[发明专利]有限复杂背景下视频目标的特征检测方法

摘要

本发明通过研究基于颜色的背景模型和基于梯度的背景模型，提供一种有限复杂背景下视频目标的特征检测方法，包括以下步骤：一、取背景场景图，对背景样本图像进行不断地训练得到混合高斯分布的基于颜色的背景模型；如果背景模型是混合高斯分布，需要计算各种组合的梯度分布函数。某个像素如果属于任何一个梯度分布，就被认为符合梯度背景模型；二、对每一幅待测图像，计算它梯度分布函数，建立基于颜色梯度背景模型；三、根据周围环境的变化，如光照、风强度等，更新高斯分布自身的参数和各高斯分布的权重，进一步更新基于颜色和基于颜色梯度的模型；与现有技术相比，本发明具有防背景扰动、适应外界光照的变化的特点。

主权项

1、一种有限复杂背景下视频目标的特征检测方法，其特征在于，包括以下步骤：一、取背景场景图，对背景样本图像进行不断地训练得到混合高斯分布的基于颜色的背景模型；如果背景模型是混合高斯分布，需要计算各种组合的梯度分布函数，某个像素如果属于任何一个梯度分布，就被认为符合梯度背景模型；二、对每一幅待测图像，计算它梯度分布函数，建立基于颜色梯度背景模型；三、根据周围环境的变化，如光照、风强度等，更新高斯分布自身的参数和各高斯分布的权重，进一步更新基于颜色和基于颜色梯度的模型；其中：基于颜色的背景模型是采用混合高斯分布来描述的，设用来描述每个像素点(u，V)颜色的高斯分布共K个，K的值通常取3-7个，则像素z(u，v)的概率函数可用式(1)表示，P(zw)=Σj=1kωj,uvN(zuv|μj,uv,Σj,uv)---(1)]]>其中ω_j，uv是第j个高斯分布的权值μ_j，uv，∑_j，uv分别为第j个高斯分布的均值和协方差矩阵。对彩色图像进行建模，且R，G，B三通道是相互独立的，μ_j，uv、∑_j，uv可写为如下形式：μj,uv=(μj,uvR,μj,uvG,μj,uvB)]]>Σj,uv=diag((σj,uvR)2,(σj,uvG)2,(σj,uvB)2)]]>各高斯分布按照优先级高低排列，优先级Pj计算如下：pj=ωj,uv/(Rj,uv-μj,uvR)2+(Gj,uv-μj,uvG)2+(Bj,uv-μj,uvB)2]]>基于颜色梯度的背景模型对光照的变化非常敏感，而颜色梯度相对来说对光照变化不太敏感，把颜色梯度与颜色信息结合起来一起使用，建立有效而鲁棒的背景模型，用颜色灰度值g的变化表示颜色梯度；因为gj,uv(t)=β1R+β2G+β3B]]>所以g_j,uv^(t)～N(μ_g,j,uv(σ_g,j,uv)²)其中μg,j,uv=β1μj,uvR+β2μj,uvG+β3μj,uvB]]>σg,j,uv2=β12(σj,uvR)2+β22(σj,uvG)2+β32(σj,uvB)2]]>f_j，x＝g_j，u+1，v-g_j，u，vf_j，y＝g_j，u，v+1-g_j，u，v可得fj,x~N(μj,fx,(σj,fx)2)]]>fj,y~N(μj,fy,(σj,fy)2)]]>其中：μj,fx=μg,j,u+1,v-μg,j,u,v]]>μj,fy=μg,j,u,v+1-μg,j,u,v]]>(σj,fx)2=σg,j,u+1,v2+σg,j,u,v2]]>(σj,fx)2=σg,j,u,v+12+σg,j,u,v2]]>用式Δ=fj,x2+fj,y2]]>表示颜色梯度，用Δd=artanfj,yfj,x]]>表示梯度方向；得到颜色梯度的分布[Δ_m，Δ_d]F(Δm,Δd)=Δm2πσj,fxσjfy1-p2exp(a2(1-p2))]]>其中a=(ΔmcosΔd-μj,fxσjfx)2-2ρ(ΔmcosΔd-μj,fyσjfx)(ΔmsinΔd-μj,fyσjfy)+(ΔmsinΔd-μj,fyσjfy)2]]>ρ=σj,uv2σj,fxσj,fy]]>所有上述分布参数都可以由基于颜色背景模型中的均值和方差计算而得，对每一幅待测图像，计算它的梯度值、梯度方向和梯度矢量的概率，如果概率大于Tg，属于背景，否则属于前景。