主权项 |
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Pi(i>1)时,计算第i帧图像Pi与第i-1帧图像Pi-1之间的绝对差,得到第i帧前向帧差图像PPi1,即:PPI1(x,y)=|Pi(x,y)-Pi-1(x,y)|,式中,Pi(x,y)表示第i帧图像Pi中坐标为(x,y)的像素的灰度,Pi-1(x,y)表示第i-1帧图像Pi-1中坐标为(x,y)的像素的灰度,PPi1(x,y)表示第i帧前向帧差图像PPi1(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PPi1的最佳分割阈值THRi1,其步骤如下:(1)求出第i帧前向帧差图像PPi1中的最小灰度值Z1和最大灰度值Zm,令迭代次数k=0,分割阈值的初值为T0=(Z1+Zm)/2,此时Tk=T0;(2)根据阈值Tk对第i帧前向帧差图像PPi1进行分割,灰度大于等于阈值Tk的像素区域被分割为第i帧前向帧差图像PPi1中的运动目标区域PPOik1,灰度小于阈值Tk的像素区域被分割为背景区域PPBik1,PPOik1={(x,y)|PPi1(x,y)≥Tk},PPBik1={(x,y)|PPi1(x,y)<Tk},分别计算运动目标区域PPOik1的平均灰度值Zk1和背景区域PPBik1的平均灰度值Zk2, <mrow> <msub> <mi>Z</mi> <mrow> <mi>k</mi> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munder> <mi>Σ</mi> <mrow> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>∈</mo> <mi>PP</mi> <msub> <mi>O</mi> <mrow> <mi>ik</mi> <mn>1</mn> </mrow> </msub> </mrow> </munder> <mi>P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>1</mn> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> </msub> </mrow> <msub> <mi>N</mi> <mrow> <mn>1</mn> <mi>k</mi> </mrow> </msub> </mfrac> <mo>,</mo> </mrow> <mrow> <msub> <mi>Z</mi> <mrow> <mi>k</mi> <mn>2</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munder> <mi>Σ</mi> <mrow> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>∈</mo> <mi>PP</mi> <msub> <mi>B</mi> <mrow> <mi>ik</mi> <mn>1</mn> </mrow> </msub> </mrow> </munder> <mi>P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>N</mi> <mrow> <mn>2</mn> <mi>k</mi> </mrow> </msub> </mfrac> <mo>,</mo> </mrow>式中,N1k和N2k分别表示运动目标区域PPOik1和背景区域PPBik1中像素的个数;(3)求出新的阈值Tk+1=(Zk1+Zk2)/2;(4)若Tk+1=Tk则结束迭代,令THRi1=Tk,否则令k=k+1,重复第(2)-(3)步,最后,根据最佳分割阈值THRi1对第i帧前向帧差图像PPi1进行二值化计算,得到第i帧前向帧差图像PPi1的初始前景二值图OMi1, <mrow> <mover> <mrow> <mi>O</mi> <msub> <mi>M</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> </mrow> <mo>‾</mo> </mover> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mn>1</mn> <mo>,</mo> <mi>if P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>≥</mo> <mi>TH</mi> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> <mo>,</mo> <mi>else</mi> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>式中,OMi1(x,y)表示第i帧前向帧差图像PPi1的初始前景二值图OMi1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OMi1中的空洞,获得第i帧前向帧差图像PPi1的最终前景二值图OMi1;②计算后向帧差图像并对其二值化计算第i帧图像Pi与第i+1帧图像Pi+1之间的绝对差,得到第i帧后向帧差图像PPi2,即,PPi2(x,y)=|Pi(x,y)-Pi+1(x,y)|,式中,Pi(x,y)表示第i帧图像Pi中坐标为(x,y)的像素的灰度,Pi+1(x,y)表示第i+1帧图像Pi+1中坐标为(x,y)的像素的灰度,PPi2(x,y)表示第i帧后向帧差图像PPi2(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PPi2的最佳分割阈值THRi2,其步骤如下:(a)求出第i帧后向帧差图像PPi2中的最小灰度值Z1和最大灰度值Zm,令迭代次数k=0,分割阈值的初值为T0=(Z1+Zm)/2,此时Tk=T0;(b)根据阈值Tk对第i帧后向帧差图像PPi2进行分割,灰度大于等于阈值Tk的像素区域被分割为第i帧后向帧差图像PPi2中的运动目标区域PPOik2,灰度小于阈值Tk的像素区域被分割为背景区域PPBik2,PPOik2={(x,y)|PPi2(x,y)≥Tk},PPBik2={(x,y)|PPi2(x,y)<TK},分别计算运动目标区域PPOik2的平均灰度值Zk1和背景区域PPBik2的平均灰度值Zk2, <mrow> <msub> <mi>Z</mi> <mrow> <mi>k</mi> <mn>1</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munder> <mi>Σ</mi> <mrow> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>∈</mo> <mi>PP</mi> <msub> <mi>O</mi> <mrow> <mi>ik</mi> <mn>2</mn> </mrow> </msub> </mrow> </munder> <mi>P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>N</mi> <mrow> <mn>1</mn> <mi>K</mi> </mrow> </msub> </mfrac> <mo>,</mo> </mrow> <mrow> <msub> <mi>Z</mi> <mrow> <mi>k</mi> <mn>2</mn> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munder> <mi>Σ</mi> <mrow> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>∈</mo> <mi>PP</mi> <msub> <mi>B</mi> <mrow> <mi>ik</mi> <mn>2</mn> </mrow> </msub> </mrow> </munder> <mi>P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>N</mi> <mrow> <mn>2</mn> <mi>k</mi> </mrow> </msub> </mfrac> <mo>,</mo> </mrow>式中,N1k和N2k分别表示运动目标区域PPOik2和背景区域PPBik2中像素的个数,(c)求出新的阈值Tk+1=(Zk1+Zk2)/2,(d)若Tk+1=Tk则结束迭代,令THRi2=Tk,否则令k=k+1,重复第(2)-(3)步,最后,根据最佳分割阈值THRi2对第i帧后向帧差图像PPi2进行二值化计算,得到第i帧后向帧差图像PPI2的初始前景二值图OMi2, <mrow> <mover> <mrow> <mi>O</mi> <msub> <mi>M</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> </mrow> <mo>‾</mo> </mover> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open='{' close='' separators=' '> <mtable> <mtr> <mtd> <mn>1</mn> <mo>,</mo> <mi>if P</mi> <msub> <mi>P</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>≥</mo> <mi>TH</mi> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mn>2</mn> </mrow> </msub> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> <mo>,</mo> <mi>else</mi> </mtd> </mtr> </mtable> <mo>,</mo> </mfenced> </mrow>式中,OMi2(x,y)表示第i帧后向帧差图像PPi2的初始前景二值图OMi2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OMi2中的空洞,获得第i帧后向帧差图像PPi2的最终前景二值图OMi2;③计算第i帧图像Pi的前景二值图OMiOMi(x,y)=OMi1(x,y)and OMi2(x,y),式中,OMi(x,y)表示第i帧图像Pi的前景二值图OMi中坐标为(x,y)的像素的值,OMi1(x,y)表示第i帧前向帧差图像PPi1的前景二值图OMi1中坐标为(x,y)的像素的值,OMi2(x,y)表示第i帧后向帧差图像PPi2的前景二值图OMi2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Bi根据第i帧图像Pi的前景二值图OMi计算第i帧背景图像Bi, <mrow> <msub> <mi>B</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <mi>α</mi> <mo>·</mo> <msub> <mi>B</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>α</mi> <mo>)</mo> </mrow> <mo>·</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mtd> <mtd> <mi>ifO</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>1</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>α</mi> <mo>)</mo> </mrow> <mo>·</mo> <msub> <mi>B</mi> <mrow> <mi>i</mi> <mo>-</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>α</mi> <mo>·</mo> <msub> <mi>P</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>,</mo> </mtd> <mtd> <mi>ifO</mi> <msub> <mi>M</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>式中权值α取0.9。 |