[发明专利]一种基于高斯背景模型的静态目标分割的方法

权利要求书

1.一种基于高斯背景模型的静态目标分割的方法，其特征在于，包括如下具体步骤：

根据预存背景图片或视频的第一帧图像构建高斯背景模型，每个像素点的每个颜色通道构建K个高斯模型分布，载入模型对应初始参数，包括学习速率win_size，匹配阈值std_threshold，权值阈值bg_stdshold，方差初始值var_init，目标最小区域阈值area_threshold，重复次数计数器counter阈值counter_threshold，初始化各点高斯分布模型，分配内存空间；

当新的一帧载入时，对每个像素点每个通道和背景模型的K个高斯分布依次进行匹配，并返回对应匹配结果，根据匹配结果进行参数更新，参数更新公式选择根据是否到达学习速率的帧数决定；每次匹配同一分布则该点重复次数加一，不匹配则清零；

对每个点的高斯分布权值和方差的比值由大到小进行排序，根据匹配分布对应权值及其之前权值和是否大于阈值决定该点是否匹配背景，不匹配则为前景点；

对整幅图像中已确认的前景点进行连通域扫描，滤掉远小于目标物体大小的前景点，将之标记为背景部分；

对识别出的前景点和背景点进行扫描，检测每个点的重复次数是否超过阈值，超过阈值则进行参数还原，并把重复次数清零；

高斯模型更新结束，返回上述2）步骤直至视频结束。

2.。

3.根据权利要求2所述的基于高斯背景模型的静态目标分割的方法，其特征在于，所述1）步骤中，为预防第一帧中目标物体静止存在的可能性，在预先载入背景图像时，将该图像设定为预先重复Th_{pre_num}次，Th_{pre_num}值大于学习速率win_size的半值。

4.。

5.

，若该像素此次的匹配高斯分布同上次一致，则重复次数加1，否则清零。

6.，若该像素此次的匹配高斯分布同上次一致，则重复次数加1，否则清零。

7.。

8.根据权利要求7所述的基于高斯背景模型的静态目标分割的方法，其特征在于，所述5）步骤中，对采集到的前景点进行逐像素扫描，若其对应的重复次数超过设定阈值counter_threshold，则将重复次数清零，并按照下述公式进行参数还原；

对其他分布区域所在高斯分布：

。