[发明专利]基于马氏距离的视频图像背景检测方法

说明书

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于马氏距离的视频图像背景检测方法。

背景技术

随着视频监控摄像头在智能监控领域的广泛应用与智能视频分析技术的快速发展，视频摘要技术逐渐进入人们的眼帘。视频摘要技术，是一种将长时间的海量视频数据压缩到一个可控的时间段内的技术，便于提供给人们进行视频浏览。在视频摘要技术中，需要利用高效的背景检测方法，以对视频图像的背景加以检测，进而捕捉视频中的前景运动物体作为视频摘要跟踪的对象，因此背景检测技术成为了视频摘要技术中的一个研究热点。同时，在其它视频图像处理技术领域，例如人脸识别技术领域、视频压缩处理技术领域等，也需要借助背景检测技术完成背景、前景的区分。可见，背景检测技术在多种应用的视频图像处理技术中都具有重要的地位，是目前图像处理技术领域中的一个主流研究方向。目前使用比较广泛的背景检测方法主要有背景差分法、核密度估计检测法、混合高斯背景建模检测法和codebook背景建模检测法。

Heikkila等人在文献“Heikkila，J.and O.Silven.A real-time system for monitoring of cyclists and pedestrians.In：Second IEEE Workshop on Visual Surveillance.Collins，Colorado：IEEE，1999.74-81”和文献“Piccardi，M.Background subtraction techniques：a review.In：IEEE International Conference on Systems，Man and Cybernetics 2004.The Hague，Netherlands：IEEE 2004.3099-3104 vol.4”中提出了背景差分法，该算法使用了背景相减的方法，即通过将待处理视频图像序列减去事先给定的一副背景图像，再应用二值化的方法来区分出运动前景。该算法的优点是容易实现，算法复杂度低，几乎不会耗费多少计算资源就可以快速的获取运动前景，进而应用到实时视频摘要生成系统中去。但是，该算法需要事先给定一副完整的背景图像，且完整的背景图像不易获取，依赖外部输入，并不能够随着时间推移进行更新，导致视频处理后期的工作出现较大的误差。

Elgammal等人在文献“Piccardi，M.Background subtraction techniques：a review.In：IEEE International Conference on Systems，Man and Cybernetics 2004.The Hague，Netherlands：IEEE 2004.3099-3104 vol.4”和文献“Elgammal，A.，D.Harwood，and L.Davis，Non-parametric model for background subtraction.Computer Vision ECCV 2000，2000：p.751-767”中提出了非参数背景建模方法，估计背景像素值在时间序列上的概率密度，通过一个长度设定的窗口以及窗函数估计像素值属于前景或者背景的概率，从而判断图像中各个像素是否为背景像素。该算法的优点是方便适应新的训练样本加入，为密度估计的在线学习提供便利。但是，该算法计算复杂度太大，不适合应用于实时运动检测系统中，并且在动态背景和光线突变条件下的鲁棒性不高。

Wren等人在文献“Wren，C.R.，et al.Pfinder：Real-time tracking ofthe human body.IEEE Transactions on Pattern Analysis and Machine Intelligence，1997.19(7)：p.780-785.”中使用单高斯模型对背景进行建模，克服了需要外部输入背景的限制，在室内等单峰环境下具有较好的检测效果，但是在复杂的多峰环境中，如波动的湖面和摆动的树叶，就很难使用该模型对背景环境进行准确的建模了。为了解决这些问题，Stauffer等人提出了混合高斯背景建模检测法(简称为MOG方法)，该检测方法考虑了像素点在时间上的连续性，将背景像素在时间序列上的分布假设为混合高斯模型，并假设了RGB空间的三个分量之间是相互独立的，给出了背景像素的分布特征，即背景像素在RGB空间中呈现球状分布。但是，RGB空间中的三个分量并不是相互独立的，因此MOG方法对背景像素的分布特征的描述不是很准确，导致运动前景检测误差的增大。