主权项 |
1.基于主成分分析的视频图像背景检测方法,其特征在于,包括如下步骤:a)从视频中提取F帧图像作为训练样本集,100≤F≤L,L表示视频的总帧数;b)分别求取训练样本集中图像各像素点的RGB均值矩阵:<maths num="0001"><![CDATA[<math><mrow><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>=</mo><mfrac><mn>1</mn><mi>F</mi></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>F</mi></munderover><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>,</mo><mi>k</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mrow><mo>(</mo><mi>M</mi><mo>×</mo><mi>N</mi><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>其中,k表示训练样本集的图像中像素点的序号,M×N表示视频图像的分辨率;<img file="FDA0000102062370000012.GIF" wi="55" he="57" />表示训练样本集中图像第k个像素点的RGB均值矩阵;X<sub>k</sub>(i)=[R<sub>k</sub>(i),G<sub>k</sub>(i),B<sub>k</sub>(i)]表示训练样本集中第i帧图像第k个像素点的RGB矩阵,1≤i≤F,R<sub>k</sub>(i)、G<sub>k</sub>(i)和B<sub>k</sub>(i)分别表示训练样本集中第i帧图像第k个像素点的红色分量值、绿色分量值和蓝色分量值;c)分别求取训练样本集中图像各像素点的RGB协方差矩阵:<maths num="0002"><![CDATA[<math><mrow><mi>cov</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mi>F</mi><mo>-</mo><mn>1</mn></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>F</mi></munderover><mo>[</mo><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>)</mo></mrow><mo>×</mo><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mo>-</mo><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mo>]</mo><mo>,</mo><mi>k</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mrow><mo>(</mo><mi>M</mi><mo>×</mo><mi>N</mi><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>其中,cov(X<sub>k</sub>)表示训练样本集中图像第k个像素点的RGB协方差矩阵;T为矩阵转置符号;d)根据训练样本集中图像各像素点的RGB协方差矩阵分别确定各像素点的背景边界阈值:<maths num="0003"><![CDATA[<math><mrow><msub><mi>TH</mi><mi>k</mi></msub><mo>=</mo><mi>n</mi><mo>×</mo><msqrt><mi>tr</mi><mo>[</mo><mi>cov</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mo>)</mo></mrow><mo>]</mo></msqrt><mo>,</mo><mi>k</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mrow><mo>(</mo><mi>M</mi><mo>×</mo><mi>N</mi><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>其中,TH<sub>k</sub>表示视频图像第k个像素点的背景边界阈值;tr[cov(X<sub>k</sub>)]表示训练样本集中图像第k个像素点的RGB协方差矩阵cov(X<sub>k</sub>)的迹;参数n为常数,取值范围为1~5;e)对于视频中作为背景检测对象的J帧图像,1≤J≤L,分别求取作为背景检测对象的每一帧图像各像素点的RGB矩阵与训练样本集中图像的对应序号像素点的RGB均值矩阵的马氏距离:<maths num="0004"><![CDATA[<math><mrow><mi>Dis</mi><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>,</mo><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>)</mo></mrow><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mi>cov</mi><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mo>)</mo></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msup><mrow><mo>(</mo><msub><mi>X</mi><mi>k</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><msub><mover><mi>X</mi><mo>‾</mo></mover><mi>k</mi></msub><mo>)</mo></mrow></msqrt><mo>,</mo></mrow></math>]]></maths>k=1,2,…,(M×N),j=1,2,…,J;其中,<img file="FDA0000102062370000016.GIF" wi="318" he="70" />表示作为背景检测对象的第j帧图像第k个像素点的RGB矩阵X<sub>k</sub>(j)与训练样本集中图像第k个像素点的RGB均值矩阵<img file="FDA0000102062370000017.GIF" wi="55" he="57" />的马氏距离;X<sub>k</sub>(j)=[R<sub>k</sub>(j),G<sub>k</sub>(j),B<sub>k</sub>(j)]表示作为背景检测对象的第j帧图像第k个像素点的RGB矩阵,R<sub>k</sub>(j)、G<sub>k</sub>(j)和B<sub>k</sub>(j)分别表示作为背景检测对象的第j帧图像第k个像素点的红色分量值、绿色分量值和蓝色分量值;T为矩阵转置符号;f)对于视频中作为背景检测对象的J帧图像,若<img file="FDA0000102062370000021.GIF" wi="468" he="70" />则判定作为背景检测对象的第j帧图像第k个像素点为背景像素点;否则,判定作为背景检测对象的第j帧图像第k个像素点为前景像素点;由此检测出视频中作为背景检测对象的J帧图像的各个像素点是否为背景像素点,完成对作为背景检测对象的J帧图像的背景检测。 |