一種視頻圖像的前景識別提取和拼接方法技術

本發明專利技術涉及一種視頻圖像的前景識別提取和拼接方法，該方法針對視頻圖像背景更新過程中目標與背景相互轉化的動態不確定性，以及前景圖像提取的準確與完整性，建立相應的模型和方法，對背景學習速率進行自適應控制，在粗提取前景圖像之后，對破碎的前景進行拼接以及噪聲去除，最終檢測并分離出前景圖像，并進行前景圖像連通，構成整體前景圖像，達到前景提取的正確性和有效性。屬于計算機圖像處理領域。

【技術實現步驟摘要】

【技術保護點】
一種視頻圖像的前景識別提取和拼接方法，其特征在于該方法包括以下步驟：步驟一：前景圖像模型建立設圖像中的像素點(x0,y0)在t時刻的觀察值Xt屬于背景的概率為：P(Xt)=Σi=1Kωi,t*η(Xt,μi,t,Σi,t)其中，K為模型中的高斯分布個數；為t時刻第i個高斯分布的權值；μi，t為t時刻第i個高斯分布的均值；∑i，t為t時刻第i個高斯分布的協方差矩陣，其定義如下：Σi,t=σi2I為第i個高斯分布的方差，I為i行i列的單位陣；η為高斯分布的概率密度函數：η(Xt,μi,t,Σi,t)=1(2π)π2|Σi,t|12*e-12(Xt-μt,t)TΣ-1(Xt-μi,t)取K=5，初始化時第1個高斯分布的權值設為1，均值為當前像素點的值Xt，方差設為12.5，匹配次數設為1；除第1個高斯分布之外的其他分布的權值、均值均設為0，方差設為12.5，匹配次數設為0；步驟二：模型更新對K個高斯分布按照優先級從高到低排列，每個新觀測值Xt與K個高斯分布按下式進行匹配計算：|Xt?μi，t?1|σi,t2=(1-β)σi,t-12+β(Xt-μi,t)T(Xt-μi,t)β=αη(Xt|μi，t,σi，t)沒有匹配的高斯分布維持不變；對于每個高斯分布設置一個計數值用來記錄每幀中每個高斯分布的匹配次數，每匹配一次該計數值加1，該計數值稱為高斯分布匹配次數mi，t；α和β是模型更新過程中兩個重要的參數，β為均值和方差的學習速率；如果Xt與任何一個高斯分布都不匹配，則優先級最低的高斯分布將被一個新的高斯分布替換，該分布的權值設為K個高斯分布的匹配次數之和的倒數，均值設為Xt，方差設為900，匹配次數設為1；將K個高斯分布按優先級由高到低排列，取前B個高斯分布生成背景，如下式：Xbg=Σi=1Bωi,tμi,tB=argminb(Σi=1bωi>T)其中，arg?min()函數為求出滿足的最小的b，并將b的值賦給B，T為背景選取閾值（0E=summatchnummatchS=(mi,t-E)2根據以下不同情況對背景學習速率α進行自適應更新：1）當標準差S＞4500時，當前幀的主匹配次數mi，t相對歷史值有較大變動，此時暫不更新α的值，清空計數值nummatch和累計值summatch，將當前幀作為累計的起始幀，將均值E更改為當前幀的主分布匹配次數m1，t；2）當標準差S的取值范圍為4500≥S>500，且當前主匹配次數mi，t大于均值E時，背景學習速率α更改為0.004；3）當標準差S的取值范圍為4500≥S>500，且當前主匹配次數mi，t小于等于均值E時，背景學習速率α更改為0.02.4）當標準差S≤500時，背景學習速率α穩定在0.005；步驟四：前景粗提取1）將當前視頻圖像和構造出的背景圖像化為灰度圖像，計算方法為：Gray=0.072169B+0.715160G+0.202671R其中R、G、B分別表示每個像素紅、綠、藍值，Gray是轉換后的灰度值；2）將轉化為灰度圖像的當前視頻圖像和背景圖像進行灰度平衡處理，首先統計灰度值為j所對應的像素個數nj，j=0,1,2,…,255，則對應灰度值為j的直方圖高為nj，記為H(j)=nj；計算直方圖的面積，記為H’(x)，即：H′(x)=∫0x(ζ)dζ,其中x=0,1,2,……,255.根據直方圖的面積計算值，對得到的當前視頻圖像和背景圖像的灰度圖，重新計算像素值為H’(x),x=0,1,2,……,255；3）將經過灰度平衡處理后的當前視頻圖像幀和背景圖像幀中每個對應像素值相減，得到差值圖像；4）對差值圖像的每個像素，統計灰度值為j對應的像素個數nj，再計算每個灰度級上的像素個數占該圖像總像素個數的比例wj，設分割閾值為ψ，其中ψ可取值范圍為0,1,2,…,255。將灰度級j＜ψ的所有像素視為背景像素，灰度級j＞ψ的所有像素視為前景像素；則背景像素個數占該圖像總像素個數比例W0=w0+w1+w2+……+wψ，并計算平均灰度U0=Σk=0ψk*wkW0.計算前景像素個數占該圖像總像素個數比例W1=Σk=ψ+1255wk,并計算平均灰度：U1=&Sig...

【技術特征摘要】

【專利技術屬性】
技術研發人員：楊庚，李百惠，徐勁松，王欣宇，斯聞豪，
申請(專利權)人：南京郵電大學，
類型：發明
國別省市：