消除阴影和高亮噪声的双梯柱体码本前景检测方法

摘要

本发明公开了一种消除阴影和高亮噪声的双梯柱体码本前景检测方法，应用于智能视觉监控领域的前景检测。方法基于双梯柱体码本模型，颜色空间采用YUV颜色模型，记为DTCC_YUV，模型下部构造成正立的梯柱体，形成阴影检测区域；模型上部构造成倒立的梯柱体，形成高亮噪声检测区域；模型中部构造成圆柱体，形成主体背景检测区域；所述方法包括模型构建和背景减除两个阶段。本发明方法具有良好的前景检测质量，实现了较高的实时性，同时有效消除了阴影和高亮噪声的影响。

主权项

一种消除阴影和高亮噪声的双梯柱体码本前景检测方法，采用双梯柱体码本模型，颜色空间采用YUV颜色模型，记为DTCC_YUV，模型下部构造成正立的梯柱体，形成阴影检测区域；模型上部构造成倒立的梯柱体，形成高亮噪声检测区域；模型中部构造成圆柱体，形成主体背景检测区域；所述方法包括模型构建和背景减除两个阶段：模型构建阶段的算法步骤为：第(1)步：每个像素的码本每个码本含有的码字数L←0；第(2)步：设t为时刻，t＝1；第(3)步：若t<＝N为真，则转第(4)步；否则，转第(9)步；第(4)步：对于像素的一个观察值x_t＝(Y_t,U_t,V_t)，在码本C中基于匹配函数寻找匹配的码字c_i；第(5)步：若码本或码本但没有找到匹配的码字，则转第(6)步；否则，转第(7)步；第(6)步：L←L+1；创建一个新码字c_L←＜Y_t,Y_t,U_t,V_t,1,t‑1,t,t＞；转第(8)步；第(7)步：更新匹配的码字c_i＝＜Y_min,i,Y_max,i,μ_U,i,μ_V,i,f_i,λ_i,p_i,q_i＞为c_i←＜min(Y_t,Y_min,i),max(Y_t,Y_max,i),f_i+1,max{λ_i,t‑q_i},p_i,t＞；转第(8)步；第(8)步：t＝t+1；转第(3)步；第(9)步：针对码本C中的每个码字c_i,i的取值从1到L，更新码字c_i的码元λ_i←max{λ_i,N‑q_i+p_i‑1}，删除码元λ_i＞N/2的码字c_i；第(10)步：结束；背景减除阶段的算法步骤为：第(1)步：设t为时刻，t＝1；第(2)步：若t<＝N为真，则转第(3)步；否则，转第(8)步；第(3)步：对于像素的一个观察值x_t＝(Y_t,U_t,V_t)，在码本C中基于匹配函数寻找匹配的码字c_i；第(4)步：若码本or码本但没有找到匹配的码字，则转第(5)步；否则，转第(6)步；第(5)步：像素为前景；转第(7)步；第(6)步：像素为背景；更新匹配的码字c_i＝＜Y_min,i,Y_max,i,μ_U,i,μ_V,i,f_i,λ_i,p_i,q_i＞为c_i←＜min(Y_t,Y_min,i),max(Y_t,Y_max,i),f_i+1,max{λ_i,t‑q_i},p_i,t＞；转第(7)步；第(7)步：t＝t+1；转第(2)步；第(8)步：结束:以上表达式中各参数和算符的意义为：设视频中同一位置的像素在不同时刻的观察值序列：X＝{x₁，x₂，…，x_N}，x_t为视频t时刻的一个像素观察值；DTCC_YUV模型基于YUV颜色模型，为每个像素建立一个码本C＝{c₁，c₂，…，c_L}，每个码本含有L个码字c_i，码字结构设计为一个8元组：c_i＝＜Y_min,i,Y_max,i,μ_U,i,μ_V,i,f_i,λ_i,p_i,q_i＞            (1)式中：i为码字序号；c_i为码本中的码字；Y_min,i,Y_max,i分别为匹配码字的像素的Y分量的最小和最大值；μ_U,i,μ_V,i分别为匹配码字的像素的U、V分量的均值；f_i为匹配码字的像素的个数，即匹配成功的次数；λ_i为码字未成功匹配的最大时间间隔；p_i,q_i分别为码字第一次和最后一次成功匹配的时刻。