JP2010200295A - 複数のガウス分布モデルを利用して映像の背景を維持する方法と装置 - Google Patents

Abstract

【課題】複数のガウス分布モデルを利用して映像背景を維持する方法と装置の提供。
【解決手段】複数のガウス分布モデルを利用して映像の背景を維持する装置は、キャプチャモジュール、計算モジュール、保存モジュール、学習モジュールを含む。前記キャプチャモジュールは複数の画素を含む映像画面をキャプチャし、背景情報と連続映像画面の取得に用い、複数の画像情報を取得する。前記計算モジュールはメインガウス分布モデルと複数のサブガウス分布モデルの確立に用いる。前記保存モジュールは前記計算モジュールが確立したメインガウス分布モデルとサブガウス分布モデルを保存する。前記学習モジュールは２つのサブガウス分布モデルの比較に用いる。サブガウス分布モデルの対応する画像情報がすべて背景情報に属すると判断したとき、サブガウス分布モデルでメインガウス分布モデルの学習を更新する。サブガウス分布モデルの対応する画像情報の少なくとも１つが背景情報ではないとき、メインガウス分布モデルの学習を更新しない。
【選択図】図３

Description

本発明は映像の背景を維持する装置に関し、特に、複数のガウス分布モデルの照合を利用して映像の背景を維持する装置に関する。

現今の移動物検出技術において、背景が変化する状況下でも正確に移動物体を表示するため、適応的な背景の技術を使用して背景の変化に対し学習をさせることがよく行われている。入力された画素が前景または背景のどちらに属するかを直接判断することはできないため、一般に取得した画素をすべて背景モデル中に取り込み、対応する重み値を付与する。例えば、その画素またはその画素近くの画素が出現する確率がより頻繁であるとき、対応する重み値もより大きくなる。重み値は臨界値に基づいて判断を行い、画素を２種類に分類することができ、そのうちより大きなものを背景、より小さなものを前景とする。このように絶え間なく背景を更新し、前景を分割して移動物体を表示する。

しかしながら、前景は停留時間が長すぎて直接背景の中に学習されてしまったり、辺縁の色が背景に近すぎて背景の色を徐々に変化させてしまったりして前景の誤判定が生じることがある。この問題を改善するため、よく見受けられる移動物体の検出方法は背景差分法である。図１に示すように、まず画面中に物体の移動がないとき画面に対し１枚の画像をキャプチャして背景とし、続いて各画像すべてを背景と比較して差分を行い、その絶対値を取り、物体が画面に進入した場合、差分に基づき得られた映像から物体を取り出すことができる。

また、背景が光源、風、波等の外来の新しい背景による影響を受ける場合、背景を実際の状況に応じて変化させることができるようにするため、別途適応的な背景の技術を使用して背景の変化に対し学習をさせることが行われる。一般によく用いられる方式は、混合ガウス分布の学習法である。混合ガウス分布は、背景上の各画素をすべて数個のガウス分布で表示し、かつ１つの平均値と共分散を含む。ＲＧＢ色彩方式で表示する場合、平均値は画素ＲＧＢ値であり、共分散はそのガウス分布がカバーする範囲である。混合ガウス分布の学習方法において、各ガウス分布が１つの重み値に対応し、すべてのガウス分布が前景と背景を含む可能性があり、重み値の大きさを利用して両者を区分する。

図２のフローチャートに示すように、例えば、１つの新しい画像が入ってくると、まずガウスぼかしを一回実施し、一部のノイズの影響を簡単に除去する。続いて、新しく入ってきた映像の画素が背景上の数個のガウス分布に合致するか否かを判断する。合致する場合、その分布の重みを大きくすると共に、この画素でそのガウス分布を更新し、即ち平均値と共分散を更新する。合致しない場合、新しいガウス分布を背景モデル中で構築し、かつ重みが最も小さいガウス分布を代替し、新しい画素でこのガウス分布を初期化する。続いてすべての分布の重みに基づき閥値を決定し、背景に属する分布を区分すると共に、これらの背景に属すると認定された分布で入力画像を処理し、前景を分割して後続の移動物の表示を行う。

上述をまとめると、上述の２種類の方式を採用しても、背景映像の維持において、前景の存在時間が長すぎたり、前景の辺縁と背景色が接近しすぎたりして、背景学習の誤った判断を引き起こす問題を正確かつ効果的に解決することはできない。前景の存在時間が長すぎるために重みも大きくなり、背景と誤って判断される。また、背景と接近した辺縁の色彩が背景のガウス分布に属すると判定されると、ガウス分布の平均値が変化し、背景の色が前景と近くなり、誤った判断の発生を引き起こす。このため、背景をいかに維持して前景の侵入を回避し、上述の問題を防ぐかが本発明の発明者と関連産業の技術領域に従事する者が改善を図る課題である。

上述に鑑みて、本発明の目的は、メインガウス分布モデルを通して映像背景を確立かつ維持し、さらに２つのサブガウス分布モデルを利用して照合を行い、照合結果が背景情報に属するとき、このサブガウス分布モデルがメインガウス分布モデル中に学習され、映像背景が更新される、複数のガウス分布モデルを利用して映像背景を維持する方法と装置を提供することにある。

上述の目的を達するため、本発明の複数のガウス分布モデルを利用して映像背景を維持する方法は、次のステップを含む。ａ．複数の画素を含む映像画面をキャプチャし、背景情報の取得に用いる。ｂ．背景情報を計算し、メインガウス分布モデルを確立する。ｃ．一定時間内の複数の連続映像画面をキャプチャし、画像情報の取得に用いると共に、画像情報を計算してサブガウス分布モデルを確立する。ｄ．ステップｃ．を繰り返し、複数のサブガウス分布モデルを確立する。ｅ．２つのサブガウス分布モデルを比較し、２つのサブガウス分布モデルの対応する画像情報がすべて背景情報に属すると判断したとき、このサブガウス分布モデルでメインガウス分布モデルの学習が更新され、２つのサブガウス分布モデルの対応する画像情報の少なくとも１つが背景情報ではないと判断したとき、メインガウス分布モデルの学習は更新されず、メインガウス分布モデルの背景情報が維持される。

映像背景の精確度の維持を強化するため、複数のガウス分布モデルを利用して映像背景を維持する方法は、背景情報を計算してメインガウス分布モデルを確立した後に、フレーム間差分法を利用して移動物体の辺縁を取得し、この辺縁を記録する。メインガウス分布モデルが学習を行うとき、前記移動物体の辺縁を含めない。これにより辺縁と背景が近すぎるために学習上の判断を誤ることを回避する。

上述の目的を達するため、本発明の複数のガウス分布モデルを利用して映像背景を維持する装置は、キャプチャモジュール、計算モジュール、保存モジュール、学習モジュールを含む。そのうち、前記キャプチャモジュールは複数の画素を含む映像画面をキャプチャし、背景情報の取得に用いられると共に、一定時間内の複数の連続映像画面をキャプチャし、複数の画像情報を取得するために用いられる。前記計算モジュールは前記キャプチャモジュールに接続され、背景情報を計算し、メインガウス分布モデルを確立すると共に、前記画像情報を計算し、複数のサブガウス分布モデルを確立するために用いられる。前記保存モジュールは前記計算モジュールに接続され、確立されたメインガウス分布モデルとサブガウス分布モデルが保存される。前記学習モジュールは前記保存モジュールに接続され、前記保存モジュールとの間は双方向通信であり、２つのサブガウス分布モデルを比較し、２つのサブガウス分布モデルの対応する画像情報がすべて前記背景情報に属すると判断したとき、前記サブガウス分布モデルで前記メインガウス分布モデルの学習が更新され、更新された学習結果が前記保存モジュールに保存される。前記サブガウス分布モデルの対応する画像情報の少なくとも１つが背景情報ではないと判断したとき、前記メインガウス分布モデルの学習は更新されず、前記メインガウス分布モデルの背景情報が維持される。

本発明は先にメインガウス分布モデルの背景映像を確立した後、複数のサブガウス分布モデルの２つを照合し、サブガウス分布モデルの画像情報が背景情報であると確定されると、このサブガウス分布モデルをメインガウス分布モデルに学習し、先に学習して後で重みに基づき背景と前景を判断することによって引き起こされる誤差を回避することができる。

従来の背景差分法の原理を示す概略図である。 従来の混合ガウス分布学習方法のフローチャートである。 本発明の実施例１の方法のフローチャートである。 本発明のガウス分布モデル学習を示す概略図である。 フレーム差分法（Ｆｒａｍｅ Ｄｉｆｆｅｒｅｎｃｅ）の原理を示す概略図である。 本発明の実施例２の装置を示すブロック図である。

本発明の最良の実施例とその効果について、以下図面を参照して説明する。

図３と図４を参照する。図３は本発明の実施例１の方法のフローチャートである。図４は本発明のガウス分布モデルの学習を示す概略図である。

より正確に映像背景を維持するため、本発明の複数のガウス分布モデルを利用して映像背景を維持する方法は、以下のステップを含む。

Ｓ１０：複数の画素を含む映像画面をキャプチャする。映像画面のキャプチャは例えば監視装置システムに応用できる。監視装置をオンにした後、画面のキャプチャを開始する。この画面は実際には１枚ずつの画像から構成される。各画像は複数の画素から構成される。このため、監視装置をオンにした後に受信した画面からある開始時間を選択し、映像背景構築の初期点とすることができる。

例えば、監視装置が受信した画面が空白の壁面であり、かつその他いかなる移動物や固定物もない状態のときに背景映像の構築を開始すれば、背景映像は空白の壁面となる。背景映像を構築する前に、この壁面上に１枚の絵を掛け、その後背景映像の構築を開始すれば、この背景映像はその絵を含む壁面となる。

Ｓ１２：背景情報を取得する。背景映像を確定した後、複数の画素から構成される映像背景情報を取得することができる。背景情報はいずれか一種類の色彩表示方式に限定されない。よく見受けられるのはＲＧＢの方式で表示したものであり、このほかＹＵＶやＹＣｂＣｒ方式で表示したものを採用することもできる。

ＲＧＢの利用は主に３種類の原色の光を異なる割合で組み合わせ、各色の光を形成するものであり、よく利用される色彩情報表示の方式である。例えば、２４ビットのモード下では、各画素を２４ビット（ｂｐｐ）でエンコードしたＲＧＢ値が赤色、緑色、青色の強度を表す３つの８ビット符号なし整数（０〜２５５）を使用して指定される。

ＹＵＶは色のエンコード方法の一種である。ｔｒｕｅ−ｃｏｌｏｒの色空間（ｃｏｌｏｒ ｓｐａｃｅ）をコンパイルする種類であり、Ｙ‘ＵＶ、ＹＵＶ、ＹＣｂＣｒ、ＹＰｂＰｒ等の用語はすべてＹＵＶと呼ぶことができる。「Ｙ」は輝度（Ｌｕｍｉｎａｎｃｅ、Ｌｕｍａ）、「Ｕ」と「Ｖ」は色度、濃度（Ｃｈｒｏｍｉｎａｎｃｅ、Ｃｈｒｏｍａ）を表す。同時に異なる色彩表示方法間は変換を行うこともでき、例えばＹＵＶ表示方式をＲＧＢ表示方式に変換することができる。

ＹＣｂＣｒは絶対色空間であり、ＹＵＶを圧縮かつ偏移させたバージョンである。ＹＣｂＣｒのＹとＹＵＶのＹは意味が同じであり、ＣｂとＣｒはＵＶ同様に色彩を指しており、Ｃｂは青色の色度、Ｃｒは赤色の色度を表す。上述と同じように、ＲＧＢとの間で変換することができる。

Ｓ１４：背景情報を計算し、メインガウス分布モデルを確立する。ある１つの色彩表示方式を選択した後、各画素上の色彩情報を計算し、ガウス分布モデルを確立する。例えば、ＲＧＢ表示方式では、背景上の各画素上のＲＧＢ情報を計算してガウス分布で表示し、そのうち平均値と共分散を含む。平均値は画素ＲＧＢ値であり、共分散は前記ガウス分布がカバーする範囲である。各画素上のガウス分布により背景情報全体のメインガウス分布モデルが構成される。

Ｓ１６：一定時間内の複数の連続映像画面をキャプチャし、画像情報を取得する。背景映像のメインガウス分布モデルを確定した後、このとき一定時間内の映像画面のキャプチャを開始し、画像情報を取得する。一定時間内の映像は、１枚ずつの画像から構成されており、各画像は複数の画素から構成されている。背景情報の取得と同じく、このとき一定時間内にキャプチャされた映像も色彩の表示方式を選択することができる。ただし、この情報は背景情報の確立されたメインガウス分布モデルの学習対象となる可能性があるため、背景情報の色彩表示方式を同じものを選択すると、異なる色彩表示方式間の変換ステップを省略することができる。

Ｓ１８：画像情報を繰り返しキャプチャし、画像情報を計算して複数のサブガウス分布モデルを確立する。一定時間内にキャプチャされた画像情報を取得した後、この画像情報を計算し、複数のサブガウス分布モデルを確立することができる。メインガウス分布モデルと異なるのは、サブガウス分布モデルが時間に伴って絶え間なく生成される点である。例えば、一定の１秒内にキャプチャされた画像情報を計算してサブガウス分布モデルを得るとき、時間の変化に伴って、１分間に６０個のサブガウス分布モデルが確立される。

Ｓ２０：２つのサブガウス分布モデルを比較し、背景情報に属するか否かを判断する。２つ以上のサブガウス分布モデルを確立した後、２つのサブガウス分布モデルを比較し、両者が共に背景情報に属するか否かを判断することができる。判断方式はそのうち１つのサブガウス分布モデルに含まれる画像情報の平均値がもう１つの照合画像情報の共分散の一定比率中に入るか否かを利用することができる。入る場合、両者共に背景情報に属すると認定され、メインガウス分布モデルがこれに対して学習を行う。入らない場合、学習は行われない。

どの２つのサブガウス分布モデルを選択して比較を行うかは、新しい映像がどのくらい存在したかの認定を背景と認定する際に考慮すべきである。例えば、相隣する２つのサブガウス分布モデルを選択して比較するとき、両者が相隣関係にあるため、時間間隔が比較的短く、このため比較後共に背景情報に属すると認定され、メインガウス分布モデルがこのサブガウス分布モデルに対して学習を行う可能性がより高い。間隔をあけたサブガウス分布モデルを選択して比較すると、時間間隔が比較的長いため、新しい映像がより長い時間存在してはじめて背景情報に属すると判断される可能性があることを表す。

図４に２つの相互に間隔をあけたサブガウス分布モデルの比較を表す概略図を示す。サブガウス分布モデル（Ａ）（Ｂ）（Ｃ）（Ｄ）はすべて、一定の同じ時間内にキャプチャされた連続映像からその画像情報を計算して取得されたものである。時間の変化に伴って確立したサブガウス分布モデル（Ａ）〜（Ｄ）を１つの周期と仮定し、サブガウス分布モデル（Ａ）とサブガウス分布モデル（Ｃ）を比較し、サブガウス分布モデル（Ｂ）とサブガウス分布モデル（Ｄ）を比較する。前の一周期のサブガウス分布モデル（Ｃ）は次の一周期のサブガウス分布モデル（Ａ）と比較され、時間に伴って絶え間なく照合を行い、映像背景の更新が維持される。

Ｓ２０１：画像情報がすべて背景情報に属する。２つのサブガウス分布モデルを比較し、例えば図４に示すように、２つの相互に間隔をあけたサブガウス分布モデルを比較する。サブガウス分布モデル（Ｃ）の画像情報の平均値がサブガウス分布モデル（Ａ）の共分散の一定比率中に入る、またはサブガウス分布モデル（Ａ）の画像情報の平均値がサブガウス分布モデル（Ｃ）の共分散の一定比率中に入るとき、両者共に背景情報に属すると認定される。

Ｓ２０３：サブガウス分布モデルでメインガウス分布モデルの学習を更新する。例えば、図４に示すように、２つの相互に間隔をあけたサブガウス分布モデルを比較する。サブガウス分布モデル（Ａ）とサブガウス分布モデル（Ｃ）の比較を行った後、背景情報に属すると認定されると、サブガウス分布モデル（Ａ）が背景情報のメインガウス分布モデル中に更新される。サブガウス分布モデル（Ｂ）とサブガウス分布モデル（Ｄ）の比較を行った後、背景情報に属すると認定されると、サブガウス分布モデル（Ｂ）が背景情報のメインガウス分布モデル中に更新される。このように絶え間なく映像背景の更新と学習が維持される。

Ｓ２０５：学習済みのサブガウス分布モデルを削除する。サブガウス分布モデルの確立はメモリのキャッシュファイル中に存在し、メモリの容量不足を回避するため、連続して確立されるサブガウス分布モデルの保存は、学習が完了してメインガウス分布モデルを更新したサブガウス分布モデルがメモリから削除される。例えば、前のステップＳ２０３において、サブガウス分布モデル（Ａ）とサブガウス分布モデル（Ｃ）の比較後、共に背景情報に属すると認定され、サブガウス分布モデル（Ａ）が背景情報のメインガウス分布モデル中に更新された後、サブガウス分布モデル（Ａ）が削除される。サブガウス分布モデル（Ｃ）は次の一周期のサブガウス分布モデル（Ａ）と比較された後、メモリから削除される。

Ｓ２０２：少なくとも１つの画像情報が背景情報に属さない。ステップＳ２０を受けて、２つのサブガウス分布モデルを比較し、そのうち１つのサブガウス分布モデルが含む画像情報の平均値がもう１つの照合画像情報の共分散の一定比率中に入らない場合、少なくとも１つの画像情報が背景情報に属さないと認定される。

Ｓ２０４：メインガウス分布モデルの学習を更新しない。前のステップＳ２０２を受けて、このときメインガウス分布モデルはいかなる更新動作も行わない。

Ｓ２０６：比較が完了したサブガウス分布モデルを削除する。例えば２つの相互に間隔をあけた２つのサブガウス分布モデルを比較し、サブガウス分布モデル（Ａ）とサブガウス分布モデル（Ｃ）の比較を行った後、背景情報に属さないと認定されたとき、サブガウス分布モデル（Ａ）がメモリから削除される。サブガウス分布モデル（Ｃ）は次の一周期のサブガウス分布モデル（Ａ）と比較された後、メモリから削除される。

図３と図５を参照する。図３は本発明の実施例１の方法のフローチャートである。図５はフレーム間差分法（Ｆｒａｍｅ Ｄｉｆｆｅｒｅｎｃｅ）の原理を示す概略図である。

複数のガウス分布モデルを利用して映像背景を維持する方法は、ステップＳ１４においてメインガウス分布モデルを確立した後、さらにフレーム間差分法の利用を含むことができ、メインガウス分布モデルの学習時に移動物体の辺縁を含めず、誤った判断の発生を回避する。

この方法は上述の背景モデル確立と同時にＦｒａｍｅ Ｄｉｆｆｅｒｅｎｃｅを行い、結果は図５の右図のようになり、移動物体の辺縁が得られ、このブロックを記録し、背景学習時にこの区域を含めないことで、前景の辺縁と背景が接近した色彩が侵入することによる背景更新のエラーを効果的に防止することができる。残りのステップは実施例１と同じであり、ここでは説明を省略する。

図６を参照する。図６は本発明の実施例２の装置を示すブロック図である。本発明の複数のガウス分布モデルを利用して映像の背景を維持する装置３は、キャプチャモジュール３０、計算モジュール３２、保存モジュール３４、学習モジュール３６を含む。

キャプチャモジュール３０は複数の画素を含む映像画面をキャプチャし、背景情報の取得に用いると共に、一定時間内の複数の連続した前記映像画面をキャプチャし、複数の画像情報の取得に用いる。例えば、監視装置に応用した場合、キャプチャモジュール３０を利用して映像画面をキャプチャする。キャプチャした映像画面を解析して始めに確立する背景情報と、新しい物体が進入した後の複数の画像情報を得ることができる。

背景情報と画像情報は実際には１枚ずつの画像から構成された映像であり、これらの画像は複数の画素から構成されている。各画素は色彩表示の方法を選択することができ、例えばよく見受けられるＲＧＢ色彩表示方法や、ＹＵＶ、ＹＣｂＣｒ等がある。これらの表示方法間は相互に変換することもでき、いずれか一種類の表示方式の選択に限定されない。

前記計算モジュール３２は前記キャプチャモジュール３０に接続され、前記キャプチャモジュール３０が取得した情報が前記計算モジュール３２に送信され、前記計算モジュール３２により背景情報を計算し、メインガウス分布モデルを確立すると共に、前記画像情報を計算して複数のサブガウス分布モデルを確立する。例えば、ＲＧＢ方式での表示を選択したとき、確立されるガウス分布モデル内のガウス分布は平均値と共分散情報を含む。

前記保存モジュール３４は前記計算モジュール３２に接続され、前記計算モジュール３２が確立したメインガウス分布モデルと前記サブガウス分布モデルがその内部に保存される。

前記学習モジュール３６は前記保存モジュール３４に接続され、前記保存モジュール３４との間は双方向通信とする。まず前記保存モジュール３４から２つのサブガウス分布モデルを取り出し、その後前記学習モジュール３６を通して比較を行い、この２つのサブガウス分布モデルの対応する画像情報がすべて背景情報に属すると判断したとき、前記サブガウス分布モデルで前記メインガウス分布モデルの学習を更新し、かつ更新学習結果を前記保存モジュール３４に送信し、更新後のメインガウス分布モデルの対応する映像背景情報を保存する。２つのサブガウス分布モデルの対応する画像情報のすくなくとも１つが背景情報ではないと判断したときは、メインガウス分布モデルの学習を更新せず、前記メインガウス分布モデルの背景情報が維持される。

判断方法はそのうち１つのサブガウス分布モデルが含む画像情報の平均値がもう１つの照合画像情報の共分散の一定比率中に入るか否かである。入る場合、両者共に背景情報に属すると認定され、メインガウス分布モデルがこれに対して学習を行う。入らない場合、学習は行われない。

比較する２つのサブガウス分布モデルの選択は、相隣する２つまたは相互に間隔をあけた２つのサブガウス分布モデルを選択して比較を行うことができ、その考慮点は実施例１と同じであるため、ここでは説明を省略する。

従来の混合ガウスにおいて、画素が前景に属するか、背景に属するかを問わず、背景は各画像のすべての画素に対して学習が行われる。このため、存在時間が長すぎる前景は背景の更新学習に誤った判断を引き起こす。本発明が提示する方法と装置で学習を行えば、メインガウス分布の学習と前景を隔絶でき、背景の学習が前景の影響を受けにくくなるため、メインガウス分布モデルの背景に対する学習がより精確になり、前景の分割で誤った判断が発生する確率を減少することができる。

本発明の技術内容について最良の実施例を上記のように開示したが、これらの実施例は本発明を限定するものではなく、関連技術を熟知した人物が本発明の要旨を逸脱せずに実施する幾許かの変化や修飾はすべて本発明の範疇内に含まれる。このため、本発明の保護範囲は後付の特許請求の範囲に準じる。

３ 装置本体
３０ キャプチャモジュール
３２ 計算モジュール
３４ 保存モジュール
３６ 学習モジュール

Claims (19)

1. 複数のガウス分布モデルを備えた映像の背景を維持する方法であって、
   ａ、複数の画素を含む映像画面をキャプチャし、背景情報を取得するステップ、
   ｂ、前記背景情報を計算してメインガウス分布モデルを確立するステップ、
   ｃ、一定時間内の複数の連続した前記映像画面をキャプチャし、画像情報の取得に用い、かつ前記画像情報を計算してサブガウス分布モデルを確立するステップ、
   ｄ、ステップｃを繰り返し、複数の前記サブガウス分布モデルを確立するステップ、
   ｅ、２つの前記サブガウス分布モデルを比較して前記サブガウス分布モデルの対応する画像情報がすべて前記背景情報に属すると判断したとき、前記サブガウス分布モデルで前記メインガウス分布モデルの学習を更新し、前記サブガウス分布モデルの対応する画像情報の少なくとも１つが前記背景情報ではないと判断したとき、前記メインガウス分布モデルの学習を更新せず、前記メインガウス分布モデルの前記背景情報を維持するステップ、
   を含むことを特徴とする、
   複数のガウス分布モデルを備えた映像の背景を維持する方法。
2. 前記背景情報と前記画像情報が、ＹＵＶガウス分布で表示されることを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
3. 前記背景情報と前記画像情報が、ＹＣｂＣｒガウス分布で表示されることを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
4. 前記背景情報と前記画像情報が、ＲＧＢガウス分布で表示されることを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
5. 前記ＲＧＢガウス分布が、平均値と共分散を含み、前記平均値が前記画素のＲＧＢ値であり、前記共分散が前記画素の前記ＲＧＢガウス分布がカバーする範囲であることを特徴とする、請求項４に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
6. 前記サブガウス分布モデルの対応する画像情報がすべて前記背景情報に属するか否かの判断が、そのうち１つの前記画像情報の前記平均値がもう１つの画像情報の前記共分散の一定比率の中に入ることを指すことを特徴とする、請求項５に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
7. 前記２つのサブガウス分布モデルの比較が、相隣する前記サブガウス分布モデルの比較を指すことを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
8. 前記２つのサブガウス分布モデルの比較が、相互に間隔をあけた前記サブガウス分布モデルの比較を指すことを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
9. 前記ステップｂの後に、フレーム間差分法（Ｆｒａｍｅ Ｄｉｆｆｅｒｅｎｃｅ）を利用して移動物体の辺縁を取得し、前記移動物体の辺縁を記録した後、前記メインガウス分布モデルが学習を行うとき、前記移動物体の辺縁を含めないことを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
10. 前記フレーム間差分法の利用が、前記映像画面中で現在のフレームと基準フレームを確立し、かつ二者間の前記画素の差分を計算することを特徴とする、請求項９に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
11. 前記サブガウス分布モデルで前記メインガウス分布モデルの学習を更新した後、前記サブガウス分布モデルを削除することを特徴とする、請求項１に記載の複数のガウス分布モデルを備えた映像の背景を維持する方法。
12. 複数のガウス分布モデルを備えた映像の背景を維持する装置であって、キャプチャモジュール、計算モジュール、保存モジュール、学習モジュールを含み、
    前記キャプチャモジュールが、複数の画素を含む映像画面をキャプチャし、背景情報の取得に用いられると共に、一定時間内の複数の連続した前記映像画面をキャプチャし、複数の画像情報の取得に用いられ、
    前記計算モジュールが前記キャプチャモジュールに接続され、前記背景情報を計算してメインガウス分布モデルを確立すると共に、前記画像情報を計算して複数のサブガウス分布モデルを確立し、
    前記保存モジュールが前記計算モジュールに接続され、確立した前記メインガウス分布モデルと前記サブガウス分布モデルを保存し、
    前記学習モジュールが前記保存モジュールに接続され、前記保存モジュールとの間が双方向通信であり、２つの前記サブガウス分布モデルを比較して前記サブガウス分布モデルの対応する画像情報がすべて前記背景情報に属すると判断したとき、前記サブガウス分布モデルで前記メインガウス分布モデルの学習を更新して、更新した学習結果を前記保存モジュールに保存し、前記サブガウス分布モデルの対応する画像情報のすくなくとも１つが前記背景情報ではないと判断したとき、前記メインガウス分布モデルの学習を更新せず、前記メインガウス分布モデルの前記背景情報を維持することを特徴とする、複数のガウス分布モデルを備えた映像の背景を維持する装置。
13. 前記背景情報と前記画像情報が、ＹＵＶガウス分布で表示されることを特徴とする、請求項１２に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
14. 前記背景情報と前記画像情報が、ＹＣｂＣｒガウス分布で表示されることを特徴とする、請求項１２に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
15. 前記背景情報と前記画像情報が、ＲＧＢガウス分布で表示されることを特徴とする、請求項１２に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
16. 前記ＲＧＢガウス分布が、平均値と共分散を含み、前記平均値が前記画素のＲＧＢ値であり、前記共分散が前記画素の前記ＲＧＢガウス分布がカバーする範囲であることを特徴とする、請求項１５に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
17. 前記サブガウス分布モデルの対応する画像情報がすべて前記背景情報に属するか否かの判断が、そのうち１つの前記画像情報の前記平均値がもう１つの画像情報の前記共分散の一定比率の中に入ることを指すことを特徴とする、請求項１６に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
18. 前記２つのサブガウス分布モデルの比較が、相隣する前記サブガウス分布モデルの比較を指すことを特徴とする、請求項１２に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。
19. 前記２つのサブガウス分布モデルの比較が、相互に間隔をあけた前記サブガウス分布モデルの比較を指すことを特徴とする、請求項１２に記載の複数のガウス分布モデルを備えた映像の背景を維持する装置。

Images