一种面向高分辨率视频的高效背景建模方法
【技术领域】
[0001] 本发明涉及视频数据挖掘技术领域，尤其涉及一种面向高分辨率视频的高效背景 建模方法。
【背景技术】
[0002] 对具有稳定视场的视频进行背景建模旨在获得视频中场景在一段较长时间内的 稳定外观描述，该技术可应用于不同领域，例如视频压缩和视频内容变化检测。背景建模的 核心是对视频数据进行采样并对样本进行统计，从而获得描述背景动态规律的统计分布函 数。由于所提取的统计信息是未知的，因此可归入视频数据挖掘的范畴。
[0003] 目前主流的背景建模方法为逐个像素点建模法，即对视频中每个像素点均进行数 据采样并根据样本数据构建该像素点处的背景模型。该建模方法的优点是对视频描述可以 精确到每个像素点，但缺点是计算效率较低。对于百万或千万像素级的高分辨率视频，逐个 像素点进行统计建模运算量极大，存储资源消耗大，且较难实现实时性。
[0004]视频中的背景可根据动态特性划分为两大类:静态背景和动态背景。静态背景是 指视频中的背景具有时间及空间上的不变性或相对稳定性，而动态背景是指视频中的背景 具有时间及空间上的随机性变化或规律性变化。在多数应用中，视频背景都被设置或选择 为静态背景。研究发现，对于具有静态背景的高分辨率视频而言，视频中有大量像素点具有 极其相似甚至完全相同的背景模型。因此，对这类高分辨率视频使用逐个像素点建模法必 然导致严重的计算冗余和存储冗余。
【发明内容】
[0005] 本发明的是克服目前对固定场景的高分辨率视频使用逐个像素点建模法，存在严 重的计算冗余和存储冗余的技术问题，提供了一种面向高分辨率视频的高效背景建模方 法，其能够在不增加任何软硬件计算资源的条件下，高效地实现对固定场景的高分辨率视 频的背景建模，克服了传统逐个像素点建模法所导致的计算冗余和存储冗余问题，降低了 建模运算量，提高了计算效率，减小了存储资源的消耗。
[0006] 为了解决上述问题，本发明采用以下技术方案予以实现：
[0007] 本发明的一种面向高分辨率视频的高效背景建模方法，包括以下步骤：
[0008] S1:对视频数据进行处理，将视频转化为灰度化视频；
[0009 ] S2:基于灰度化视频的亮度等级建立视频中场景的背景模型。
[0010]在本技术方案中，采用基于视频亮度等级的背景建模方法，由于视频中的亮度等 级数量远小于像素点数量，因此克服了传统的逐个像素点背景建模法运算及存储消耗大、 实时性不佳的问题。
[0011]在具有静态背景的高分辨率视频中，具有相似或相同背景模型的所有像素点均可 用少量基于亮度等级的背景模型进行描述。换句话说，仅通过构建少量基于视频亮度等级 的背景模型，即可描述此类视频中的所有像素点的动态性规律与特征。由于一个视频中的 亮度等级数量远小于像素点个数且与像素点个数无关，因此基于视频亮度等级所构建的背 景模型数量也远小于由逐个像素点建模法所构建的背景模型数量。例如，目前绝大多数百 万甚至千万分辨率的数字相机输出的均是8位深度的数字视频，由于2的8次方为256,因此 这类视频都仅有256个亮度等级。如果对上述高分辨率视频采用逐个像素点建模法，必须要 构建并存储百万或千万个背景模型，而根据之前的分析这些背景模型中其实存在大量的冗 余。然而，如果采用基于视频亮度等级的建模方法，对整个视频的所有像素点仅需构建并存 储256个背景模型，而且理论上无冗余。
[00?2]作为优选，所述步骤S1中将视频转化为灰度化视频采用以下公式:Gray =( R X 30+ G X 59+B X 11+50)/100，其中，R代表视频中红色彩色通道的像素值，G代表视频中绿色彩色 通道的像素值，B代表视频中蓝色彩色通道的像素值，Gray代表进行色彩转化后像素点的灰 度值，也称亮度值。
[0013]作为优选，所述步骤S2包括以下步骤：
[0014] S21:从整体视频中选取出起始时间^到结束时间tN的一段连续时间里的视频样 本；
[0015] S22:统计tdljtN时间段内在坐标位置为（i，j)的像素点上复现频率最高的亮度值， 将该亮度值作为坐标位置为（i，j)的像素点在t N时刻的视频背景模型最佳估计值B(i，j) ?Ν；
[0016] S23:检测视频画面中坐标位置为(i，j)的像素点从时刻到tn时刻亮度值从04? 变为02的次数，θ? = I ( i，j ) | tn-1，02= I ( i，j ) | tn，I ( i，j ) I tn-1和I ( i，j ) I tn分别代表视频中坐 标位置为（i，j)的像素点在tn-#Ptn时刻的两个亮度值，统计视频画面中所有像素点在七到 tN时间段内亮度值从Θi跳变为Θ2的总次数，记录在tN时刻的方阵Z( Θi，Θ2 ) | tN中，将Z( Θi，Θ2 ) tN的值归一化为[0，1 ]之间的概率值，即得到二维概率直方图F(θ:，θ2) I tN;
[0017] S24:根据坐标位置为（i，j)的像素点在tN后的下一个连续时刻切+1的当前亮度值， 计算出坐标位置为（i，j)的像素点在tN+1时刻的视频背景模型最佳估计值B( i，j) | tN+1，计算 公式如下：
[0018] B(i，j) | tN+i = B(i，j) | tN+[I(i，j) | tN+i_B(i，j) | tN] | tN，取9i = B(i，j) tN,02 = I(i, j) | tN+1,
[0019]其中，1(1，州如+1代表坐标位置为（1，」）的像素点在如后的下一个连续时刻如 +1的 当前亮度值，B( i，j) I tN代表坐标位置为（i，j)的像素点在tN时刻的视频背景模型最佳估计 值；
[0020] 计算出视频画面中所有像素点在tN+1时刻的视频背景模型最佳估计值，并保存，用 于更新视频画面中所有像素点在下一个时刻t N+2的视频背景模型最佳估计值；
[0021] S25:实时更新视频画面中所有像素点的视频背景模型最佳估计值，建立视频中场 景的背景模型，该背景模型包括二维概率直方图和实时更新的所有像素点的视 频背景模型最佳估计值。
[0022]作为优选，所述步骤S21中视频样本的持续时间大于等于5秒。
[0023]作为优选，将坐标位置为（i，j)的像素点在tN+i时刻的当前亮度值Θ2 = I (i，j) | tN+i 和在tN时刻的视频背景模型最佳估计值Θ1 = Β(i，j) I tN代入二维概率直方图F(θ:，θ2) I tN，如 果矣0,则表示坐标位置为（i，j)的像素点在切+1时刻的当前亮度值正常，如果F ^乂州如^肩表示坐标位置为^^的像素点在如+跗刻的当前亮度值异常。
[0024] 本发明的实质性效果是：（1)基于视频亮度等级的背景建模方法，克服了传统的逐 个像素点背景建模法在处理固定场景的高分辨率视频时存在的运算资源消耗大、对视频运 算器配置要求高的不足。（2)实现了一种高效率的视频背景建模方法，克服了逐个像素点背 景建模法在处理高分辨率视频时存在的效率低、实时性不足的问题。（3)克服了逐个像素点 背景建模法在保存高分辨率视频背景模型数据方面存在的存储资源消耗大的不足。
【附图说明】
[0025] 图1是本发明的工作流程图；
[0026]图2是二维概率直方图F%，9〗）|tN的示意图。
【具体实施方式】
[0027] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
[0028] 实施例:本实施例的一种面向高分辨率视频的高效背景建模方法，如图1所示，包 括以下步骤：
[0029] S1:对视频数据进行处理，将视频转化为灰度化视频;视频可由设为固定状态、关 闭了自动对焦和自动增益功能的数字摄像机拍摄得到，数字摄像机拍摄得到的是固定场景 的高分辨率视频；
[0030] S2:基于灰度化视频的亮度等级建立视频中场景的背景模型。
[0031] 步骤S1中将视频转化为灰度化视频采用以下公式:Gray = (R X 30+G X 59+B X 11 + 50)/100,其中，R代表视频中红色彩色通道的像素值，G代表视频中绿色彩色通道的像素值， B代表视频中蓝色彩色通道的像素值，Gray代表进行色彩转化后像素点的灰度值，也称亮度 值。
[0032] 步骤S2包括以下步骤：
[0033] S21:从整体视频中选取出起始时间^到结束时间tN的一段连续时间里的视频样 本，视频样本的持续时间大于等于5秒(即七到切之间的时间大于等于5秒）；
[0034] S22:计算乜到切时间段内视频背景模型的最佳估计值，计算方法为：
[0035] 其中，MODE(D)表示计算众数（出现频率最高的数值)的函数，表 示统计出tgljtN时间段内在坐标位置为(i，j)的像素点上复现频率最高的那个亮度值，并将 其作为tgljtN时间段内像素点（i，j)上的视频背景模型最佳估计值，B( i，j)代表视频背景模 型的最佳估计值图像，其大小与视频的一帧相同；
[0036] 将乜到切时间段内像素点（i，j)上的视频背景模型最佳估计值作为像 素点（i，j)在tN时刻的背景模型最佳估计值B( i，j) | tN
[0037] S23:计算出反应视频像素值正常波动范围的二维概率直方图F(θ:，θ2) I tN，包括以 下步骤：
[0038] θι = I ( i , j ) | tn-l, θ2 = I (i , j ) I tn ；
[0039] Ε(θι^θ2) = 1；
[0040] Η(θ1,θ2)|?η=ΣΕ(θ 1^θ2)；
[0043]其中，和I(i，j)|tn分别代表视频画面中坐标位置为（i，j)的像素点在 tn-#Pt