自动增益场景下基于相机响应函数的背景建模方法转让专利
申请号 : CN201110044805.2
文献号 : CN102129689B
文献日 : 2012-11-14
发明人 : 江登表 , 李勃 , 董蓉 , 刘晓男 , 胥欣 , 陈启美 , 何军
申请人 : 南京大学
摘要 :
权利要求 :
1.自动增益场景下基于相机响应函数的背景建模方法,其特征是在背景差法运动检测中,相机自动增益场景下,背景参考帧实时跟随相机增益系数的变化,得到与当前帧增益系数相同的背景参考帧,包括以下步骤:
1)通过基于自动增益渐进性的分析,构建目标函数,设定自动增益临界误检阈值,所述自动增益临界误检阈值以系统发生自动增益临界误检时的灰度值变化特征为依据设定,逐帧检测是否发生自动增益临界误检,如果发生则得到粗分的背景区域,并使用联合直方图的方法得到训练数据,具体为:
11)利用参数相机响应函数EMoR中权重最大的均值项作为相机响应函数CRF的近似,得到灰度差值函数BDF,进而获得临界误检时的正增益比kpp和负增益比knn:当1
12)当增益比分别为:临界误检时的正增益比kpp、1、临界误检时的负增益比knn,分别得到所对应的灰度差值函数,根据kpp,1,knn对应的BDF曲线,将图像区域分为四部分,以此构造目标函数,当目标函数大于设定的临界误检阈值则临界误检发生,并粗分出当前帧的背景区域;
13)粗分的背景区域像素经由基于联合直方图的降噪处理,并去除含0,255的数据项,得到低维的训练数据;
2)以步骤1)中所得到的训练数据做为输入数据,由基于最大似然估计和参数约束的方法一次性恢复得到全局最优的相机响应函数;
3)灰度差值的最大值是关于增益比的单调增函数,通过前背景差值与增益比的相关性,以及前述的单调增函数,由前背景帧和步骤2)中所恢复的相机响应函数,逐帧求取增益比;前背景差值指当前帧与背景参考帧的差值,前背景帧为当前帧和背景参考帧的统称;
4)如果步骤3)确定的增益比不为1,则由增益比和步骤2)恢复的相机响应函数,得到与当前帧的增益系数相同的背景参考帧,否则背景参考帧不变,由此逐帧更新背景参考帧,获得与当前帧增益系数相同的背景参考帧。
2.根据权利要求1所述的自动增益场景下基于相机响应函数的背景建模方法,其特征是步骤1)具体为:
11)设相机自动增益导致整个图像中发生像素数量为N’的绝对误检,正负增益比kpp,knn为kpp=min{kc/kr|num(BDF(Br(pi),kc/kr)>σ(pi))/N
num(·)表示符合条件的像素个数;
12)根据临界误检时各图像区域的分布特性,由增益比分别为kpp,1,knn时得到相应BDF曲线,构造目标函数T,将图像区域分为四类,当T大于阈值则临界误检发生,并粗分出背景:令x=Ii,y=BDF(Ii,kj/ki),其中ki,kj分别为自动增益发生前后的两帧图像i,j所对应的增益系数,kj/ki即为增益比,Ii为i帧图像的灰度值,kj/ki分别为kpp,knn,1时,得到曲线y=Lp(x),y=Ln(x),y=0,将图像区域分为四个部分,P=PA∪PB∪PC∪PD,当发生自动正增益并处于临界误检时,PA为当前背景区域,且有Bc(pi)-Br(pi)>0,Bc(pi)-Br(pi)
PB为低灰度值的运动物体遮挡住原有背景的较暗区域,有Ln(Br(pi))<Bc(pi)-Br(pi);
PC为当前背景区域,有Ln(Br(pi))
13)基于联合直方图的降噪处理:
令H(IX,PX,X)表示在图像X中像素集合PX的灰度值从0到IX的元素个数,即H(IX,PX,X)=num(pxi)|(0≦B(pxi,X)≦IX,pxi∈PX) (4) B(pxi,X)为图像X中像素pxi的灰度值,令联合直方图为:
Q_BTF={(m,IC(m))|H(IC(m),PBG,C)=H(m,PBG,R)} (5)其中m∈{0,1,2,....,255},0≤IC(m)≤255,R,C分别是背景参考帧和当前帧,由CRF单调不减的性质,Q_BTF元素个数为256,将Q_BTF中含有0或255的元素去除,以去除饱和与截止的所导致的误差,得到集合P_BTF,元素个数M<255,P_BTF即为低维的训练数据。
3.根据权利要求2所述的自动增益场景下基于相机响应函数的背景建模方法,其特征是步骤2)具体为:
21)在EMoR框架内,基于对数和反函数的运算,将增益系数与场景照度从CRF中分离,在数学分析上转化成线性回归问题:CRF恢复的输入训练数据集合V=P_BTF,V满足V={(IVi(m),IVj(m))|m∈(0,1....,M)} (6)IVi是增益系数为ki时的图像灰度值,IVj是增益系数为kj时的图像灰度值,M是训练数据个数,IVi,IVj满足:IVi+ε=BTFij(IVj) (8)
其中BTF为亮度转移函数,ε是高斯噪声,在EMoR框架下基于最大似然估计和参数约束的CRF恢复,得到全局最优解,对EMoR的一般形式取反函数和取对数:l1(I)....lN(I)是对CRF数据库DoRF取反函数和取对数后使用主元分析PCA得到的主成分按由主到次排列,g0(I)是CRF数据库DoRF取反函数和取对数后的均值;在理想无噪声情况下,IVi,IVj对应的照度值q相同,而增益系数k不同,将IVi,IVj代入式(9)并相减,在实际情况下,即IVi,IVj满足式(8),则式(10)变形为:
由于ε为高斯噪声,具有可加性,所以式(11)有:
其中ε′为ε在式(11)中的线性运算得到的高斯噪声,令d0=-ln(ki/kj),有: 令:t(m)=g0(IVj(m))-g0(IVi(m))
则式(13)变成
T T
其中d=(d0,d1,d2,.....,dN),Ф=(φ0,φ1,φ2,.....,φN),则上式成为标准的线性回归;
22)使用基于最大似然估计与参数约束的CRF求取,最小误差函数为:
其中,M为集合V的元素个数,由EMoR知,当式(14)取不同的n值时,基函数ln(I)权重是不一样的,n越大,则对应的基函数在表达式中的权重越小,相应权重系数越小,使用参数约束下的最小误差函数:E(d)=ED(d)+λEd(d) (16)
λ是约束参数,为对角矩阵,0<λ1<λ2<.....<λN是矩阵λ对角线上的元素,将式(15),(17)代入式(16)得:由最大似然估计,式(18)对d求导数
令式(19)为0并变形:
得到:
T -1 T
d=(λ+ФФ) Фt (21)
其中 t=(t(1),t(2),....,t(M))
将式(21)代入式(9),经过求指数和求反函数得到CRF。
4.根据权利要求2或3所述的自动增益场景下基于相机响应函数的背景建模方法,其特征是步骤3)具体为:
31)分析得到BDF最大值是关于增益比的单调增函数,即两者是单应的;
32)基于单应性的自动增益求取:
令BDF最大值为ΔMI(kj/ki)),对应的横坐标为MI(kj/ki):(MI(kj/ki)=Ii,ΔMI(kj/ki)=ΔIji)|max{ΔIji=BDF(Ii,kj/ki)},0≤Ii≤ 255 (22)如果当前帧C与背景参考帧的R的灰度差异仅由自动增益造成,那么图像中所有像素点pi对应的坐标(x(i)=Br(pi),y(i)=Bc(pi)-Br(pi))所形成的分布DC落在曲线DL:{(x=I,y=ΔI)|ΔI=BDF(I,kc/kr)}上,且ΔMI(kc/kr)=max(y(i)),由ΔMI的单应性,即可得到kc/kr,如果有运动前景存在,kc/kr的取值区间sk为[kc-1/kr-1-k_th,kc-1/kr-1+k_th],kc-1,kr-1是上一帧C与B的增益系数,k_th是增益比渐进变化范围,取0.12,则得到MI对应的区间sm,求DC在区间sm的峰值坐标(MB,ΔMB):(MB=x(i),ΔMB=y(i))|max{y(i)},x(i)∈sm (23)令MI(kj/ki)=MB,由单应性得到kj/ki=km,考虑到噪声影响,当|MI(km)-MB|<TM,且km∈sk,则更新增益比,否则是由运动前景导致的峰值,增益比不变,TM在这里取5;
33)按照步骤32)逐帧求取增益比。
5.根据权利要求4所述的自动增益场景下基于相机响应函数的背景建模方法,其特征是在理想情况下,如果是由自动增益导致的峰值,则同时满足km∈sk,MI(km)=MB,新的增益比为kc/kr=km。
说明书 :
自动增益场景下基于相机响应函数的背景建模方法
技术领域
背景技术
缺乏理论支撑和通用性。Soh 用背景参考帧的灰度值均值来控制自动增益变化,但需要改变摄像机内部电路结构,难以通用实现。
发明内容
附图说明
具体实施方式
PC为当前背景区域,因为发生负增益,故有Bc(pi)-Br(pi)<0,又因为尚未造成运动误检,故有Bc(pi)-Br(pi)>Ln(Br(pi));发生自动负增益因为是高灰度值的运动物体遮挡住原有背景的低灰度值区域,PD为该区域,因为造成强烈的灰度差值,所以有Bc(pi)-Br(pi)>Lp(Br(pi)),且满足num(PC)>>num(PB),num(PD)>num(PA)。同理可得当负增益临界时刻,由此建立目标函数: