[发明专利]一种改进的自适应混合高斯前景检测方法

摘要

本发明提供一种改进的自适应混合高斯前景检测方法，它首先利用混合高斯模型进行学习，形成初始化混合高斯背景模型；然后，对新输入的视频序列，以每隔N帧进行采样，利用加权时域均值滤波获取一幅图像帧，将其作为混合高斯建模的输入，进行背景模型更新；利用泊松分布自动判断当前帧是否存在背景突变，若不存在，保持正常的采样间隔和学习速率，否则，缩小间隔帧数和加快学习速率，更新背景模型，提取当前的背景帧；最后，利用当前帧与当前背景帧进行差分，通过最大熵方法获取自适应阈值，对获取的阈值进行加权平均，进行前景检测。该方法有效地克服了视频场景中树叶抖动、水波纹等运动干扰，通过周期性的采样减少了帧的运算量，提高了实时性。

主权项

1.一种改进的自适应混合高斯前景检测方法，其特征在于，包括以下步骤：S1：取视频序列前75帧，利用混合高斯初始化背景模型，对输入的视频序列以采样间隔为N的方式进行采样，取当前帧与前N‑1帧图像序列进行加权ωi时域均值滤波获取一幅新的图像帧F；S2：判断采样得到的视频序列中的场景是否发生突变，若没有发生突变，保持正常的采样间隔N＝5和学习率α＝0.02；否则更新采样间隔帧数N＝3，变异系数为λ，学习率α＝λ*0.02，重新进行视频序列周期采样；S3：将滤波后的图像帧F作为当前帧，学习率为α＝λ*0.02，采用自适应混合高斯方法更新其背景模型；S4：将当前背景帧与当前帧及其后N‑1帧图像序列进行最大熵求取自适应阈值，然后通过在线加权平均获取一个新的阈值Th，进行实时的前景检测。