权值自适应调整的加权平均背景更新方法

摘要

本发明公布了一种权值自适应调整的加权平均背景更新方法，本发明对当前帧图像与前一帧图像进行前向帧差计算并二值化，得到前向帧差前景二值图，对当前帧图像与后一帧图像进行后向帧差计算并二值化，得到后向帧差前景二值图，对前向和后向帧差前景二值图执行与操作，得到能够准确区分运动车辆区域与静止背景区域的二值图，最后根据该二值图判断像素所处的区域，对每个像素赋予自适应的权值进行加权平均背景更新。本发明所提供的背景更新方法能够对光照变化和车流变化进行自适应响应，且具有准确性高的优点。

主权项

1.一种权值自适应调整的加权平均背景更新方法，其特征在于包括如下步骤：①计算前向帧差图像并对其二值化：背景初始化之后得到的背景图像为B₀，当采集到第i帧图像P_i(i＞1)时，计算第i帧图像P_i与第i-1帧图像P_i-1之间的绝对差，得到第i帧前向帧差图像PP_i1，即：PP_i1(x，y)＝|P_i(x，y)-P_i-1(x，y)|，式中，P_i(x，y)表示第i帧图像P_i中坐标为(x，y)的像素的灰度，P_i-1(x，y)表示第i-1帧图像P_i-1中坐标为(x，y)的像素的灰度，PP_i1(x，y)表示第i帧前向帧差图像PP_i1(x，y)中坐标为(x，y)的像素的灰度，x，y分别表示横坐标和纵坐标，下同；其次，计算第i帧前向帧差图像PP_i1的最佳分割阈值THR_i1，其步骤如下：(1)求出第i帧前向帧差图像PP_i1中的最小灰度值Z₁和最大灰度值Z_m，令迭代次数k＝0，分割阈值的初值为T₀＝(Z₁+Z_m)/2，此时T_k＝T₀；(2)根据阈值T_k对第i帧前向帧差图像PP_i1进行分割，灰度大于等于阈值T_k的像素区域被分割为第i帧前向帧差图像PP_i1中的运动目标区域PPO_ik1，灰度小于阈值T_k的像素区域被分割为背景区域PPB_ik1，PPO_ik1＝{(x，y)|PP_i1(x，y)≥T_k}，PPB_ik1＝{(x，y)|PP_i1(x，y)＜T_k}，分别计算运动目标区域PPO_ik1的平均灰度值Z_k1和背景区域PPB_ik1的平均灰度值Z_k2，$Z_{k1}=\frac{\underset{(x,y)\in {\mathrm{PPO}}_{\mathrm{ik}1}}{\Sigma }{\mathrm{PP}}_{i1}(x,y)}{N_{1k}},$$Z_{k2}=\frac{\underset{(x,y)\in {\mathrm{PPB}}_{\mathrm{ik}1}}{\Sigma }{\mathrm{PP}}_{i1}(x,y)}{N_{2k}},$式中，N_1k和N_2k分别表示运动目标区域PPO_ik1和背景区域PPB_ik1中像素的个数；(3)求出新的阈值T_k+1＝(Z_k1+Z_k2)/2；(4)若T_k+1＝T_k则结束迭代，令THR_i1＝T_k，否则令k＝k+1，重复第(2)-(3)步，最后，根据最佳分割阈值THR_i1对第i帧前向帧差图像PP_i1进行二值化计算，得到第i帧前向帧差图像PP_i1的初始前景二值图$\overline{{\mathrm{OM}}_{i1}}(x,y)=\left\{\begin{array}{cc}1,& \mathrm{if}{\mathrm{PP}}_{i1}(x,y)\ge {\mathrm{THR}}_{i1}\\ 0,& \mathrm{else}\end{array}\right.,$式中，表示第i帧前向帧差图像PP_i1的初始前景二值图中坐标为(x，y)的像素的值，若为1表示该像素属于运动车辆区域，若为0表示该像素属于静止背景区域，利用种子填充法去除初始前景二值图中的空洞，获得第i帧前向帧差图像PP_i1的最终前景二值图OM_i1；②计算后向帧差图像并对其二值化：计算第i帧图像P_i与第i+1帧图像P_i+1之间的绝对差，得到第i帧后向帧差图像PP_i2，即，PP_i2(x，y)＝|P_i(x，y)-P_i+1(x，y)|，式中，P_i(x，y)表示第i帧图像P_i中坐标为(x，y)的像素的灰度，P_i+1(x，y)表示第i+1帧图像P_i+1中坐标为(x，y)的像素的灰度，PP_i2(x，y)表示第i帧后向帧差图像PP_i2(x，y)中坐标为(x，y)的像素的灰度，其次，计算第i帧后向帧差图像PP_i2的最佳分割阈值THR_i2，其步骤如下：(a)求出第i帧后向帧差图像PP_i2中的最小灰度值Z₁和最大灰度值Z_m，令迭代次数k＝0，分割阈值的初值为T₀＝(Z₁+Z_m)/2，此时T_k＝T₀；(b)根据阈值T_k对第i帧后向帧差图像PP_i2进行分割，灰度大于等于阈值T_k的像素区域被分割为第i帧后向帧差图像PP_i2中的运动目标区域PPO_ik2，灰度小于阈值T_k的像素区域被分割为背景区域PPB_ik2，PPO_ik2＝{(x，y)|PP_i2(x，y)≥T_k}，PPB_ik2＝{(x，y)|PP_i2(x，y)＜T_k}，分别计算运动目标区域PPO_ik2的平均灰度值Z_k1和背景区域PPB_ik2的平均灰度值Z_k2，$Z_{k1}=\frac{\underset{(x,y)\in {\mathrm{PPO}}_{\mathrm{ik}2}}{\Sigma }{\mathrm{PP}}_{i2}(x,y)}{N_{1k}},$$Z_{k2}=\frac{\underset{(x,y)\in {\mathrm{PPB}}_{\mathrm{ik}2}}{\Sigma }{\mathrm{PP}}_{i2}(x,y)}{N_{2k}},$式中，N_1k和N_2k分别表示运动目标区域PPO_ik2和背景区域PPB_ik2中像素的个数，(c)求出新的阈值T_k+1＝(Z_k1+Z_k2)/2，(d)若T_k+1＝T_k则结束迭代，令THR_i2＝T_k，否则令k＝k+1，重复第(b)-(c)步，最后，根据最佳分割阈值THR_i2对第i帧后向帧差图像PP_i2进行二值化计算，得到第i帧后向帧差图像PP_i2的初始前景二值图$\overline{{\mathrm{OM}}_{i2}}(x,y)=\left\{\begin{array}{cc}1,& \mathrm{if}{\mathrm{PP}}_{i2}(x,y)\ge {\mathrm{THR}}_{i2}\\ 0,& \mathrm{else}\end{array}\right.,$式中，表示第i帧后向帧差图像PP_i2的初始前景二值图中坐标为(x，y)的像素的值，若为1表示该像素属于运动车辆区域，若为0表示该像素属于静止背景区域，利用种子填充法去除初始前景二值图中的空洞，获得第i帧后向帧差图像PP_i2的最终前景二值图OM_i2；③计算第i帧图像P_i的前景二值图OM_i：OM_i(x，y)＝OM_i1(x，y)and OM_i2(x，y)，式中，OM_i(x，y)表示第i帧图像P_i的前景二值图OM_i中坐标为(x，y)的像素的值，OM_i1(x，y)表示第i帧前向帧差图像PP_i1的前景二值图OM_i1中坐标为(x，y)的像素的值，OM_i2(x，y)表示第i帧后向帧差图像PP_i2的前景二值图OM_i2中坐标为(x，y)的像素的值，若为1表示该像素属于运动车辆区域，若为0表示该像素属于静止背景区域；④计算第i帧背景图像B_i：根据第i帧图像P_i的前景二值图OM_i计算第i帧背景图像B_i，$B_i(x,y)=\left\{\begin{array}{ccc}\alpha ·B_{i-1}(x,y)+(1-\alpha )·P_i(x,y),& \mathrm{if}& {\mathrm{OM}}_i(x,y)=1\\ (1-\alpha )·B_{i-1}(x,y)+\alpha ·P_i(x,y),& \mathrm{if}& {\mathrm{OM}}_i(x,y)=0\end{array}\right.,$式中权值α取0.9。