各个子高斯模型以及各个子高斯模型的均值、标准差以及权重；根据各个子高斯模型的权重得到各个像素点的参照子模型；根据各个子高斯模型的均值以及参照子模型的均值、标准差得到各个子高斯模型的单峰融合度；根据各个子高斯模型中各个灰度值对应的视频帧序号以及各个子高斯模型对应的权重得到目标像素点的灰度变化频繁程度；根据目标像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到目标像素点的稳定程度；以各个像素点为目标像素点，得到各个像素点的稳定程度；

视频帧处理模块，根据各个像素点的稳定程度得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；

数据压缩模块，用以对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

本实施例首先根据各个像素点在不同时刻对应的视频帧中的灰度值获取各个像素点对应的各个子高斯模型；根据各个子高斯模型相对于参照子模型的单峰融合程度判断各个像素点在不同视频帧的灰度差异情况；而后根据各个子高斯模型对应的视频帧序号之间的方差得到各个像素点的灰度变化频繁程度，进而得到各个像素点的稳定程度，使得具有较高稳定程度的像素点可以只用一个灰度值，即代表性灰度值，来表示其在不同视频帧中的灰度值；

由于不同时刻光照的影响程度不同，各个视频帧中同一位置对应像素点的灰度值也会存在灰度差异，相较于传统方法中对各个视频帧直接进行压缩，使用代表性灰度值表示固定场景区域中的像素点，可以提高灰度变化缓慢、不需要重点关注的固定场景区域的数据冗余量，在不损失图像关键信息的基础上降低压缩后的数据量，提高视频数据的传输效率，保证视频分析的时效性以及准确性，进而保证建筑工程的安全施工。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于视频分析的建筑工程安全施工方法，其特征在于，该方法包括以下步骤：

获取视频段中的各个视频帧以及对应的视频帧序号；

以任意一个像素点为目标像素点，根据目标像素点在不同视频帧中的灰度值得到目标像素点的灰度序列，根据目标像素点的灰度序列得到目标像素点对应的各个子高斯模型以及各个子高斯模型的均值、标准差以及权重；根据各个子高斯模型的权重得到目标像素点的参照子模型；根据各个子高斯模型的均值以及参照子模型的均值、标准差得到各个子高斯模型的单峰融合度；根据各个子高斯模型中各个灰度值对应的视频帧序号以及各个子高斯模型对应的权重得到目标像素点的灰度变化频繁程度；根据目标像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到目标像素点的稳定程度；以各个像素点为目标像素点，得到各个像素点的稳定程度；

根据各个像素点的稳定程度得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；

对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

2.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述目标像素点的参照子模型是指：将目标像素点对应的所有子高斯模型中，具有最大权值的子高斯模型作为目标像素点的参照子模型。

3.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述各个子高斯模型的单峰融合度的获取表达式为：

式中，表示第i个像素点对应的第k个子高斯模型的单峰融合程度；表示第i个像素点对应的第k个子高斯模型的均值；为第i个像素点的参照子模型的均值；为第i个像素点的参照子模型的标准差。

4.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述目标像素点的灰度变化频繁程度的获取方法为：

计算各个子高斯模型中各个灰度值对应视频帧序号之间的方差，计算各个子高斯模型的权重与对应的方差之间的乘积，将所有乘积之间的累加和作为目标像素点的灰度变化频繁程度。

5.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述目标像素点的稳定程度的获取表达式为：

其中，为第i个像素点的稳定程度；为第i个像素点的灰度变化频繁程度；为第i个像素点对应子高斯模型的个数；为以自然常数为底数的指数函数。

6.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述各个一类点的代表性灰度值的获取方法为：将各个一类点的参照子模型的均值作为各个一类点的代表性灰度值。

7.根据权利要求1所述的基于视频分析的建筑工程安全施工方法，其特征在于，所述伪图像是指：各个一类点在伪图像中对应的像素点的灰度值等于各个一类点的代表性灰度值；将伪图像中除了一类点以外的其他像素点设置为空。

8.基于视频分析的建筑工程安全施工系统，其特征在于，该系统包括以下模块：

数据采集模块，用以获取视频段中的各个视频帧以及对应的视频帧序号；

稳定程度获取模块，以任意一个像素点为目标像素点，根据目标像素点在不同视频帧中的灰度值得到目标像素点的灰度序列，根据目标像素点的灰度序列得到目标像素点对应的各个子高斯模型以及各个子高斯模型的均值、标准差以及权重；根据各个子高斯模型的权重得到目标像素点的参照子模型；根据各个子高斯模型的均值以及参照子模型的均值、标准差得到各个子高斯模型的单峰融合度；根据各个子高斯模型中各个灰度值对应的视频帧序号以及各个子高斯模型对应的权重得到目标像素点的灰度变化频繁程度；根据目标像素点的灰度变化频繁程度以及各个子高斯模型的单峰融合度得到目标像素点的稳定程度；以各个像素点为目标像素点，得到各个像素点的稳定程度；

视频帧处理模块，根据各个像素点的稳定程度得到各个一类点；根据各个一类点的参照子模型得到各个一类点的代表性灰度值；根据各个一类点以及对应的代表性灰度值构建伪图像；根据各个一类点的各个子高斯模型的单峰融合程度对各个视频帧进行处理，得到处理后的各个视频帧；

数据压缩模块，用以对伪图像以及处理后的各个视频帧进行压缩，得到压缩后的视频数据。

Images