基于ViBe算法的鬼影快速抑制方法
基于ViBe算法的鬼影快速抑制方法
【技术领域】
[0001]本发明涉及一种基于ViBe算法的鬼影快速抑制方法，属于信号与信息处理技术领域。
【背景技术】
[0002]2009 年 Olivier Barnich 和 Marc Van Droogenbroeck 首次提出将随机集合的概念运用于运动目标的前景提取领域，并将此算法命名为ViBe (Visual BackgroundExtractor)算法。ViBe算法使用随机的策略来选择构成像素模型的样本值。其次，ViBe算法根据图像像素点的空间一致性原则，提出了在一幅图像的相邻像素间传播信息的策略。另外，它采用了瞬时初始化的方法，能够使ViBe算法从图像序列的第二帧就开始发挥作用。
[0003]然而，就是这种瞬时初始化方法，是得ViBe算法存在鬼影冋题。
[0004]鬼影是一组连续的点，它被检测为正在运动中，却和任何真正运动的物体都不一致。在ViBe算法中，鬼影是因为在模型初始化时选取了运动目标作为样本模型，在这种特殊情况下产生的。
[0005]ViBe算法用第一帧图像来初始化背景模型，这让ViBe的初始化速度非常迅速。但是如果第一帧图像就出现了待检运动目标，则ViBe会在初始化时把它错误的当成背景，以此建模。从第二帧图像开始，采样到的真正背景值就会和模型匹配失败，背景点被误判为前景目标，导致鬼影的产生。如果鬼影区域正好有前景目标经过，则该区域的前景点又会被误判为背景点，在目标区域内产生空洞。
[0006]在图像序列帧中，运动目标和背景会通过定期的模型更新而被逐步分辨，这会使鬼影在一定时间内淡出。因为瞬时初始化而导致的鬼影还没有被完全消除，而这会大大影响检测结果和之后的跟踪效果。所以，亟需一个快速抑制ViBe算法中鬼影的方法。
【发明内容】
[0007]本发明的目的是克服现有技术存在的缺陷，提出一种基于ViBe算法的鬼影快速抑制方法，解决系统刚开始运行的一段时间内的鬼影现象异常严重的技术问题，提高系统刚开始运行时的目标检测精确度。
[0008]本发明采用如下技术方案:基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤:
[0009]步骤SSl输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2 ;
[0010]步骤SS2对所述步骤SSl中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ;
[0011]步骤SS3判断所述视频序列为前景，输出所述前景。
[0012]优选地，背景模型的建立过程如下:设图像中的像素点X在欧几里得彩色空间t时刻的值为Pt(X)，Pi为背景样本值，用上一帧中N个背景样本值的集合M(X)来建立背景像素的模型，M(x) = (PdP2Z，pN}。
[0013]优选地，pt(x)的分类过程如下:比较t时刻当前像素值Pt(X)和当前帧的背景模型Mh(X);设以pt (X)为圆心，半径为R的区域SSK(pt (X))，通过计算在pt(X)半径R范围内所包含的样本个数来进行分类；如果这个区域SK(pt(x))和这一组样本M(X)相交集合的样本数目 #{SK(pt(x)) n {p1； P2, °，ρΝ}}，记为 #counto
[0014]优选地，步骤SS2包括如下步骤:
[0015]步骤1:对所述视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ；
[0016]步骤2:根据阀值Bth将#Count分段给予置信因子Tb权值，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv ；
[0017]步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth，则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。
[0018]优选地，步骤SS2中的所述步骤2还包括:所述背景模型采用八邻域模型，包括当前像素点X、X左上方的四个邻域像素k、X右下方的四个邻域像素点U，所述阀值Bth包括#Hnum、#Lnum，当 #count> = #Hnum 时，Tb = Tbl ;否则当 #Lnum< = #count〈#Hnum 时，Tb =Tb2 ;否则 Tb = Tb3o
[0019]优选地，#Hnum= 10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
[0020]本发明所达到的有益效果:本发明实现了快速抑制鬼影的同时，又保证了背景模型不过快吸纳短暂静止的目标。
【附图说明】
[0021]图1是本发明的基于ViBe算法的鬼影快速抑制方法的流程图。
[0022]图2是本发明的背景模型的一种实施例的模型图。
[0023]图3是本发明的基于ViBe算法的鬼影快速抑制方法的鬼影检测流程图。
【具体实施方式】
[0024]下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0025]图1是本发明的基于ViBe算法的鬼影快速抑制方法的流程图，本发明提出一种基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤:
[0026]步骤SSl输入视频序列，对视频序列采用ViBe算法进行检测，判断视频序列是否为背景；若视频序列为背景，则更新背景模型，否则转到步骤SS2 ;
[0027]步骤SS2对步骤SSl中的视频序列进行鬼影检测，判断视频序列是否为鬼影；若视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ;
[0028]步骤SS3判断视频序列为前景，输出前景。
[0029]图2是本发明的背景模型的一种实施例的模型图，背景模型采用八邻域模型，包括当前像素点X、X左上方的四个邻域像素k、X右下方的四个邻域像素点U，通常对一幅图像进行处理时是从上到下、从左到右逐像素点处理。所以，当检测到像素点X时，X左上方的四个邻域像素k是已经扫描处理过的像素点，拥有可信赖的背景模型，而X右下方的四个邻域像素点u还未进行处理。
[0030]当被检测的像素点X被判定为鬼影，则立即更新该像素的背景模型；而更新其背景模型时，我们只从已经检测过的四个邻域k的可信赖模型中取值，按照ViBe算法的模型更新策略随机替换，这样由外到内地抑制鬼影区域，从而可以快速抑制鬼影。
[0031]图3是本发明的基于ViBe算法的鬼影快速抑制方法的鬼影检测流程图，其包括3个步骤。
[0032]步骤1:对视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ；
[0033]步骤2:根据阀值Bth将#count分段给予置信因子Tb权值，所述阀值Bth包括#Hnum、#Lnum，当 #count> = #Hnum 时，Tb = Tbl ;否则当 #Lnum< = #count〈#Hnum 时，Tb =Tb2 ;否则Tb = Tb3，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv。
[0034]步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth,则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。
[0035]优选地，#Hnum= 10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
[0036]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
【主权项】
1.基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤: 步骤SSl输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2 ; 步骤SS2对所述步骤SSl中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ; 步骤SS3判断所述视频序列为前景，输出所述前景。2.根据权利要求1所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述背景模型的建立过程如下:设图像中的像素点X在欧几里得彩色空间t时刻的值为pt(X)，Pi为背景样本值，用上一帧中N个背景样本值的集合M(X)来建立背景像素的模型，M(X)=(Pi, P2,…，PiJ。3.根据权利要求2所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述Pt(X)的分类过程如下:比较t时刻当前像素值Pt(X)和当前帧的背景模型Mw(X);设以Pt(X)为圆心，半径为R的区域为Sk(pt(X))，通过计算在Pt(X)半径R范围内所包含的样本个数来进行分类；如果这个区域Sk(pt (X))和这一组样本M(X)相交集合的样本数目#{SE (pt(x)) n {p” P2,…，ρΝ}}，记为 #counto4.根据权利要求1所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述步骤SS2包括如下步骤: 步骤1:对所述视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ； 步骤2:根据阀值Bth将#Count分段给予置信因子Tb权值，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv ； 步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth，则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。5.根据权利要求4所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述步骤SS2中的所述步骤2还包括:所述背景模型采用八邻域模型，包括当前像素点x、x左上方的四个邻域像素k、x右下方的四个邻域像素点U，所述阀值Bth包括#Hnum、#Lnum，当#count>=#Hnum 时，Tb = Tbl ;否则当 #Lnum〈 = #count<#Hnum 时，Tb = Tb2 ;否则 Tb = Tb3。6.根据权利要求5所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，#Hnum=.10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
【专利摘要】本发明公开了一种基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤：步骤SS1输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2；步骤SS2对所述步骤SS1中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3；步骤SS3判断所述视频序列为前景，输出所述前景。本发明实现了快速抑制鬼影的同时，又保证了背景模型不过快吸纳短暂静止的目标。
【IPC分类】G06T5/00
【公开号】CN104899839
【申请号】CN201510305421
【发明人】李东新, 蒋蓉蓉
【申请人】河海大学
【公开日】2015年9月9日
【申请日】2015年6月5日
【技术领域】
[0001]本发明涉及一种基于ViBe算法的鬼影快速抑制方法，属于信号与信息处理技术领域。
【背景技术】
[0002]2009 年 Olivier Barnich 和 Marc Van Droogenbroeck 首次提出将随机集合的概念运用于运动目标的前景提取领域，并将此算法命名为ViBe (Visual BackgroundExtractor)算法。ViBe算法使用随机的策略来选择构成像素模型的样本值。其次，ViBe算法根据图像像素点的空间一致性原则，提出了在一幅图像的相邻像素间传播信息的策略。另外，它采用了瞬时初始化的方法，能够使ViBe算法从图像序列的第二帧就开始发挥作用。
[0003]然而，就是这种瞬时初始化方法，是得ViBe算法存在鬼影冋题。
[0004]鬼影是一组连续的点，它被检测为正在运动中，却和任何真正运动的物体都不一致。在ViBe算法中，鬼影是因为在模型初始化时选取了运动目标作为样本模型，在这种特殊情况下产生的。
[0005]ViBe算法用第一帧图像来初始化背景模型，这让ViBe的初始化速度非常迅速。但是如果第一帧图像就出现了待检运动目标，则ViBe会在初始化时把它错误的当成背景，以此建模。从第二帧图像开始，采样到的真正背景值就会和模型匹配失败，背景点被误判为前景目标，导致鬼影的产生。如果鬼影区域正好有前景目标经过，则该区域的前景点又会被误判为背景点，在目标区域内产生空洞。
[0006]在图像序列帧中，运动目标和背景会通过定期的模型更新而被逐步分辨，这会使鬼影在一定时间内淡出。因为瞬时初始化而导致的鬼影还没有被完全消除，而这会大大影响检测结果和之后的跟踪效果。所以，亟需一个快速抑制ViBe算法中鬼影的方法。
【发明内容】
[0007]本发明的目的是克服现有技术存在的缺陷，提出一种基于ViBe算法的鬼影快速抑制方法，解决系统刚开始运行的一段时间内的鬼影现象异常严重的技术问题，提高系统刚开始运行时的目标检测精确度。
[0008]本发明采用如下技术方案:基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤:
[0009]步骤SSl输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2 ;
[0010]步骤SS2对所述步骤SSl中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ;
[0011]步骤SS3判断所述视频序列为前景，输出所述前景。
[0012]优选地，背景模型的建立过程如下:设图像中的像素点X在欧几里得彩色空间t时刻的值为Pt(X)，Pi为背景样本值，用上一帧中N个背景样本值的集合M(X)来建立背景像素的模型，M(x) = (PdP2Z，pN}。
[0013]优选地，pt(x)的分类过程如下:比较t时刻当前像素值Pt(X)和当前帧的背景模型Mh(X);设以pt (X)为圆心，半径为R的区域SSK(pt (X))，通过计算在pt(X)半径R范围内所包含的样本个数来进行分类；如果这个区域SK(pt(x))和这一组样本M(X)相交集合的样本数目 #{SK(pt(x)) n {p1； P2, °，ρΝ}}，记为 #counto
[0014]优选地，步骤SS2包括如下步骤:
[0015]步骤1:对所述视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ；
[0016]步骤2:根据阀值Bth将#Count分段给予置信因子Tb权值，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv ；
[0017]步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth，则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。
[0018]优选地，步骤SS2中的所述步骤2还包括:所述背景模型采用八邻域模型，包括当前像素点X、X左上方的四个邻域像素k、X右下方的四个邻域像素点U，所述阀值Bth包括#Hnum、#Lnum，当 #count> = #Hnum 时，Tb = Tbl ;否则当 #Lnum< = #count〈#Hnum 时，Tb =Tb2 ;否则 Tb = Tb3o
[0019]优选地，#Hnum= 10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
[0020]本发明所达到的有益效果:本发明实现了快速抑制鬼影的同时，又保证了背景模型不过快吸纳短暂静止的目标。
【附图说明】
[0021]图1是本发明的基于ViBe算法的鬼影快速抑制方法的流程图。
[0022]图2是本发明的背景模型的一种实施例的模型图。
[0023]图3是本发明的基于ViBe算法的鬼影快速抑制方法的鬼影检测流程图。
【具体实施方式】
[0024]下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0025]图1是本发明的基于ViBe算法的鬼影快速抑制方法的流程图，本发明提出一种基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤:
[0026]步骤SSl输入视频序列，对视频序列采用ViBe算法进行检测，判断视频序列是否为背景；若视频序列为背景，则更新背景模型，否则转到步骤SS2 ;
[0027]步骤SS2对步骤SSl中的视频序列进行鬼影检测，判断视频序列是否为鬼影；若视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ;
[0028]步骤SS3判断视频序列为前景，输出前景。
[0029]图2是本发明的背景模型的一种实施例的模型图，背景模型采用八邻域模型，包括当前像素点X、X左上方的四个邻域像素k、X右下方的四个邻域像素点U，通常对一幅图像进行处理时是从上到下、从左到右逐像素点处理。所以，当检测到像素点X时，X左上方的四个邻域像素k是已经扫描处理过的像素点，拥有可信赖的背景模型，而X右下方的四个邻域像素点u还未进行处理。
[0030]当被检测的像素点X被判定为鬼影，则立即更新该像素的背景模型；而更新其背景模型时，我们只从已经检测过的四个邻域k的可信赖模型中取值，按照ViBe算法的模型更新策略随机替换，这样由外到内地抑制鬼影区域，从而可以快速抑制鬼影。
[0031]图3是本发明的基于ViBe算法的鬼影快速抑制方法的鬼影检测流程图，其包括3个步骤。
[0032]步骤1:对视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ；
[0033]步骤2:根据阀值Bth将#count分段给予置信因子Tb权值，所述阀值Bth包括#Hnum、#Lnum，当 #count> = #Hnum 时，Tb = Tbl ;否则当 #Lnum< = #count〈#Hnum 时，Tb =Tb2 ;否则Tb = Tb3，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv。
[0034]步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth,则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。
[0035]优选地，#Hnum= 10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
[0036]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
【主权项】
1.基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤: 步骤SSl输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2 ; 步骤SS2对所述步骤SSl中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3 ; 步骤SS3判断所述视频序列为前景，输出所述前景。2.根据权利要求1所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述背景模型的建立过程如下:设图像中的像素点X在欧几里得彩色空间t时刻的值为pt(X)，Pi为背景样本值，用上一帧中N个背景样本值的集合M(X)来建立背景像素的模型，M(X)=(Pi, P2,…，PiJ。3.根据权利要求2所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述Pt(X)的分类过程如下:比较t时刻当前像素值Pt(X)和当前帧的背景模型Mw(X);设以Pt(X)为圆心，半径为R的区域为Sk(pt(X))，通过计算在Pt(X)半径R范围内所包含的样本个数来进行分类；如果这个区域Sk(pt (X))和这一组样本M(X)相交集合的样本数目#{SE (pt(x)) n {p” P2,…，ρΝ}}，记为 #counto4.根据权利要求1所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述步骤SS2包括如下步骤: 步骤1:对所述视频序列中的当前像素点X的邻域进行逐行扫描，分别计算像素点匹配值，得到匹配数目#count ； 步骤2:根据阀值Bth将#Count分段给予置信因子Tb权值，并将所有判断邻域的置信因子Tb相加得到置信因子总值Tblv ； 步骤3:将Tblv与阈值Bth作比较，判断前像素点X是否为鬼影，若Tblv> = Bth，则判断当前像素点X为鬼影，从前景中消除该像素点X，否则判断当前像素点X为前景。5.根据权利要求4所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，所述步骤SS2中的所述步骤2还包括:所述背景模型采用八邻域模型，包括当前像素点x、x左上方的四个邻域像素k、x右下方的四个邻域像素点U，所述阀值Bth包括#Hnum、#Lnum，当#count>=#Hnum 时，Tb = Tbl ;否则当 #Lnum〈 = #count<#Hnum 时，Tb = Tb2 ;否则 Tb = Tb3。6.根据权利要求5所述的基于ViBe算法的鬼影快速抑制方法，其特征在于，#Hnum=.10，#Lnum = 5，Tbl = 3，Tb2 = 1，Tb3 = 0.5，Bth = 4。
【专利摘要】本发明公开了一种基于ViBe算法的鬼影快速抑制方法，其特征在于，包括如下步骤：步骤SS1输入视频序列，对所述视频序列采用ViBe算法进行检测，判断所述视频序列是否为背景；若所述视频序列为背景，则更新背景模型，否则转到步骤SS2；步骤SS2对所述步骤SS1中的所述视频序列进行鬼影检测，判断所述视频序列是否为鬼影；若所述视频序列为鬼影，则判断为背景，更新背景模型，否则转到步骤SS3；步骤SS3判断所述视频序列为前景，输出所述前景。本发明实现了快速抑制鬼影的同时，又保证了背景模型不过快吸纳短暂静止的目标。
【IPC分类】G06T5/00
【公开号】CN104899839
【申请号】CN201510305421
【发明人】李东新, 蒋蓉蓉
【申请人】河海大学
【公开日】2015年9月9日
【申请日】2015年6月5日
最新回复(0)