一种基于概率密度估计的随机摆动区域检测方法

摘要

本发明涉及一种基于概率密度估计的随机摆动区域检测方法。现有方法中的背景模型无法及时适应随机摆动的干扰。本发明首先对采集的实时视频图像进行背景建模，本文采用无参数的核密度估计方法，然后提取背景像素的概率密度分布曲线的特性，计算背景像素的评价系数，并采用自适应方法判定出随机摆动区域。最后对概率密度分布曲线的变化趋势进行估计，更新评价系数的阈值，以适应随机摆动的时序变化。本发明利用背景的概率密度分布曲线的特性检测随机摆动区域，取得了较好的效果，提高了背景模型的精度。该方法仅采用背景模型的分布特性，未增加多余的计算量，确保了方法的实时性。

主权项

一种基于概率密度估计的随机摆动区域检测方法，其特征在于该方法包括以下步骤：步骤1.从视频采集设备中获取实时视频图像；步骤2.收集数据样本，利用无参数估计方法对视频图像中每个像素进行背景建模，初始化背景的概率密度估计模型；步骤3.对一帧图像进行分块，以块为单位对背景模型中的像素的概率密度分布曲线进行分析，获取块内各像素点的波峰信息，并计算块的评价系数，最后采用自适应方法确定阈值，并判定出随机摆动区域；具体是：首先以块为单位对图像进行分析，遍历各像素点的曲线分布，并获取波峰信息；然后利用提取得到的各个波峰的峰值来得到不同区域的评价系数C，评价系数C代表了概率密度曲线的复杂度；$C=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\frac{P_i}{S}$其中n为波峰的个数，P_i为波峰的峰值，S为所有波峰的峰值和；最后采用双阈值方法判定该块是否为随机摆动区域，所述的双阈值方法为自适应方法中的一种；步骤4.根据当前帧图像与前景、背景样本的概率分布，更新背景模型的概率密度估计，并随概率密度分布曲线的实时更新，计算每帧图像评价系数的均值，将均值作为概率密度曲线的变化趋势，并对阈值进行更新，以使得阈值达到自适应的目的。