一種變光照條件下的快速背景減除法
【專利摘要】本發(fā)明涉及一種變光照條件下的快速背景減除法，其過程為：學(xué)習(xí)背景模板，通過待測(cè)的當(dāng)前幀與其前一幀圖像差值的均值和方差比較判斷光照是否發(fā)生變化，如果光照發(fā)生了變化，則重新學(xué)習(xí)背景模板，如果光照沒有發(fā)生變化時(shí)，進(jìn)一步利用待測(cè)當(dāng)前幀與背景模板圖像差值的均值與背景學(xué)習(xí)的閾值進(jìn)行比較判斷是否有異物入侵。本發(fā)明中的算法不僅具有較好的背景減除效果，并且計(jì)算速度快，尤其適用于光照變化迅速的場(chǎng)景。本發(fā)明中的算法可以快速實(shí)時(shí)的進(jìn)行光照變化的檢測(cè)，從而實(shí)現(xiàn)背景減除，提取相關(guān)入侵的異物。
【專利說明】
一種變光照條件下的快速背景減除法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及圖像處理技術(shù)，具體的說涉及一種變光照條件下的快速背景減除法。
【背景技術(shù)】
[0002] 計(jì)算機(jī)視覺信息提取技術(shù)中，運(yùn)動(dòng)目標(biāo)檢測(cè)是其一個(gè)關(guān)鍵步驟，也是更高層次的 視頻圖像分析的重要基礎(chǔ)。如何快速準(zhǔn)確的從視頻圖像序列中提取出系統(tǒng)所關(guān)心的運(yùn)動(dòng)目 標(biāo)，是諸多研究人員所關(guān)心的一個(gè)問題。目前常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法主要有光流法、幀差 法和背景減除法三種。其中，光流法由于運(yùn)算復(fù)雜、對(duì)硬件設(shè)備要求高而應(yīng)用較少，幀差法 由于定位準(zhǔn)確性較差、計(jì)算量大等問題，應(yīng)用也比較少，而背景減除法由于計(jì)算量少、實(shí)現(xiàn) 簡(jiǎn)單，且與幀差法相比定位準(zhǔn)確及不擴(kuò)大運(yùn)動(dòng)區(qū)域等優(yōu)點(diǎn)，得到了比較廣泛的應(yīng)用。
[0003] 目前的基于背景減除法的異物提取一般是通過找到圖像序列中的運(yùn)動(dòng)像素點(diǎn)和 靜止像素點(diǎn)，從而找到前景中的變化區(qū)域，進(jìn)而將入侵的異物從背景圖像中提取出來。采用 背景減除法檢測(cè)運(yùn)動(dòng)目標(biāo)或入侵異物時(shí)，首先要建立背景模型，而背景模型的建立方法中， 混合高斯模型方法是應(yīng)用較多的一種，該方法能夠適應(yīng)光線的緩慢變化及一些小的擾動(dòng)， 但其計(jì)算過程復(fù)雜，模型參數(shù)的選取對(duì)其檢測(cè)效果影響較大，提取出的背景會(huì)有"鬼影"現(xiàn) 象，當(dāng)光線突然變化(如開關(guān)燈引起的光照變化)時(shí)，其檢測(cè)常常出錯(cuò)。此外還有一些基于預(yù) 測(cè)估計(jì)的背景建模方法，如Kalman濾波方法，雖然這種方法對(duì)噪聲有較強(qiáng)的抑制作用，但當(dāng) 背景的變化較快時(shí)，這種方法出錯(cuò)的幾率就會(huì)大大增加。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種更加快速的、簡(jiǎn)單的變光照條件下的快速背景減除法， 以解決現(xiàn)有的背景減除算法中存在的光照條件變換較快時(shí)檢測(cè)容易出錯(cuò)的問題。
[0005] 本發(fā)明的目的是這樣實(shí)現(xiàn)的：
[0006] -種變光照條件下的快速背景減除法，其過程為：以灰度圖像序列中連續(xù)的若干 幀圖像作為背景圖像進(jìn)行背景學(xué)習(xí)，然后判斷待測(cè)當(dāng)前幀圖像與其前一幀圖像的光照條件 是否發(fā)生變化，如果光照發(fā)生了變化，則重新進(jìn)行背景學(xué)習(xí)，如果光照沒有發(fā)生變化，則利 用待測(cè)當(dāng)前幀圖像與背景模板圖像差值的均值與背景學(xué)習(xí)的結(jié)果進(jìn)行比較，根據(jù)比較結(jié)果 判斷是否有異物入侵。
[0007] 所述的一種變光照條件下的快速背景減除法，所述過程具體為：
[0008] ①、所述灰度圖像序列是:先選擇視頻圖像序列，然后將視頻圖像序列中的所有圖 像轉(zhuǎn)換為灰度圖像，從而獲得灰度圖像序列；
[0009] ②、以所述灰度圖像序列中連續(xù)的若干幀圖像作為背景圖像進(jìn)行背景學(xué)習(xí)的過程 是：
[0010]首先，學(xué)習(xí)背景模板圖像，即計(jì)算該若干幀圖像的均值A(chǔ)
(i = l，2,...，n)表示所選擇的進(jìn)行背景學(xué)習(xí)的灰度圖像，A表示所選擇的若干幀圖像的灰 度值的均值；
[0011] 然后，計(jì)算該若干幀圖像所有相鄰圖像的差值的絕對(duì)值的均值矩陣T的均值mean
(|τ|);
[0012] 其中，T表示所選擇的若干幀圖像中所有 相鄰圖像灰度值差值矩陣的絕對(duì)值的均值矩陣;mean( |T I)為對(duì)均值矩陣T中所有元素取均 值的結(jié)果
[0013] 本步驟中，所述若干幀圖像的數(shù)量取值為5~20;
[0014] ③、判斷待測(cè)當(dāng)前幀圖像與其前一幀圖像的光照條件是否發(fā)生變化；
[0015] ④、如果步驟③的判斷結(jié)果為光照條件沒有發(fā)生變化，則對(duì)當(dāng)待測(cè)前幀圖像與背 景模板圖像進(jìn)行背景減除得到矩陣C;對(duì)矩陣C中所有像素點(diǎn)取絕對(duì)值得到矩陣|C|，對(duì)矩陣 CI中所有元素取均值和方差得到mean( I CI)和std( I CI);
[0016] 如果mean( |C| )>2T，則判斷為有異物入侵，則利用閾值M對(duì)待測(cè)當(dāng)前幀灰度圖像 進(jìn)行二值化，提取出入侵的異物，其中閾{
[0017] 如果mean( I Cl H 2Τ，則判斷為無丼物人侵，則按步驟?的萬'/云繼續(xù)判斷下一個(gè)待 測(cè)當(dāng)前幀圖像與其前一幀圖像的光照條件是否發(fā)生變化；
[0018] ⑤、如果步驟③的判斷結(jié)果為光照條件發(fā)生了變化，則按步驟②的方法重新選擇 背景圖像進(jìn)行背景學(xué)習(xí)。
[0019] 所述的變光照條件下的快速背景減除法中，步驟③所述判斷待測(cè)當(dāng)前幀圖像與其 前一幀圖像的光照條件是否發(fā)生變化的方法是：
[0020] 計(jì)算待測(cè)當(dāng)前幀灰度圖像、與其前一幀灰度圖像的各像素點(diǎn)灰度值的差值矩 陣B，并對(duì)矩陣B所有元素的絕對(duì)值取均值mean( |B|)和方差std( |B|);
[0021] 如果mean( I B I ) <std( I B I )，則判斷為光照條件沒有發(fā)生變化；否則，則判斷為光 照條件發(fā)生了變化。
[0022] 所述的變光照條件下的快速背景減除法，所述若干幀圖像的數(shù)量取值優(yōu)選為10。
[0023] 目前，本發(fā)明是基于圖像的灰度的均值和方差相結(jié)合的變光照條件下的一種快速 背景剪除法，先通過多幅圖像的學(xué)習(xí)計(jì)算各圖像灰度值的平均值從而取得背景圖像，然后 通過背景相減與幀差法求出差值絕對(duì)值的均值和方差，通過均值與方差的對(duì)比，進(jìn)行兩次 比較判斷，采用背景減法獲取入侵的異物，同時(shí)利用不同均值的對(duì)比來提取異物。本發(fā)明中 的算法不僅具有較好的背景減除效果，并且計(jì)算速度快，尤其適用于光照變化迅速的場(chǎng)景。 本發(fā)明中的算法可以快速實(shí)時(shí)的進(jìn)行光照變化的檢測(cè)，從而實(shí)現(xiàn)背景減除，提取相關(guān)入侵 的異物。
【附圖說明】
[0024]圖1是本發(fā)明方法的結(jié)構(gòu)框圖。
[0025]圖2是Step2所選取的10幀作為背景圖像的灰度圖像。
[0026]圖3是Step2所選取的10幀圖像的各像素點(diǎn)的灰度值的均值計(jì)算結(jié)果。
[0027]圖4是光照條件沒有發(fā)生變化的情況下的待測(cè)的當(dāng)前幀灰度圖像與其前一幀灰度 圖像。
[0028]圖5是光照條件發(fā)生了變化的情況下的待測(cè)的當(dāng)前幀灰度圖像與其前一幀灰度圖 像。
[0029]圖6是對(duì)圖4中b圖進(jìn)行二值化后提取出入侵異物的結(jié)果。
[0030] 圖7是采用傳統(tǒng)背景減法對(duì)圖4中b圖進(jìn)行背景減除的結(jié)果。
【具體實(shí)施方式】
[0031] 實(shí)施例1
[0032] 下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明，圖1是本發(fā)明方法的結(jié)構(gòu)框圖。
[0033] Stepl:開始：
[0034] 從視頻圖像中選取其中1500幀連續(xù)的視頻圖像序列，然后將視頻圖像序列中的所 有圖像轉(zhuǎn)換成灰度圖像，獲得灰度圖像序列。
[0035] 灰度圖像序列中的每一幀圖像均以其各像素點(diǎn)的灰度值為元素構(gòu)成的矩陣表示。
[0036] Step2:從該1500幀連續(xù)的灰度圖像序列中選擇10幀合適連續(xù)的圖像作為背景圖 像(如圖2)進(jìn)行背景學(xué)習(xí)，背景學(xué)習(xí)過程為：
[0037] Π )堂習(xí)昔暑摁板圖僮.即i+笪該1Ω岵圖僮的抝佶A.
[0038]
，其中，Ai(i = l，2，...，10)為 所選擇的10幀圖像中第i幀圖像的各像素點(diǎn)的灰度值矩陣，A表示所選擇的10幀圖像的各像 素點(diǎn)的灰度值的均值構(gòu)成的矩陣，其結(jié)果如圖3所示，
[0039] (2)計(jì)算該10幀圖像中所有相鄰圖像差值的絕對(duì)值的均值矩陣的均值mean( I T I ):
[0040]
其中，Ai(i = l，2, . . .10)為所選擇的10幀 圖像中第i幀圖像的各像素點(diǎn)的灰度值矩陣，T為均值矩陣，表示所選擇的10幀圖像中所有 相鄰兩幅圖像的差值矩陣的絕對(duì)值的均值，mean( I T I )為對(duì)均值矩陣T中所有元素取均值的 結(jié)果。
[0041] 本步驟中，初次進(jìn)行背景圖像的選取時(shí)，以連續(xù)的10幀無異物入侵的圖像作為背 景圖像。
[0042] Step3:判斷待測(cè)當(dāng)前幀圖像與其前一幀圖像的光照條件是否發(fā)生變化：
[0043]設(shè)待測(cè)當(dāng)前幀圖像為、，其前一幀圖像為若待測(cè)當(dāng)前幀圖像及其前一幀圖像 的差值矩陣的所有元素的絕對(duì)值的均值和方差計(jì)算結(jié)果為mean( |B| )<std( |B| )，例如圖4 中所示圖像（圖4中（a)圖像為（b)圖像的前一幀圖像）的計(jì)算結(jié)果為mean(|B|)=0.4004、 std( IB I) =0.9866，由于0.4004<0.9866，則判斷結(jié)果為光照條件沒有發(fā)生變化，
[0044]若待測(cè)的當(dāng)前幀圖像及其前一幀圖像的差值矩陣中所有元素的絕對(duì)值的均值和 方差計(jì)算結(jié)果為mean( |B| ) 2 std( |B| )，例如圖5中所示圖像（圖5中（a)圖像為(b)圖像的前 一幀圖像）的計(jì)算結(jié)果為 mean( |B I )=64.0704、std( |B I )=25.6025,由于 64.0704 > 25.6025，則判斷結(jié)果為光照條件發(fā)生了變化。
[0045] Step4:如果Step3的判斷結(jié)果為光照條件沒有發(fā)生變化，則對(duì)待測(cè)當(dāng)前幀圖像（即 圖4中(b)圖像)與背景學(xué)習(xí)得到的均值矩陣A進(jìn)行背景減除：
[0046] 將待測(cè)當(dāng)前幀圖像、與背景模板圖像進(jìn)行背景減除得到矩陣C，即矩陣C=Aj-Adt 矩陣c中的所有像素點(diǎn)取絕對(duì)值得到矩陣I cI，計(jì)算矩陣I cI中所有像素點(diǎn)的均值和方差得 至ljmean( I CI)和std( I CI);
[0047] 如果mean( |C| )>2mean( |T| )，則判斷為有異物入侵，則利用閾值M對(duì)待測(cè)當(dāng)前幀 圖像A通行二值化，提取出入侵異物，結(jié)果如圖6所示，其中閾值+
[0048] 如果mean( |C| ) < 2mean( |T| )，則判斷為無異物入侵，則按Step3的方法繼續(xù)判斷 下一個(gè)待測(cè)當(dāng)前幀圖像與其前一幀圖像的光照條件是否發(fā)生變化。
[0049] 其中，待測(cè)當(dāng)前幀的選擇為背景圖像之后的圖像。
[0050] Step5:如果Step3的判斷結(jié)果為光照條件發(fā)生了變化，則按Step2的方法重新開始 學(xué)習(xí)背景模板，以Step2所選取的10幀灰度圖像之后相鄰的10幀灰度圖像作為背景模板。 [0051 ] 實(shí)施例2
[0052]與實(shí)施例1相比，本實(shí)施例中Step3對(duì)待測(cè)當(dāng)前幀灰度圖像與其前一幀灰度圖像的 光照條件是否發(fā)生變化的判斷方法是采用高斯模型，按常規(guī)算法步驟進(jìn)行計(jì)算并給出判斷 結(jié)果。
[0053]對(duì)實(shí)施例1和實(shí)施例2方法的統(tǒng)計(jì)結(jié)果表明，實(shí)施例2中采用高斯模型的方法對(duì)變 光照的情況進(jìn)行判斷的正確率在50%左右，而實(shí)施例1中的采用均值和方差的方法對(duì)變光 照的情況判斷正確率在95%左右，遠(yuǎn)遠(yuǎn)高于使用高斯模型進(jìn)行變光照判斷時(shí)的正確率。
[0054] 以上描述了本發(fā)明的兩種【具體實(shí)施方式】，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些
【具體實(shí)施方式】?jī)H是舉例說明，本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明的原理和實(shí)質(zhì)的情況下， 可以對(duì)上述方法和系統(tǒng)的細(xì)節(jié)進(jìn)行各種省略、替換和改變。例如，合并上述方法步驟，從而 按照實(shí)質(zhì)相同的方法執(zhí)行實(shí)質(zhì)相同的功能以實(shí)現(xiàn)實(shí)質(zhì)相同的結(jié)果則屬于本發(fā)明的范圍。
[0055] 對(duì)比例1
[0056] 采用高斯模型，按常規(guī)計(jì)算步驟對(duì)所選擇的灰度圖像圖4(b)進(jìn)行背景減除，減除 結(jié)果如圖7所不。
[0057] 通過圖6與圖7的對(duì)比，可以看出本發(fā)明方法相對(duì)于傳統(tǒng)采用高斯模型方法，在異 物提取效果上更好、更精確。
【主權(quán)項(xiàng)】
1. 一種變光照條件下的快速背景減除法，其特征是，其過程為：W灰度圖像序列中連續(xù) 的若干帖圖像作為背景圖像進(jìn)行背景學(xué)習(xí)，然后判斷待測(cè)當(dāng)前帖圖像與其前一帖圖像的光 照條件是否發(fā)生變化，如果光照發(fā)生了變化，則重新進(jìn)行背景學(xué)習(xí)，如果光照沒有發(fā)生變 化，則利用待測(cè)當(dāng)前帖圖像與背景模板圖像差值的均值與背景學(xué)習(xí)的結(jié)果進(jìn)行比較，根據(jù) 比較結(jié)果判斷是否有異物入侵。2. 根據(jù)權(quán)利要求1所述的一種變光照條件下的快速背景減除法，其特征是，所述過程具 體為： ① 、所述灰度圖像序列是:先選擇視頻圖像序列，然后將視頻圖像序列中的所有圖像轉(zhuǎn) 換為灰度圖像，從而獲得灰度圖像序列； ② 、W所述灰度圖像序列中連續(xù)的若干帖圖像作為背景圖像進(jìn)行背景學(xué)習(xí)的過程是： 首先，學(xué)習(xí)背景模板圖像，即計(jì)算該若干帖圖像的均值A(chǔ); 然后，計(jì)算該若干帖圖像所有相鄰圖像的差值的絕對(duì)值的均值矩陣的均值mean( I T I ); 本步驟中，所述若干帖圖像的數(shù)量取值為5~20; ③ 、判斷待測(cè)當(dāng)前帖圖像與其前一帖圖像的光照條件是否發(fā)生變化； ④ 、如果步驟③的判斷結(jié)果為光照條件沒有發(fā)生變化，則對(duì)當(dāng)待測(cè)前帖圖像與背景模 板圖像進(jìn)行背景減除得到矩陣C;對(duì)矩陣C中所有像素點(diǎn)取絕對(duì)值得到矩陣I C I，對(duì)矩陣I C 中所有元素取均值和方差得到mean( I CI)和std( I CI); 如果mean( |C| )>2mean( |T| )，則判斷為有異物入侵，則利用闊值Μ對(duì)待測(cè)當(dāng)前帖圖像 進(jìn)行二值化，提取入侵異物，其中闊值如果mean( I CI ) < 2mean( I Τ I )，則判斷為無異物入侵，則按步驟③的方法繼續(xù)判斷下一 個(gè)待測(cè)當(dāng)前帖圖像與其前一帖圖像的光照條件是否發(fā)生變化； ⑤ 、如果步驟③的判斷結(jié)果為光照條件發(fā)生了變化，則按步驟②的方法重新選擇背景 圖像進(jìn)行背景學(xué)習(xí)。3. 根據(jù)權(quán)利要求2所述的變光照條件下的快速背景減除法，其特征是： 步驟③所述判斷待測(cè)當(dāng)前帖圖像與其前一帖圖像的光照條件是否發(fā)生變化的方法是： 計(jì)算待測(cè)當(dāng)前帖灰度圖像Aj與其前一帖灰度圖像Aw的各像素點(diǎn)灰度值的差值矩陣B， 并對(duì)矩陣B所有元素的絕對(duì)值取均值mean( IB I)和方差std( IB I); 如果mean( |B| )<std( |B| )，則判斷為光照條件沒有發(fā)生變化；否則，則判斷為光照條 件發(fā)生了變化。4. 根據(jù)權(quán)利要求2所述的變光照條件下的快速背景減除法，其特征是，所述若干帖圖像 的數(shù)量取值優(yōu)選為10。
【文檔編號(hào)】G06T7/20GK105844671SQ201610223117
【公開日】2016年8月10日
【申請(qǐng)日】2016年4月12日
【發(fā)明人】劉帥奇, 張宇, 劉明, 趙杰, 王前程
【申請(qǐng)人】河北大學(xué)