[发明专利]一种贝叶斯‑全概率联合估计模型的运动目标前景检测方法

摘要

本发明公开了一种贝叶斯‐全概率估计模型的运动目标前景检测方法。针对传统前景检测算法在视频背景变得复杂时不能准确分割出前景目标之不足，本发明结合贝叶斯与全概率估算公式，提出贝叶斯‐全概率联合估计模型，贝叶斯模型是一种不确定性知识的推理和描述，它采用“逆概率”思想，推算出特征向量属于背景或前景的概率。全概率则是计算在某一像素点，出现某一特征的概率。通过选择适当的特征向量，在BTP‐JE模型下，将背景像素分为静止与运动两种不同的类型，进而准确提取前景像素点。

主权项

一种贝叶斯‐全概率运动目标前景检测方法，其特征在于包括如下步骤：(1)背景、前景信息特征选取对于运动目标的背景对象，利用贝叶斯估计法则，特征向量ξt来自背景b和前景f的后验概率满足：p(c|ξt)=p(ξt|c,ψ)p(c,ψ)p(ξt,ψ),c=borfP(ξt|ψ)=P(ξt|b,ψ)·P(b|ψ)+P(ξt|f,ψ)·P(f|ψ)---(2-1)]]>如果特征向量满足：P(ξt|b,ψ)>P(ξt|f,ψ)P(b|ψ)>P(f|ψ)---(2-2)]]>则把这个像素归为背景，其中ψ为像素点；当背景中出现大量的前景物体时，背景将长时间被前景物体覆盖，导致(2‐2)式中的两个条件并不能得到满足，为在拥堵背景环境下更好地分离前景和背景，引入背景误差控制变量，将式(2‐2)变为：P(ξt|b,ψ)＞P(ξt|f,ψ)‑ε1，P(b|ψ)＞P(f|ψ)‑ε2   (2‐3)其中εi,i＝1,2，称为背景误差控制变量；把式(2‐1)与全概率公式代入式(2‐3)得到如下BTP‐JE模型：2P(ξt|b,ψ)·P(b|ψ)＞P(ξt|ψ)+P(ξt|b,ψ)ε1‑(1‑P(b|ψ))ε2   (2‐4)对于L位n维的特征向量，P(ξt|ψ)或P(ξt|b,ψ)的联合直方图包含Ln个bins；令i＝1,2,...,N为特征直方图中的前N个bins并按降序排列，对于给定的比例值M1，M2＝1‑M1，存在比较小的正整数N1，满足：Σi=1N1P(ξti|b,ψ)>M1Σi=1N1P(ξti|f,ψ)<M2---(2-5)]]>自然地，N值依赖于所选取的特征向量和位数L，对于每一种特征向量，用表示特征统计表，其中i＝1,2,...N2(N2＞N1)，记录了在像素ψ(x,y)，时刻t处N2个最重要的值，表中的每一个元素由三个部分组成：pξt,i=P(ξti,ψ),pξbt,i=P(ξti+1|b,ψ),ξti=[a1i,...,ani]T.---(2-6)]]>当一个像素与稳定的背景相关时，选取颜色作为特征向量，采用HSV颜色空间对图像进行处理，ξt用ωt＝[ht,st,vt]T代替；当像素与运动背景相关时，颜色共生特性被选为特征向量，ξt用ωωt＝[ht‑1,st‑1,vt‑1,ht,st,vt]T代替；(2)背景和前景像素点的分类时间差分将变化的像素分为两种类型，如果Ftd(ψ,t)＝1，这个像素被认为是运动的像素，且属于运动的物体，否则它是一个与静止物体有关的像素；进一步单独划分为背景或前景；对于静止的像素或运动的像素，将特征向量ξt与前N1个从对应背景的特征统计表格中获取的特征向量做比较，重新获取相似特征；令得到条件概率公式(1‐7)：P(b|ψ)=pbψ,t,P(ξt|ψ)=Σj∈M(ξt)pξψ,t,j,P(ξt|b,ψ)=Σj∈M(ξt)pξbψ,t,j---(1-7)]]>中匹配特征集合定义为：M(ξt)={k:∀m∈{1,...,n},|am-amk|≤δ}---(1-8)]]>其中δ为控制变量；(3)前景物体的提取利用形态学运算去除离散的点，输出图像O(ψ,t)，提取前景物体；用特征向量ξt将像素分类前景或背景，对应特征统计用式(1‐9)更新：其中i＝1,2,...N2，α2称之为学习速率，用来控制特征学习的速度；当在t时刻，从最后分离反馈为ψ(x,y)为背景，则否则当式(1‐7)中的ξti和ξt相匹配时，否则如果没有中的元素和ξt匹配时，则表中的第N2个元素变为：pξψ,t+1,N2=α2,pξbψ,t+1,N2=α2,ξtN2=ξt---(1-10)]]>当背景突然变化时，新的背景特征出现，且在变化后立即占据主导地位；由式(1‐3)和(1‐5)得，当满足条件(1‐11)时，在ψ(x,y)处检测到新的背景特征；P(f|ψ)Σi=1N1P(ξti|f,ψ)>T---(1-11)]]>其中T是一个比率值，决定什么时候新的特征被认为是背景；由式(1‐1)和式(1‐6)，式(1‐11)将演变成当背景突然变化时，新的背景特征随即出现，则特征统计用以下式子进行更新：pbψ,t+1=1-pbψ,tpξψ,t+1,i=(1-α2)pbψ,t,i+α2Mξψ,t,ipξbψ,t+1,i=(pξψ,t,i-pbψ,t·pξbψ,t,i)/pbψ,t+1---(1-13)]]>(4)学习速率α2的选取收敛于1；同时，学习速率参数α2满足关系其中n为测试视频的帧数，T为测试视频时间；(5)更新参考背景图像如果ψ为无关紧要变化的像素点，则Bω(ψ,t+1)＝(1‑α1)Bω(ψ,t)+α1Iω(ψ,t)被用来对背景进行更新，其中ω∈(h,s,v)，α1为无限脉冲反应滤波参数；如果O(ψ,t)＝0，Ftd(ψ,t)＝1或者Fbd(ψ,t)＝1，Bω(ψ,t+1)＝Iω(ψ,t),ω∈(h,s,v)则被用来对参考背景进行更新，这样参考图像就能够适应背景的突然变化。