[发明专利]结合改进的LBP纹理和色度信息的运动目标检测方法

权利要求书

1.结合改进的LBP纹理和色度信息的运动目标检测方法，其特征在于：包含以下步骤：

步骤a：初始化混合高斯模型：将视频图像序列中的第1帧分成以像素点(x,y)为中心、大小相同、边缘有重合的小块，对每个小块统计LBP统一模式直方图和局部色度值，把初始的LBP统一模式直方图记作初始的局部色度向量记作给定某个方差σ和权值w，得到含有K个背景模式初始混合高斯背景模型；

步骤b：读入下一帧，把图像分成以像素点(x,y)为中心、大小相同、边缘有重合的小块；

步骤c：对上述每个小块统计LBP统一模式直方图和局部色度值，其中把t时刻的LBP统一模式直方图记作X_t、局部色度向量记作H_t；

步骤d：将X_t、H_t值，依次与混合高斯背景模型中对应小块的K个背景模式进行对比，求相似度，匹配为背景、不匹配为前景；

步骤e：根据步骤d，如果某一小块被判定为背景，将更新混合高斯背景模型中的高斯模型参数；如果某一小块被判定为前景，经处理后将前景通过屏幕显示出来，即为所获得目标运动区域；然后用该小块的X_t、H_t值去替换混合高斯背景模型中权值最小的模型，同时把背景模型中其余模式权值降低，而其它参数不变；

步骤f：归一化权值，对K个背景模式重新排序，使其按照归一化之后的降序排列，即得到新的混合高斯背景模型。

2.根据权利要求1所述的结合改进的LBP纹理和色度信息的运动目标检测方法，其特征在于：所述的步骤d中求X_t、H_t值与混合高斯背景模型相似度的公式为：

D(gi,gti)=λDLBP(Xt,Xti)+(1-λ)DHue(Ht,Hti)]]>

其中i＝1,…,K，λ是一常数，代表判定结果融合参数，满足0≤λ≤1；

如果假设的变化呈现高斯分布，也就是那么，每一小块的背景模型可以用多个高斯分布来描述，即其中，是在t时刻第i个高斯背景模型的权值，参数K是背景模式分布的个数，η是一个高斯概率分布函数，它的均值为0，即

η(gt,0,σt,i2)=12πσt,ie-gt22σt,i2]]>

对于每一个小块，当存在一个i，1≤i≤K，满足时，该小块被判定为背景，否则为前景。