[发明专利]一种视频分析低运算量背景去除方法

摘要

本发明公开了一种视频分析低运算量背景去除方法，它涉及一种背景去除方法。背景去除方法步骤为：(1)图像分块：将视频中的一帧图像分割成由MxN个像素构成的图像子块。接下来将对每一个图像块计算该图像块的局部对比度。M和N的选取可视应用而定，一般可以选取M=8,N=8；(2)计算局部对比度：针对上述每一个图像块，根据下述定义计算出该图像子块对应的局部对比度C_L；(3)建立每一个图像快局部对比度的混合高斯模型；(4)判断前背景：根据当前帧的每一个图像子块的局部对比度的值及该图像块当前的混合高斯模型的参数来判断该图像子块在当前帧中是否为前景。本发明保持自适应学习背景的特色，大大降低运算量和虚警率。

主权项

1.一种视频分析低运算量背景去除方法，其特征在于，背景去除方法步骤为：(1).    图像分块将视频中的一帧图像分割成由MxN个像素构成的图像子块,接下来将对每一个图像块计算该图像块的局部对比度,M和N的选取可视应用而定，一般可以选取M=8,N=8。(2).    计算局部对比度针对上述每一个图像块，根据下述定义计算出该图像子块对应的局部对比度C_L,局部对比度（ Local Contrast）定义为：(1)其中m_L是图像块的灰度均值，(2)I(i,j)是第i,j像素的灰度值。s_L是图像块的标准差，(3)当均值较小时，即对应于场景较暗处，根据公式（1），局部对比度LC比较大，因此能提高暗处的辨识能力；(3).    建立每一个图像快局部对比度的混合高斯模型对于图像序列来说，每个图像子块的局部对比度对应一个随机变量，那该变量是否可以用高斯混合模型来经过测试发现，局部对比度基本符合高斯分布，是可以用混合高斯模型来对局部对比度建模；因此我们针对每个图像块的局部对比度建立一个混合高斯模型，并且使用后续每一帧图像中相同位置的子块所计算出的C_L值来更新该混合高斯模型；(4).    判断前背景根据当前帧的每一个图像子块的局部对比度的值以及该图像块当前的混合高斯模型的参数来判断该图像子块在当前帧中是否为前景。