[发明专利]一种基于时空分类的动态背景差分检测方法、系统及装置

说明书

本发明公开了一种基于时空分类的动态背景差分检测方法、系统及装置，方法包括：在时间序列上通过分组采样对图像中的每个像素建立对应的背景模型，并根据待检测像素对背景模型内的像素进行分类，得到粗糙的前景掩模图像；以粗糙的前景掩模图像中的前景像素点为中心，将中心像素点设定邻域范围内的像素点进行分类，并根据设定邻域范围内与中心像素点同类的像素点中属于背景像素点的数目，将中心像素点修正为背景像素点或继续保持为前景像素点。本发明采用了分组采样的方法，增强了对动态背景描述的能力；只采用了与中心像素点同类的像素点来确定前景像素点是否为真实的前景像素点，有利于提高检测的正确率。本发明可广泛应用于运动目标检测领域。

技术领域

本发明涉及运动目标检测领域，尤其是一种基于时空分类的动态背景差分检测方法、系统及装置。

背景技术

运动目标检测是目标识别、跟踪以及后期物体行为理解的基础，是计算机视觉领域的研究热点。背景差分法(又称背景减除法)是运动目标检测中最常使用的一种方法，基本原理是通过将当前帧图像与背景图像进行差分来实现运动目标检测。背景差分法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取。在实际应用中，受光照的突然变化、实际背景图像中有些物体的波动、摄像机的抖动、运动物体进出场景对原场景的影响等因素的影响，静止背景是不易直接获得的，故动态背景下的背景差分法就成了运动目标检测的主要检测算法。

动态背景是影响背景差分法效果的因素之一。视频场景当中的动态背景，如晃动树枝、喷泉等这些部分，不是检测的感兴趣区域，但由于它们具有运动这一特点，往往被误检为运动目标。动态背景往往具有两个特点：一是像素值变化呈现出多种数值；二是往往在小范围内运动，与周围像素有较强的联系。在消除动态背景造成的误检的相关研究中，研究方法可以分为两类：一是在时间序列上直接对背景像素值的变化进行描述，即通过建立像素值随时间变化的数学模型来表示背景像素；二是结合像素的邻域空间信息进行背景建模，即利用邻域像素具有相似的像素值分布这个特点或者背景区域的纹理特征来描述背景像素。

第一类方法中常见的有混合高斯模型法、码本方法以及二者的相关改进方法。混合高斯模型法将图像像素值看作是几个高斯模型的叠加，对背景像素值的变化具有较好的鲁棒性。码本方法通过多个码元来表示背景像素的变化值，因此能适用于动态背景下的建模。二者的相关改进方法包括一些非参数化的背景建模方法，如核密度估计，由于其利用了局部建模方法，灵敏度高，因此对频繁变动的动态背景建模具有一定的鲁棒性。然而，第一类方法一般直接采用连续视频帧采样的方式进行背景建模，采样范围小，无法避免过多样本集中在固定的采样时间点附近的情况出现，样本的代表性不强，降低了背景模型对动态背景描述的能力。

第二类方法中常见的方法有Vibe(视觉背景提取)方法，基于主成分分析法的方法以及基于局部纹理特征的前景分割方法。Vibe方法及其相关的改进方法利用了像素点与其邻域的像素点具有临时相似的数值分布的特性，利用邻域像素值为背景像素建立起样本集。基于主成分分析法的方法通过分析动态背景和静止背景在特征空间中的异同来区分动态背景。基于主成分分析法的方法在计算过程中涉及大量的矩阵运算，因此计算效率较低。基于局部纹理特征的方法根据视频场景中不同成分的纹理光滑程度来分割前景目标和背景，这类方法的局限是需要人工设计区分度好的特征。故结合空间邻域信息的背景差法(即第二类方法)在对动态背景与前景目标进行检测时，由于采用了像素的邻域空间信息(即区域特征)，对频繁运动的动态背景有较好的鲁棒性，但其也采用了像素所有的邻域像素来描述背景像素，若像素的部分邻域像素是前景像素，则会影响检测效果，降低检测正确率。

发明内容

为解决上述技术问题，本发明的第一目的在于：提供一种对动态背景描述能力强和检测正确率高的，基于时空分类的动态背景差分检测方法。

本发明的第二目的在于：提供一种对动态背景描述能力强和检测正确率高的，基于时空分类的动态背景差分检测系统。