| 主权项 |
一种基于颜色空间自适应更新的视觉背景提取方法，其特征在于：包括：A.为标准视频帧的像素建立样本集并统计每个样本出现的次数，从而得到标准模型；B.将待测视频帧的像素与标准模型的像素进行对比和最近距离寻找计算，从而对待测视频帧的像素进行前景分割；C.计算标准模型中样本的可信度和自适应更新因子，然后根据自适应更新因子对样本进行动态更新；D.在YUV色彩空间中对前景分割得到的前景图与背景图进行差分和直方图分析，然后根据直方图分析的结果和颜色特性差异对前景像素的阴影进行识别与消除；所述步骤A,其具体为：首先，为标准视频帧的任一像素x建立一个样本集M(x)，并为样本集M(x)中的每个样本建立一个MAP结构；然后统计每个样本出现的次数N<sub>t</sub>(i)，最后将统计得到的次数N<sub>t</sub>(i)记录到MAP结构中，其中，M(x)＝(v<sub>1</sub>,v<sub>2</sub>,v<sub>3</sub>,…,v<sub>n</sub>),n为大于等于1的整数，i代表样本在MAP结构中的索引，且i＝1,2,3，…，n；所述步骤B，其包括：B1.在标准模型的样本集M(x)中搜索与待测视频帧像素x距离最短的样本；B2.判断搜索到的样本与待测视频帧像素x的距离是否超过预设的距离阈值R，若是，则认为搜索到的样本为相似样本并将该样本的出现次数N<sub>t</sub>(i)加1，反之，则流程结束；B3.判断相似样本的出现次数N<sub>t</sub>(i)是否大于预设的最小基数，若是，则将待测视频帧像素x判定为背景像素，反之，将待测视频帧像素x判定为前景像素；所述步骤C，其包括：C1.计算相似样本的出现频率，所述相似样本的出现频率f的计算公式为：<maths num="0001"><math><![CDATA[<mrow><mi>f</mi><mo>=</mo><mfrac><mrow><msub><mi>N</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></mrow><mi>n</mi></mfrac><mo>,</mo></mrow>]]></math><img file="FDA0001121876860000011.GIF" wi="283" he="157" /></maths>其中，n为总样本数；C2.计算相似样本的稳定性，所述相似样本的稳定性S的计算公式为：<maths num="0002"><math><![CDATA[<mrow><mi>S</mi><mo>=</mo><mi>m</mi><mi>i</mi><mi>n</mi><mrow><mo>(</mo><msup><mrow><mo>(</mo><mfrac><mi>t</mi><mi>ϵ</mi></mfrac><mo>)</mo></mrow><mn>2</mn></msup><mo>,</mo><mn>1</mn><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA0001121876860000021.GIF" wi="478" he="206" /></maths>其中，t为连续持续的稳定时间，ε为最大的时间阈值；C3.根据相似样本的出现频率f和稳定性S计算背景点的可信度,所述背景点的可信度<img file="FDA0001121876860000022.GIF" wi="112" he="63" />的计算公式为：<img file="FDA0001121876860000023.GIF" wi="606" he="174" />其中，w<sub>1</sub>∈(0,1),w<sub>2</sub>∈(0,1)，W<sub>1</sub>为像素出现频率的权重，W<sub>2</sub>为像素稳定性的权重；C4.对标准模型中样本V<sub>t</sub>(i)的更新因子进行调整并根据调整后的更新因子对标准模型的样本进行动态更新，调整后的更新因子<img file="FDA0001121876860000024.GIF" wi="181" he="79" />的表达式为：<img file="FDA0001121876860000025.GIF" wi="940" he="206" />其中，β<sub>t</sub>(i,j)为控制样本更新率的因数。 |
