基于主成分分析的视频图像背景检测方法

摘要

本发明提供了一种基于主成分分析的视频图像背景检测方法，该方法将视频图像像素点的RGB三分量作为背景检测的三个主成分加以考虑，根据研究、实验发现的视频图像中像素点的RGB分量分布特性，应用主成分分析思路对视频图像背景像素点的RGB分量分布变化趋势进行分析，获取视频图像中背景像素点真实的橄榄球形RGB分量分布轮廓，并结合阈值法进行背景检测，提高了背景检测准确性；即便其背景检测结果中存在少量噪点，也都主要分布在前景像素点的附近，完全能够满足实际应用中视频图像背景识别和前景捕获的实用准确性要求；同时，该方法还基本保持了与codebook背景建模检测法相当的运算效率，具有良好的实时性和鲁棒性。

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：${\bar{X}}_k=\frac{1}{F}\underset{i=1}{\overset{F}{\Sigma }}{X}_k\left(i\right),k=\mathrm{1,2},...,(M\times N);$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；表示训练样本集中图像第k个像素点的RGB均值矩阵；X_k(i)＝[R_k(i)，G_k(i)，B_k(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_k(i)、G_k(i)和B_k(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：$\mathrm{cov}\left(X_k\right)=\frac{1}{F-1}\underset{i=1}{\overset{F}{\Sigma }}[(X_k\left(i\right)-{\bar{X}}_k)\times {(X_k\left(i\right)-{\bar{X}}_k)}^T],k=\mathrm{1,2},...,(M\times N);$其中，cov(X_k)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：${\mathrm{TH}}_k=n\times \sqrt{\mathrm{tr}\left[\mathrm{cov}\left(X_k\right)\right]},k=\mathrm{1,2},...,(M\times N);$其中，TH_k表示视频图像第k个像素点的背景边界阈值；tr[cov(X_k)]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_k)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：$\mathrm{Dis}(X_k\left(j\right),{\bar{X}}_k)=\sqrt{{(X_k\left(j\right)-{\bar{X}}_k)}^T\mathrm{cov}{\left(X_k\right)}^{-1}(X_k\left(j\right)-{\bar{X}}_k)},$k＝1，2，…，(M×N)，j＝1，2，…，J；其中，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_k(j)与训练样本集中图像第k个像素点的RGB均值矩阵的马氏距离；X_k(j)＝[R_k(j)，G_k(j)，B_k(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_k(j)、G_k(j)和B_k(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。