專利名稱：基于主成分分析的視頻圖像背景檢測方法
基于主成分分析的視頻圖像背景檢測方法技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于主成分分析的視頻圖像背景檢測方法。
背景技術(shù)：
隨著視頻監(jiān)控攝像頭在智能監(jiān)控領(lǐng)域的廣泛應(yīng)用與智能視頻分析技術(shù)的快速發(fā)展，視頻摘要技術(shù)逐漸進入人們的眼簾。視頻摘要技術(shù)，是一種將長時間的海量視頻數(shù)據(jù)壓縮到一個可控的時間段內(nèi)的技術(shù)，便于提供給人們進行視頻瀏覽。在視頻摘要技術(shù)中，需要利用高效的背景檢測方法，以對視頻圖像的背景加以檢測，進而捕捉視頻中的前景運動物體作為視頻摘要跟蹤的對象，因此背景檢測技術(shù)成為了視頻摘要技術(shù)中的一個研究熱點。 同時，在其它視頻圖像處理技術(shù)領(lǐng)域，例如人臉識別技術(shù)領(lǐng)域、視頻壓縮處理技術(shù)領(lǐng)域等， 也需要借助背景檢測技術(shù)完成背景、前景的區(qū)分?？梢?，背景檢測技術(shù)在多種應(yīng)用的視頻圖像處理技術(shù)中都具有重要的地位，是目前圖像處理技術(shù)領(lǐng)域中的一個主流研究方向。目前使用比較廣泛的背景檢測方法主要有背景差分法、核密度估計檢測法、混合高斯背景建模檢測法和codebook背景建模檢測法。
Heikkila 等人在文獻“Heikkila，J. and 0. Silven. A real-time system for monitoring of cyclists and pedestrians. In :Second IEEE Workshop on Visual Surveillance. Collins, Colorado :IEEE, 1999. 74-81” 和文獻“Piccardi，M. Background subtraction techniques -.a review. In :IEEE International Conference on Systems, Man and Cybernetics 2004. The Hague，Netherlands :IEEE 2004. 3099-3104 vol. 4”中提出了背景差分法，該算法使用了背景相減的方法，即通過將待處理視頻圖像序列減去事先給定的一副背景圖像，再應(yīng)用二值化的方法來區(qū)分出運動前景。該算法的優(yōu)點是容易實現(xiàn)， 算法復(fù)雜度低，幾乎不會耗費多少計算資源就可以快速的獲取運動前景，進而應(yīng)用到實時視頻摘要生成系統(tǒng)中去。但是，該算法需要事先給定一副完整的背景圖像，且完整的背景圖像不易獲取，依賴外部輸入，并不能夠隨著時間推移進行更新，導(dǎo)致視頻處理后期的工作出現(xiàn)較大的誤差。
Elgammal 等人在文獻"Piccardi，Μ. Background subtraction techniques :a review. In :IEEE International Conference on Systems, Man and Cybernetics 2004. The HagueiNetherlands :IEEE 2004. 3099—3104 vol. 4”禾口文獻“Elgammal，A.，D. Harwood， and L. Davis, Non-parametric model for background subtraction. Computer Vision ECCV 2000,2000 :p. 751-767”中提出了非參數(shù)背景建模方法，估計背景像素值在時間序列上的概率密度，通過一個長度設(shè)定的窗口以及窗函數(shù)估計像素值屬于前景或者背景的概率，從而判斷圖像中各個像素是否為背景像素。該算法的優(yōu)點是方便適應(yīng)新的訓(xùn)練樣本加入，為密度估計的在線學(xué)習提供便利。但是，該算法計算復(fù)雜度太大，不適合應(yīng)用于實時運動檢測系統(tǒng)中，并且在動態(tài)背景和光線突變條件下的魯棒性不高。
Wren 等人在文 ^ "Wren, C. R. ， et al. Pfinder :Real-time tracking ofthehuman body. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1997. 19(7) :p. 780-785. ”中使用單高斯模型對背景進行建模，克服了需要外部輸入背景的限制，在室內(nèi)等單峰環(huán)境下具有較好的檢測效果，但是在復(fù)雜的多峰環(huán)境中，如波動的湖面和擺動的樹葉，就很難使用該模型對背景環(huán)境進行準確的建模了。為了解決這些問題， Stauffer等人提出了混合高斯背景建模檢測法(簡稱為MOG方法)，該檢測方法考慮了像素點在時間上的連續(xù)性，將背景像素在時間序列上的分布假設(shè)為混合高斯模型，并假設(shè)了 RGB空間的三個分量之間是相互獨立的，給出了背景像素的分布特征，即背景像素在RGB空間中呈現(xiàn)球狀分布。但是，RGB空間中的三個分量并不是相互獨立的，因此MOG方法對背景像素的分布特征的描述不是很準確，導(dǎo)致運動前景檢測誤差的增大。
Kim 等在文獻“Kim, K. , et al. , Real-time foreground-background segmentation using codebook model. Real-time imaging, 2005. 11 (3) :p. 172-185”禾口文獻"Chalidabhongse, Τ. H. , et al. A perturbation method for evaluating background subtraction algorithms. In Joint IEEE International Workshop on Visual Surveillance and Performance Evaluation of Tracking and Surveillance. 2003. Nice, France =Citeseer"中提出了一種結(jié)構(gòu)化的codebook背景建模檢測法，在多峰環(huán)境下得到了較好的圖像背景檢測效果。mi等在文獻“mi，Μ. and X. Peng, Spatio-temporal context for codebook—based dynamic background subtraction. AEU-International Journal of Electronics and Communications, 2010. 64 (8) :p. 739—747” 以及 Qiu 等在文獻"Tu, Q. , Y. Xu, and Μ. Zhou. Box-based codebook model for real-time objects detection. In :7th World Congress on Intelligent Control and Automation. Chongqing,China =IEEE, 2008. 7621-7625”中分別對 Kim等提出的 codebook 背景建模檢測法進行了部分改進，在一定程度上進一步提高了背景檢測的準確度。codebook背景建模檢測法，是基于視頻圖像像素點的亮度變化，通過界定背景模型的亮度上、下邊界實現(xiàn)背景、 前景的區(qū)分，降低了全局和局部光照變化對背景區(qū)分的影響，背景檢測效果相對于MOG方法而言更好，而且其運算可以在不影響前景檢測效果的基礎(chǔ)上對背景模型進行壓縮，大大減少了對內(nèi)存的需求和計算量，處理效果和運算效率較優(yōu)于前述的三種背景檢測方法。但是，也正是由于codebook背景建模檢測法是基于對視頻圖像像素點的亮度統(tǒng)計觀察而提出的，而沒有考慮視頻圖像像素點的RGB分量分布輪廓，因此在很多情況下對圖像背景、前景的區(qū)分不夠準確，導(dǎo)致背景檢測和前景捕捉存在較多的噪點。發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明將視頻圖像像素點的RGB三分量作為背景檢測的三個主成分加以考慮，提出一種背景檢測準確性更高的基于主成分分析的視頻圖像背景檢測方法。
為實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)手段
基于主成分分析的視頻圖像背景檢測方法，包括如下步驟
a)從視頻中提取F幀圖像作為訓(xùn)練樣本集，100彡F彡L，L表示視頻的總幀數(shù)；
b)分別求取訓(xùn)練樣本集中圖像各像素點的RGB均值矩陣
權(quán)利要求
1.基于主成分分析的視頻圖像背景檢測方法，其特征在于，包括如下步驟a)從視頻中提取F幀圖像作為訓(xùn)練樣本集
全文摘要
本發(fā)明提供了一種基于主成分分析的視頻圖像背景檢測方法，該方法將視頻圖像像素點的RGB三分量作為背景檢測的三個主成分加以考慮，根據(jù)研究、實驗發(fā)現(xiàn)的視頻圖像中像素點的RGB分量分布特性，應(yīng)用主成分分析思路對視頻圖像背景像素點的RGB分量分布變化趨勢進行分析，獲取視頻圖像中背景像素點真實的橄欖球形RGB分量分布輪廓，并結(jié)合閾值法進行背景檢測，提高了背景檢測準確性；即便其背景檢測結(jié)果中存在少量噪點，也都主要分布在前景像素點的附近，完全能夠滿足實際應(yīng)用中視頻圖像背景識別和前景捕獲的實用準確性要求；同時，該方法還基本保持了與codebook背景建模檢測法相當?shù)倪\算效率，具有良好的實時性和魯棒性。
文檔編號G06K9/00GK102509076SQ201110328048
公開日2012年6月20日 申請日期2011年10月25日 優(yōu)先權(quán)日2011年10月25日
發(fā)明者張小洪, 徐玲, 楊丹, 楊夢寧, 洪明堅, 胡海波, 葛永新, 陳遠, 霍東海 申請人:重慶大學(xué)