买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门凡祈丰科技有限公司

摘要：本发明实施例提供一种时间域门限的混合高斯背景分离方法、装置、设备和介质，涉及视频处理技术领域。其中，这种时间域门限的混合高斯背景分离方法包含步骤S1至步骤S5。S1、获取待分离视频。S2、将待分离视频的色彩空间由RGB转换至HSV，获取HSV视频。S3、根据预设的时长将HSV视频进行分段，获取多个时间段。其中，相邻的两个时间段之间存在重叠。时间段包含建模时间域和分离时间域。建模时间域的时长小于分离时间域。建模时间域的长度为重叠的长度。S4、根据建模时间域的图像序列，通过高斯混合模型构建背景模型。S5、根据背景模型识别同一个时间段的分离时间域的图像序列，获取前景图像序列。该方法在复杂背景和动态场景下具有更高的准确性和适应性。

主权项：1.一种时间域门限的混合高斯背景分离方法，其特征在于，包含：获取待分离视频；将所述待分离视频的色彩空间由RGB转换至HSV，获取HSV视频；根据预设的时长将所述HSV视频进行分段，获取多个时间段；其中，相邻的两个时间段之间存在重叠；时间段包含建模时间域和分离时间域；建模时间域的时长小于分离时间域；建模时间域的长度为重叠的长度；根据所述建模时间域的图像序列，通过高斯混合模型构建背景模型；根据所述背景模型识别同一个时间段的分离时间域的图像序列，获取前景图像序列；根据所述建模时间域的图像序列，通过高斯混合模型构建背景模型，具体包括：通过预先构建的稀疏降噪特征提取模型提取所述建模时间域的图像序列中的每帧图像的色调通道的数据，获取色调特征；其中，所述稀疏降噪特征提取模型用以学习背景的低维表示，并以此作为混合高斯模型的补充；将所述色调特征输入所述混合高斯模型进行高斯拟合，获取各帧图像的混合高斯分布模型；其中，所述混合高斯模型为：式中，为第帧图像的第个像素点的概率、为高斯模型的序号、为第个高斯模型的权重、为正太分布表达符号、为输入的第帧图像的第个像素点的数据；为第个高斯模型的正态分布的均值、为第个高斯模型的正态分布的方差；根据所述各帧图像的混合高斯分布模型，分别比较各图像帧的对应位置的像素值的概率，获取所述背景模型；所述稀疏降噪特征提取模型包含依次连接的编码器和解码器；编码器包含输入层、第一层卷积层、第二层卷积层、第三层卷积层、第四层卷积层和特征向量层；输入层用以输入图像的色调通道数据；第一层卷积层使用32个3x3的卷积核，步长为2，激活函数为ReLU，以保持维度不变；第二层卷积层使用64个3x3的卷积核，步长为2，激活函数为ReLU；第三层卷积层使用128个3x3的卷积核，步长为2，激活函数为ReLU；第四层卷积层使用256个3x3的卷积核，步长为2，激活函数为ReLU；特征向量层使用一个全连接层，以将卷积层输出的特征图展平成一个一维向量；解码器包含第一层全连接层、第一层反卷积层、第二层反卷积层、第三层反卷积层、第四层反卷积层和输出层；第一层全连接层使用一个全连接层，以将编码器得到的特征向量转换回一个形状适合于解码过程的张量；第一层反卷积层使用256个3x3的反卷积核，步长为2，激活函数为ReLU；第二层反卷积层使用128个3x3的反卷积核，步长为2，激活函数为ReLU；第三层反卷积层使用64个3x3的反卷积核，步长为2，激活函数为ReLU；第四层反卷积层使用32个3x3的反卷积核，步长为2，激活函数为ReLU；输出层使用一个1x1的卷积核，没有激活函数，以得到最终的重建图像，其尺寸与输入图像相同；稀疏降噪特征提取模型通过以下步骤训练得到；获取训练图像；向训练图像中添加噪声；将带有噪声的训练图像输入稀疏降噪特征提取模型，获取输出图像；根据所述输出图像和所述训练图像计算损失函数，然后根据所述损失函数调整所述稀疏降噪特征提取模型的参数；其中，损失函数为：式中，为重建损失、为控制稀疏性的正则化系数、为稀疏性损失、为控制权重正则化的正则化系数、为L1或L2正则化项、为降噪损失。

全文数据：

权利要求：

百度查询： 厦门凡祈丰科技有限公司 一种时间域门限的混合高斯背景分离方法、装置、设备和介质