基于自适应Codebook背景模型的前景检测方法

摘要

本发明公开了一种基于自适应Codebook背景模型的前景检测方法，首先采用训练序列训练得到Codebook背景模型，根据Codebook背景模型组成背景图像，对待检测图像进行背景减除得到前景二值图，删除面积小于预设阈值的前景区域，将对应像素点信息更新至Codebook背景模型；对每个前景区域块中的每个像素点设置像素邻域，根据待检测图像灰度图和背景图像灰度图中像素邻域对应区域的HOG特征向量，判断该像素点是否为伪前景像素点，如果是将对应像素点信息更新至Codebook背景模型；再结合亮度范围和互相关系数消除阴影，将阴影对应像素点信息更新至Codebook背景模型，根据最终的Codebook背景模型进行前景减除得到最终的前景目标。本发明可以融合实时场景信息，自适应场景变化，提高前景检测的准确度。

主权项

一种基于自适应Codebook背景模型的前景检测方法，其特征在于，包括以下步骤：S1：采用视频流前若干帧图像作为Codebook背景模型的训练序列，训练得到Codebook背景模型，然后采用每个像素点的码本中权重最大的码字对应的像素值均值组成背景图像；S2：对待检测图像进行背景减除得到前景二值图；S3：遍历前景二值图中每个前景区域，将面积小于预设阈值的前景区域删除，并将对应区域的像素信息更新至Codebook背景模型；S4：分别得到待检测图像和的背景图像的灰度图像；对于当前前景二值图中每个前景区域块，遍历背景区域块中的每个像素点，将以该像素点为中心、边长为[λlg(10+d)]的正方形区域作为像素邻域，其中λ为预设的常数，d表示该像素点与前景区域块的中心像素点的距离；分别计算待检测图像灰度图和背景图像灰度图中像素领域邻域对应区域的HOG特征向量，计算两个HOG特征间的欧式距离D，如果欧式距离D大于预设阈值，说明该像素点是真正的前景像素点，否则该像素点是伪前景像素点，从前景二值图中将判定为伪前景的像素点更改为背景像素点，并将伪前景像素点信息更新至Codebook背景模型；S5：遍历当前前景二值图中前景区域块的每个像素点，记像素点(x,y)在待检测图像中的亮度值为I(x,y)，在背景图像中的亮度值B(x,y)，判断是否T_low＜B(x,y)‑I(x,y)＜T_high，其中T_low、T_high为预设的最小和最大阈值，如果不满足，该像素点为真正的前景像素点，否则将以像素点(x,y)为中心、边长为2l+1的正方形区域为像素邻域，计算待检测图像灰度图和背景图像灰度图中像素邻域对应区域的互相关系数，如果互相关系数小于预设阈值，该像素点为真正的前景像素点，否则该像素点为阴影像素点，将阴影像素点信息更新至Codebook背景模型；S6：根据当前的Codebook背景模型对待检测图像重新进行背景减除，得到最终的前景目标。