專利名稱：利用多個(gè)高斯模型以維持圖像背景的方法與裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明關(guān)于一種維持圖像背景的方法與裝置，特別是一種利用多個(gè)高斯模型進(jìn)行 比較以維持圖像背景的方法與裝置。
背景技術(shù)：
現(xiàn)今在移動(dòng)物檢測(cè)技術(shù)中，為了要在背景改變的情況下仍可以正確地標(biāo)識(shí)出移動(dòng) 物體，通常會(huì)使用適應(yīng)性背景的技術(shù)來針對(duì)背景的改變進(jìn)行學(xué)習(xí)。由于無法直接判斷所輸 入的像素屬于前景還是背景，一般都是將所得到的像素都加入背景模型中，再給予一相對(duì) 應(yīng)的權(quán)重值。例如當(dāng)該像素或與該像素相近的像素的出現(xiàn)概率較為頻繁時(shí)，相對(duì)應(yīng)的權(quán)重 值也會(huì)較大?？筛鶕?jù)臨界值判斷權(quán)重值來將像素分為兩類，其中較大者做為背景，較小者則 為前景。由此不斷更新背景并分割出前景以標(biāo)識(shí)出移動(dòng)物體。
然而，前景可能因?yàn)橥Ａ魰r(shí)間太久而直接學(xué)習(xí)到背景之中，或是邊緣顏色與背景 過于相近而逐漸改變背景顏色，造成前景的誤判。為改善此問題，常見的移動(dòng)物檢測(cè)方法為 背景減除法。如圖1所示，首先在畫面中沒有物體移動(dòng)時(shí)對(duì)畫面擷取一張圖片作為背景，接 下來將每張圖片都與背景相減并取其絕對(duì)值，如果有物體進(jìn)入畫面中，就可依照相減所得 的圖像來取出物體。另外當(dāng)背景受到光源、風(fēng)或海浪等外來的新的背景影響時(shí)，為了讓背景也能隨著 實(shí)際狀況而改變，還有其它使用適應(yīng)性背景的技術(shù)來針對(duì)背景改變進(jìn)行學(xué)習(xí)。一般的較常 用的方式為混合高斯模型的學(xué)習(xí)法?；旌细咚鼓Ｐ途褪菍⒈尘吧系拿總€(gè)像素都以數(shù)個(gè)高斯 分布來表示，并包含一平均值和協(xié)方差。如果以RGB色彩方式表示，則平均值就是像素RGD 值，協(xié)方差就是該高斯分布所覆蓋的范圍?；旌细咚鼓Ｐ偷膶W(xué)習(xí)方法中，每一高斯分布對(duì)應(yīng) 一權(quán)重值，所有的高斯分布可能包含前景和背景，利用權(quán)重值的大小來區(qū)分二者。如圖2的流程圖所示，例如當(dāng)一幅新的圖片進(jìn)來，會(huì)先做一次高斯模糊，以簡單 地去除部分噪聲的影響，接著判斷新進(jìn)來的圖像像素是否符合背景上的數(shù)個(gè)高斯分布，如 果符合則提升該分布權(quán)重并以此像素更新該高斯分布，也就是更新平均值和協(xié)方差；如果 不符合則在背景模型中建立一個(gè)新的高斯分布并取代權(quán)重最小的高斯分布，以新的像素來 初始化這個(gè)高斯分布。接著依照所有分布權(quán)重來復(fù)位一閥值來區(qū)分屬于背景的分布，并以 這些被認(rèn)定屬于背景的分布來處理輸入的圖像，將前景分割出來進(jìn)行后續(xù)的移動(dòng)物標(biāo)識(shí)。綜上所述，采用上述兩種方式，對(duì)于維持背景圖像仍無法精確有效地解決因前景 存在時(shí)間太長或前景邊緣與背景色彩太過接近而造成的背景學(xué)習(xí)的誤判。因?yàn)榍熬按嬖跁r(shí) 間太長，權(quán)重也隨之升高，有可能會(huì)被誤判為背景。而與背景接近的邊緣色彩，如果被判定 為屬于背景的高斯分布，會(huì)改變高斯分布的平均值，而使背景顏色和前景相近，造成誤判的 發(fā)生。因此如何維持背景而不被前景入侵進(jìn)而避免上述存在的問題，是本申請(qǐng)的發(fā)明人及 從事該相關(guān)行業(yè)領(lǐng)域的其它技術(shù)人員需要改進(jìn)的問題。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明的目的在于提供一種利用多個(gè)高斯模型以維持圖像背景的方法 與裝置。通過主高斯模型建立并維持圖像背景，再利用兩個(gè)次高斯模型進(jìn)行比較，當(dāng)比較結(jié) 果是屬于背景信息時(shí)，將該次高斯模型學(xué)習(xí)至主高斯模型中，以更新圖像背景。為達(dá)到上述目的，本發(fā)明提供一種利用多個(gè)高斯模型以維持圖像背景的方法，其 中方法包括下列步驟a.擷取包含多個(gè)像素的圖像畫面，用以獲得背景信息；b.計(jì)算背景 信息以建立主高斯模型；c.擷取固定時(shí)間間隔內(nèi)的多個(gè)連續(xù)圖像畫面，用以獲得圖像信 息，并計(jì)算圖像信息以建立次高斯模型；d.重復(fù)步驟c以建立多個(gè)次高斯模型；和e.比較 兩個(gè)次高斯模型，如果判斷二個(gè)次高斯模型所對(duì)應(yīng)的圖像信息都屬于背景信息時(shí)，則以該 次高斯模型更新主高斯模型的學(xué)習(xí)；如果判斷兩個(gè)次高斯模型所對(duì)應(yīng)的圖像信息的至少其 中之一不是背景信息時(shí)，則不更新主高斯模型的學(xué)習(xí)，而維持主高斯模型的背景信息。為加強(qiáng)維持圖像背景的精確度，在利用多個(gè)高斯模型以維持圖像背景的方法中， 可在計(jì)算背景信息以建立主高斯模型后，利用畫面差值法得到一移動(dòng)物體邊緣，并記錄此 邊緣。當(dāng)主高斯模型進(jìn)行學(xué)習(xí)時(shí)會(huì)略過該移動(dòng)物體邊緣。避免邊緣與背景過于相近而導(dǎo)致 學(xué)習(xí)上的誤判。
為達(dá)到上述目的，本發(fā)明也提供一種利用多個(gè)高斯模型以維持圖像背景的裝置， 包含擷取模塊，計(jì)算模塊，存儲(chǔ)模塊，及學(xué)習(xí)模塊。其中擷取模塊擷取包含多個(gè)像素的圖像 畫面，用以獲得背景信息，以及擷取固定時(shí)間內(nèi)的多個(gè)連續(xù)圖像畫面，用以獲得多個(gè)圖像信 息；計(jì)算模塊，連接到擷取模塊，用以計(jì)算背景信息以建立主高斯模型，以及計(jì)算這些圖像 信息以建立多個(gè)次高斯模型；存儲(chǔ)模塊，連接到該計(jì)算模塊，存儲(chǔ)所建立的主高斯模型與次 高斯模型；及學(xué)習(xí)模塊，連接到存儲(chǔ)模塊，與存儲(chǔ)模塊之間是雙向傳輸，用來比較兩個(gè)次高 斯模型，當(dāng)判斷結(jié)果為兩個(gè)次高斯模型所對(duì)應(yīng)的圖像信息都屬于該背景信息時(shí)，則以該次 高斯模型更新主高斯模型的學(xué)習(xí)，并將更新學(xué)習(xí)結(jié)果存儲(chǔ)于該存儲(chǔ)模塊中，如果判斷這些 次高斯模型所對(duì)應(yīng)的圖像信息的至少其中之一不是背景信息時(shí)，則不更新主高斯模型的學(xué) 習(xí)，而維持主高斯模型的背景信息。本發(fā)明在先建立主高斯模型的背景圖像后，再通過多個(gè)次高斯模型進(jìn)行兩個(gè)比 較。當(dāng)確定次高斯模型的圖像信息為背景信息時(shí)，才將該次高斯模型學(xué)習(xí)至主高斯模型，避 免先學(xué)習(xí)而后再依權(quán)重判斷背景與前景所造成的誤差。將在下面參考


有關(guān)本發(fā)明的優(yōu)選實(shí)施例及其效果。

圖1是現(xiàn)有技術(shù)的背景減除法的原理示意圖。圖2是現(xiàn)有技術(shù)的混合高斯模型學(xué)習(xí)方法的流程圖。圖3是本發(fā)明的第一實(shí)施例的方法的流程圖。圖4是本發(fā)明的高斯模型學(xué)習(xí)的示意圖。圖5是畫面差值法(Frame Difference)的原理示意圖。圖6是本發(fā)明的第二實(shí)施例的裝置的示意框圖。
具體實(shí)施例方式請(qǐng)參照?qǐng)D3及圖4。圖3是本發(fā)明的第一實(shí)施例的方法的流程圖。圖4是本發(fā)明 的高斯模型學(xué)習(xí)的示意圖。為了能更精準(zhǔn)地維持圖像背景，本發(fā)明提出一種利用多個(gè)高斯模型以維持圖像背 景的方法，包含以下步驟SlO 擷取包含多個(gè)像素的圖像畫面。擷取圖像畫面可應(yīng)用于例如監(jiān)視器系統(tǒng)。 當(dāng)監(jiān)視器開啟之后，便會(huì)開始擷取畫面，而此畫面其實(shí)是由一張張圖像所構(gòu)成的。每一張圖 像又由多個(gè)像素所組成。因此當(dāng)監(jiān)視器開啟后所接收的畫面可選擇某一起始時(shí)間作為構(gòu)建 圖像背景的初始點(diǎn)。舉例來說，如果監(jiān)視器所接收的畫面為一空白墻面，且無其它任何移動(dòng)物及固定 物，此時(shí)如果選擇開始構(gòu)建背景圖像則為該空白墻面；如果在未構(gòu)建背景圖像前，在此墻面 上掛上一幅畫，并在此后才開始構(gòu)建背景圖像，則此背景圖像為包括該幅畫的墻面。
S12 獲得背景信息。當(dāng)確定背景圖像之后，此時(shí)便可獲得由多個(gè)像素所構(gòu)成的圖 像背景信息。背景信息并不局限于任何一種色彩表示方式。常見的有以RGB的方式表示的， 另外也可采用YUV或是YCbCr方式來表示。利用RGB主要是將三原色的光以不同的比例組成，形成各種顏色的光，這也是常 見的表示色彩信息的方式。例如在24位模式下，使用表示紅色、綠色和藍(lán)色強(qiáng)度的三個(gè)8 位無符號(hào)整數(shù)(0到255)來指定以每像素24位(bpp)編碼的RGB值。YUV是一種顏色編碼方法。編譯真彩色(true-color)顏色空間(color space)的 種類，Y' UV、YUV、YCbCr、YPbPr等專有名詞都可以被稱為YUV?！竃」表示明亮度(Luminance、 Luma)，「U」和「V」則是色度、濃度(Chrominance、Chroma)。同時(shí)不同色彩表示方法之間也 可進(jìn)行轉(zhuǎn)換，例如可將YUV表示方式轉(zhuǎn)換為RGB表示方式。YCbCr是一種絕對(duì)色彩空間，是YUV壓縮和偏移的版本。YCbCr的Y與YUV中的Y 含義一致，Cb和Cr與UV同樣都指色彩，Cb指藍(lán)色色度，Cr指紅色色度。與以上的相同，也 可與RGB之間進(jìn)行轉(zhuǎn)換。S14 計(jì)算背景信息以建立主高斯模型。當(dāng)選擇某一種色彩表示方式后，計(jì)算每個(gè)像 素上的色彩信息以建立高斯模型。例如以RGB表示方式，此時(shí)計(jì)算背景上每個(gè)像素上的RGB 信息，并以高斯分布來表示，其中包含一平均值及協(xié)方差。平均值就是像素RGB值，協(xié)方差就 是該高斯分布所覆蓋的范圍。由每一像素上的高斯分布構(gòu)成背景信息整體的主高斯模型。S16 擷取一段時(shí)間內(nèi)多個(gè)連續(xù)圖像畫面，獲得圖像信息。當(dāng)確定背景圖像的主高 斯模型后，此時(shí)開始擷取在固定時(shí)間內(nèi)的圖像畫面，以獲得圖像信息。在固定時(shí)間內(nèi)的圖像 也是由一張張圖像所構(gòu)成的，而每張圖像又由多個(gè)像素所組成。與獲得背景信息相同，此時(shí) 對(duì)于固定時(shí)間內(nèi)所擷取的圖像也可選擇色彩的表示方式。然而，由于該信息將可能成為背 景信息所建立的主高斯模型的學(xué)習(xí)對(duì)象，故選擇與背景信息色彩表示方式相同的信息，可 省略不同色彩表示方式之間轉(zhuǎn)換的步驟。S18 重復(fù)擷取圖像信息，計(jì)算圖像信息以建立多個(gè)次高斯模型。當(dāng)獲得固定時(shí)間 內(nèi)所擷取的圖像信息后，便可計(jì)算該圖像信息以建立多個(gè)次高斯模型。與主高斯模型不同 的是，將隨著時(shí)間不斷產(chǎn)生次高斯模型。例如在固定的1秒內(nèi)所擷取的圖像信息計(jì)算出一 次高斯模型，隨著時(shí)間變化，一分鐘內(nèi)將建立60個(gè)次高斯模型。
S20 比較兩個(gè)次高斯模型是否屬于背景信息。當(dāng)建立超過兩個(gè)以上的次高斯模型 后，便可將兩個(gè)次高斯模型進(jìn)行比較，判斷二者是否都屬于背景信息。判斷方式可利用其中 的一個(gè)次高斯模型所包含的圖像信息平均值是否落入另一比較的圖像信息的協(xié)方差的一 定比例中。如果是，則認(rèn)定兩者都屬于背景信息，主高斯模型對(duì)此進(jìn)行學(xué)習(xí)。反之，則不進(jìn) 行學(xué)習(xí)。選擇哪兩個(gè)次高斯模型做比較需要考慮認(rèn)定新進(jìn)圖像存在多久應(yīng)被認(rèn)定為背景。 例如選擇相鄰的兩個(gè)次高斯模型做比較，此時(shí)因?yàn)閮烧邽橄噜応P(guān)系，時(shí)間間隔較短，因此 比較后較可能都被認(rèn)定為屬于背景信息，主高斯模型對(duì)該次高斯模型進(jìn)行學(xué)習(xí)。如果選擇 相間隔的次高斯模型進(jìn)行比較，因間隔時(shí)間較長，表示新進(jìn)圖像應(yīng)存在較久時(shí)間才可能被 判斷為屬于背景信息。如圖4所示，即利用兩個(gè)相間隔的次高斯模型進(jìn)行比較的示意圖。高斯模型(A) (B) (C)⑶都是通過在固定的相同時(shí)間內(nèi)擷取連續(xù)圖像，計(jì)算該圖像信息所獲得的。假設(shè)隨 著時(shí)間變化建立次高斯模型(A)-(D)為一個(gè)周期，則以次高斯模型(A)與次高斯模型(C) 進(jìn)行比較；次高斯模型(B)與次高斯模型(D)進(jìn)行比較。而前一周期的次高斯模型(C)則 與下一周期的次高斯模型(A)進(jìn)行比較，隨著時(shí)間不斷比較以維持圖像背景的更新。S201 圖像信息都屬于背景信息。比較兩個(gè)次高斯模型，例如選擇兩個(gè)相間隔的次 高斯模型進(jìn)行比較，如圖4所示。當(dāng)次高斯模型(C)的圖像信息的平均值落入次高斯模型 (A)的協(xié)方差的一定比例中時(shí)；或次高斯模型(A)的圖像信息的平均值落入次高斯模型(C) 的協(xié)方差的一定比例中時(shí)，則認(rèn)定兩者都屬于背景信息。S203 以次高斯模型更新主高斯模型的學(xué)習(xí)。例如選擇兩個(gè)相間隔的次高斯模型 進(jìn)行比較，如圖4所示。當(dāng)將次高斯模型(A)與次高斯模型(C)進(jìn)行比較后，認(rèn)定屬于背景 信息時(shí)，將次高斯模型(A)更新至背景信息的主高斯模型中；當(dāng)將次高斯模型(B)與次高斯 模型(D)進(jìn)行比較后，認(rèn)定屬于背景信息時(shí)，將次高斯模型(B)更新至背景信息的主高斯模 型中。由此不間斷地維持圖像背景的更新與學(xué)習(xí)。S205:刪除已學(xué)習(xí)的次高斯模型。次高斯模型的建立存在于內(nèi)存的暫存盤中，為了 避免內(nèi)存容量不足以存儲(chǔ)連續(xù)建立的次高斯模型，將學(xué)習(xí)完并更新至主高斯模型的次高斯 模型從內(nèi)存中刪除。例如前步驟S203中，將次高斯模型(A)與次高斯模型(C)比較后，當(dāng) 認(rèn)定都屬于背景信息時(shí)，將次高斯模型(A)更新至背景信息的主高斯模型中后，刪除該次 高斯模型(A)。次高斯模型(C)則在與下一周期的次高斯模型(A)比較之后，才會(huì)被從內(nèi)存 中刪除。S202 至少一個(gè)圖像信息不屬于背景信息。在步驟S20之后，比較兩個(gè)次高斯模 型，如果其中的一個(gè)次高斯模型所包含的圖像信息平均值未落入另一比較的圖像信息的協(xié) 方差的一定比例中，則認(rèn)定至少一個(gè)圖像信息不屬于背景信息。S204 不更新主高斯模型的學(xué)習(xí)。在之前的S202步驟后，此時(shí)主高斯模型不作任 何更新動(dòng)作。S206 刪除已比較完成的次高斯模型。例如選擇相間隔的兩個(gè)次高斯模型進(jìn)行比 較，當(dāng)將次高斯模型(A)與次高斯模型(C)進(jìn)行比較后，認(rèn)定不屬于背景信息時(shí)，將次高斯 模型(A)從內(nèi)存中刪除。次高斯模型(C)則在與下一周期的次高斯模型(A)比較之后，才 會(huì)被從內(nèi)存中刪除。
請(qǐng)參照?qǐng)D3及圖3。圖3是本發(fā)明的第一實(shí)施例的方法的流程圖。圖5是畫面差 值法(Frame Difference)的原理示意圖。在利用多個(gè)高斯模型維持圖像背景的方法中，在步驟S14建立主高斯模型后，進(jìn) 一步可包括利用畫面差值法，使主高斯模型學(xué)習(xí)時(shí)略過移動(dòng)物體邊緣，以避免產(chǎn)生誤判。此方法在上述背景建模的同時(shí)進(jìn)行畫面差值，結(jié)果如圖5的右圖所示，得到移動(dòng) 物體的邊緣，我們記錄此區(qū)塊，并在背景學(xué)習(xí)時(shí)跳過此區(qū)域，即可以有效防止前景邊緣與背 景接近的色彩的入侵，而因此防止更新背景造成錯(cuò)誤。其余步驟與第一實(shí)施例的相同，在此 不再贅述。請(qǐng)參照?qǐng)D6。圖6是本發(fā)明的第二實(shí)施例的裝置的示意圖。本發(fā)明也提出一種利用多個(gè)高斯模型以維持圖像背景的裝置3，包括擷取模塊 30，計(jì)算模塊32，存儲(chǔ)模塊34，及學(xué)習(xí)模塊36。擷取模塊30擷取包含多個(gè)像素的圖像畫面，以獲得背景信息，并擷取固定時(shí)間內(nèi) 多個(gè)連續(xù)該圖像畫面，以獲得多個(gè)圖像信息。例如應(yīng)用于監(jiān)視器中，利用擷取模塊30擷取 圖像畫面。從所擷取的圖像畫面可解析出一開始所構(gòu)建的背景信息，及新進(jìn)物體進(jìn)入之后 的多個(gè)圖像信息。背景信息及圖像信息其實(shí)就是由一張張圖像所構(gòu)成的圖像，而這些圖像又由多個(gè) 像素所組成。每個(gè)像素可選擇色彩表示的方法，例如常見的RGB色彩表示方法，或是YUV， YCbCr等。該些表示方法之間也可互相轉(zhuǎn)換，并不局限于選擇任一種表示方式。計(jì)算模塊32連接到該擷取模塊30，將擷取模塊30所獲得的信息傳輸至計(jì)算模塊 32，通過計(jì)算模塊32計(jì)算背景信息以建立一主高斯模型，以及計(jì)算這些圖像信息以建立多 個(gè)次高斯模型。例如選擇以RGB方式表示時(shí)，所建立的高斯模型內(nèi)的高斯分布包括有一平 均值及一協(xié)方差信息。存儲(chǔ)模塊34連接到該計(jì)算模塊32，把利用計(jì)算模塊32所建立的主高斯模型與這 些次高斯模型存儲(chǔ)于其中。學(xué)習(xí)模塊36，連接到該存儲(chǔ)模塊34，與該存儲(chǔ)模塊34之間是雙向傳輸。首先由存 儲(chǔ)模塊34取出兩個(gè)次高斯模型，然后通過學(xué)習(xí)模塊36進(jìn)行比較，當(dāng)判斷該兩個(gè)次高斯模型 所對(duì)應(yīng)的圖像信息都屬于背景信息時(shí)，則以該次高斯模型更新主高斯模型的學(xué)習(xí)，并將更 新學(xué)習(xí)結(jié)果傳輸至存儲(chǔ)模塊34，存儲(chǔ)更新后的主高斯模型所對(duì)應(yīng)的圖像背景信息。如果判 斷兩個(gè)次高斯模型所對(duì)應(yīng)的圖像信息的至少其中之一不是背景信息時(shí)，則不更新主高斯模 型的學(xué)習(xí)，而維持該主高斯模型的背景信息。判斷方式為其中一個(gè)次高斯模型所包含的圖像信息平均值是否落入另一比較的 圖像信息的協(xié)方差的一定比例中。如果是，則認(rèn)定兩者都屬于背景信息，主高斯模型對(duì)此進(jìn) 行學(xué)習(xí)。反之，則不進(jìn)行學(xué)習(xí)。選擇兩個(gè)次高斯模型進(jìn)行比較，可以選擇相鄰或相間隔的兩個(gè)次高斯模型進(jìn)行比 較，其考慮與第一實(shí)施例相同，于此不再贅述。在傳統(tǒng)的混合高斯中，背景會(huì)對(duì)每個(gè)圖像的所有像素來進(jìn)行學(xué)習(xí)，而不管像素是 屬于前景或是背景。因此存在時(shí)間過久的前景將會(huì)對(duì)背景的更新學(xué)習(xí)造成誤判。以本發(fā)明 所提出的方法與裝置進(jìn)行學(xué)習(xí)，可將主高斯分布的學(xué)習(xí)與前景隔絕開來，背景的學(xué)習(xí)將不 易受前景影響，這樣，主高斯模型對(duì)于背景的學(xué)習(xí)會(huì)更加精確，分割前景發(fā)生誤判的機(jī)會(huì)也相對(duì)減少。 雖然以優(yōu)選實(shí)施例將本發(fā)明的技術(shù)內(nèi)容公開如上，然而其并非用于限定本發(fā)明，任何本領(lǐng)域普通技術(shù)人員在不脫離本發(fā)明的精神所作的修改與改進(jìn)，都應(yīng)被包含在本發(fā)明 的范圍內(nèi)，因此本發(fā)明的保護(hù)范圍應(yīng)當(dāng)以所附的權(quán)利要求所限定的為準(zhǔn)。
權(quán)利要求
一種利用多個(gè)高斯模型以維持圖像背景的方法，包括下列步驟a.擷取包含多個(gè)像素的圖像畫面，以獲得背景信息；b.計(jì)算該背景信息以建立主高斯模型；c.擷取一時(shí)間間隔內(nèi)的多個(gè)連續(xù)的圖像畫面，以獲得圖像信息，并計(jì)算該圖像信息以建立次高斯模型；d.重復(fù)步驟c以建立多個(gè)次高斯模型；及e.比較兩個(gè)次高斯模型，當(dāng)判斷這些次高斯模型所對(duì)應(yīng)的圖像信息都屬于背景信息時(shí)，則以該次高斯模型更新該主高斯模型的學(xué)習(xí)，若判斷這些次高斯模型所對(duì)應(yīng)的圖像信息的至少其中之一不是背景信息時(shí)，則不更新該主高斯模型的學(xué)習(xí)，而維持該主高斯模型的背景信息。
2.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，該背景信息 與該圖像信息以YUV高斯分布表示。
3.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，該背景信息 與該圖像信息以YCbCr高斯分布表示。
4.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，該背景信息 與該圖像信息以RGB高斯分布表示。
5.如權(quán)利要求4所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，該RGB高斯 分布包括一平均值及一協(xié)方差，該平均值是這些像素的RGB值，該協(xié)方差是這些像素的RGB 高斯分布所覆蓋的范圍。
6.如權(quán)利要求5所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，判斷這些次 高斯模型所對(duì)應(yīng)的圖像信息都屬于該背景信息是指其中的一個(gè)圖像信息的平均值落入另 一圖像信息的協(xié)方差的一定比例中。
7.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，比較兩個(gè)次 高斯模型是指比較相鄰的次高斯模型。
8.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景之方法，其中，比較兩個(gè)次 高斯模型是指比較相間隔的等次高斯模型。
9.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，進(jìn)一步包括在步驟 b后，利用畫面差值法(Frame Difference)以得到移動(dòng)物體邊緣，記錄該移動(dòng)物體邊緣后， 在該主高斯模型學(xué)習(xí)時(shí)略過該移動(dòng)物體邊緣。
10.如權(quán)利要求9所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，利用該畫面 差值法是在圖像畫面中建立一目前畫框及一參考畫框并計(jì)算二者間的像素的差值。
11.如權(quán)利要求1所述的利用多個(gè)高斯模型以維持圖像背景的方法，其中，進(jìn)一步包括 在以次高斯模型更新主高斯模型的學(xué)習(xí)后，即刪除該次高斯模型。
12.—種具有多個(gè)高斯模型以維持圖像背景的裝置，其包括擷取模塊，擷取包含多個(gè)像素的圖像畫面，以獲得背景信息，并擷取一時(shí)間內(nèi)的多個(gè)連 續(xù)圖像畫面，以獲得多個(gè)圖像信息；計(jì)算模塊，連接到該擷取模塊，計(jì)算該背景信息以建立主高斯模型，并計(jì)算這些圖像信 息以建立多個(gè)次高斯模型；存儲(chǔ)模塊，連接到該計(jì)算模塊，存儲(chǔ)所建立的主高斯模型與次高斯模型；及學(xué)習(xí)模塊，連接到該存儲(chǔ)模塊，與該存儲(chǔ)模塊之間為雙向傳輸，其比較兩個(gè)次高斯模 型，當(dāng)判斷這些次高斯模型所對(duì)應(yīng)的圖像信息都屬于該背景信息時(shí)，則以該次高斯模型更 新該主高斯模型的學(xué)習(xí)，并將更新學(xué)習(xí)結(jié)果存儲(chǔ)在該存儲(chǔ)模塊中，如果判斷這些次高斯模 型所對(duì)應(yīng)的圖像信息的至少其中之一不是背景信息時(shí)，則不更新主高斯模型的學(xué)習(xí)，而維 持該主高斯模型的背景信息。
13.如權(quán)利要求12所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，該背景信 息與該圖像信息以YUV高斯分布表示。
14.如權(quán)利要求12所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，該背景信 息與該圖像信息以YCbCr高斯分布表示。
15.如權(quán)利要求12所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，該背景信 息與該圖像信息以RGB高斯分布表示。
16.如權(quán)利要求15所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，該RGB高斯 分布包括一平均值及一協(xié)方差，該平均值是這些像素的RGB值，該協(xié)方差是這些像素的RGB 高斯分布所覆蓋的范圍。
17.如權(quán)利要求16所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，判斷這些 次高斯模型所對(duì)應(yīng)的圖像信息都屬于該背景信息是指其中一個(gè)圖像信息的平均值落入另 一圖像信息的協(xié)方差的一定比例之中。
18.如權(quán)利要求12所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，比較兩個(gè) 次高斯模型是指比較相鄰的次高斯模型。
19.如權(quán)利要求12所述的具有多個(gè)高斯模型以維持圖像背景的裝置，其中，比較兩個(gè) 次高斯模型是指比較相間隔的次高斯模型。
全文摘要
一種利用多個(gè)高斯模型以維持圖像背景的方法與裝置，其中方法包括下列步驟a.擷取包含多個(gè)像素的圖像畫面，用以獲得背景信息；b.計(jì)算背景信息以建立主高斯模型；c.擷取固定時(shí)間間隔內(nèi)的多個(gè)連續(xù)圖像畫面，以獲得圖像信息，并計(jì)算圖像信息以建立次高斯模型；d.重復(fù)步驟c以建立多個(gè)次高斯模型；和e.比較兩個(gè)次高斯模型，判斷兩個(gè)次高斯模型所對(duì)應(yīng)的圖像信息都屬于背景信息時(shí)，則以次高斯模型更新主高斯模型的學(xué)習(xí)，如果判斷兩個(gè)次高斯模型所對(duì)應(yīng)的圖像信息的至少其中之一不是背景信息時(shí)，則不更新主高斯模型的學(xué)習(xí)，而維持主高斯模型的背景信息。
文檔編號(hào)G06T7/20GK101833769SQ200910126660
公開日2010年9月15日 申請(qǐng)日期2009年3月10日 優(yōu)先權(quán)日2009年3月10日
發(fā)明者王志平 申請(qǐng)人:微星科技股份有限公司